企业官网建设流程全解析

awesome-codex-skills 中 Customgpt 自动化 Skill：基于 Rube MCP 的 Customgpt 工作流实战指南

【免费下载链接】awesome-codex-skillsA curated list of practical Codex skills for automating workflows across the Codex CLI and API.项目地址: https://gitcode.com/GitHub_Trending/aw/awesome-codex-skills

本文基于 customgpt-automation/SKILL.md 展开，讲解如何在 Codex 中通过 Rube MCP 连接并自动化 Customgpt 平台的操作。读完本篇，你将掌握该 Skill 的前置条件与安装方式、Rube MCP 接入配置、"搜索工具—检查连接—执行工具"的标准工作流，以及调用RUBE_MULTI_EXECUTE_TOOL等 Rube 工具时的常见陷阱与排查要点。

Customgpt 是一套企业级 AI 聊天助手构建平台，典型操作包括创建/管理 ChatGPT 实例、配置数据源、管理用户访问等。直接为这些操作编写 API 集成代码成本高且易过期，而customgpt-automation这个 Codex Skill 的思路是：不硬编码任何 Customgpt API 细节，而是让 Agent 通过 Composio 的 Rube MCP 网关动态发现并调用当前最新的 Customgpt 工具。该 Skill 属于仓库中composio-skills/目录下的一个自动化 Skill 样例（该目录共收录了 800 多个按集成对象命名的同类 Skill，命名规范为<服务名>-automation，本 Skill 即对应 Customgpt 服务）。

Skill 的元数据与触发机制

每个 Codex Skill 由一个含 YAML frontmatter 的SKILL.md构成，Codex 依据 frontmatter 中的name和description判断何时触发该 Skill，触发后才加载正文。customgpt-automation 的元数据如下（见 SKILL.md 文件头）：

--- name: customgpt-automation description: "Automate Customgpt tasks via Rube MCP (Composio). Always search tools first for current schemas." requires: mcp: [rube] ---

三个字段各有明确用途：

• name: customgpt-automation：Skill 的唯一标识，也是安装到$CODEX_HOME/skills/后的目录名。
• description：声明了本 Skill 的核心行为约束——"Always search tools first for current schemas"（总是先搜索工具以获取当前 schema），这与正文"Known Pitfalls"中的"Always search first"原则一脉相承。
• requires.mcp: [rube]：声明该 Skill 依赖 Rube MCP 服务器。从源码结构看，仓库中所有composio-skills/下的同类 Skill 都统一声明mcp: [rube]，这是 Composio 自动化 Skill 家族的共同特征：它们不直接对接各服务的 REST API，而是统一经由 Rube MCP 端点路由。

这一设计与仓库根 README.md 中"Skills tell your agent how to work. An MCP Gateway gives it secure access to the tools it needs"的描述一致：Skill 提供领域工作流知识，MCP 网关提供真实的工具访问能力。

前置条件

在执行任何 Customgpt 工作流之前，文档列出了三条硬性前置条件（Prerequisites 一节）：

1. Rube MCP 已连接，即RUBE_SEARCH_TOOLS工具在当前客户端中可用；
2. 已通过RUBE_MANAGE_CONNECTIONS建立 toolkit 为customgpt的活跃 Customgpt 连接；
3. 每次执行前都必须先调用RUBE_SEARCH_TOOLS获取当前工具 schema——因为工具 schema 会随服务演进而变化。

安装 Skill 到 Codex

Skill 需要放到 Codex 的技能目录才能被加载。仓库提供了两种方式（见 README.md 的 Quickstart 章节）：

方式一：使用 Skill Installer（推荐）

git clone https://github.com/ComposioHQ/awesome-codex-skills.git cd awesome-codex-skills # Install one or more skills into $CODEX_HOME/skills (defaults to ~/.codex/skills) python skill-installer/scripts/install-skill-from-github.py --repo ComposioHQ/awesome-codex-skills --path meeting-notes-and-actions

把--path参数换成composio-skills/customgpt-automation即可安装本 Skill。从 安装脚本实现 看，脚本支持--url/--repo+--path/--ref/--dest/--name等参数，默认拉取master分支，并将 Skill 落到$CODEX_HOME/skills/<skill-name>（CODEX_HOME未设置时默认~/.codex）。

方式二：手动安装

1. 把composio-skills/customgpt-automation/目录复制到$CODEX_HOME/skills/（默认~/.codex/skills/）；
2. 重启 Codex 使其重新加载元数据；
3. 之后在会话中自然描述任务（如"帮我用 Customgpt 的接口建一个知识库"），Codex 会根据 description 匹配并触发该 Skill。

验证安装可用ls ~/.codex/skills查看目录、head ~/.codex/skills/customgpt-automation/SKILL.md检查 frontmatter。

接入 Rube MCP

文档给出的接入方式非常轻量（Setup 一节）：

Get Rube MCP: Addhttps://rube.app/mcpas an MCP server in your client configuration. No API keys needed — just add the endpoint and it works.

即在你的 MCP 客户端配置（Codex 的 MCP 服务器配置、或其他支持 MCP 的客户端）中添加远程端点https://rube.app/mcp，无需在客户端侧配置任何 API key——认证统一由 Rube/Composio 侧的连接管理流程完成。

接入后按以下 4 步完成初始化：

1. 验证 Rube MCP 可用：确认RUBE_SEARCH_TOOLS能够响应；
2. 调用RUBE_MANAGE_CONNECTIONS并指定 toolkitcustomgpt；
3. 如果返回的连接状态不是 ACTIVE，按响应中给出的 auth link 完成授权；
4. 在运行任何工作流之前，确认连接状态显示为 ACTIVE。

工具发现（Tool Discovery）

Rube 的工具集合是动态的，因此本 Skill 的第一条铁律是"先搜索、再执行"。标准的发现调用如下（Tool Discovery 一节）：

RUBE_SEARCH_TOOLS queries: [{use_case: "Customgpt operations", known_fields: ""}] session: {generate_id: true}

参数说明：

• queries[].use_case：用自然语言描述你要做的事，这里是通用的 "Customgpt operations"；实际工作流中应替换为更具体的任务描述（见下文 Step 1）；
• queries[].known_fields：已知的字段提示，可为空字符串；
• session: {generate_id: true}：让 Rube 生成一个新的会话 ID。该 ID 是后续所有调用的"工作流上下文句柄"，需要保存并复用。

搜索结果会返回四类关键信息：可用的工具 slug、每个工具的输入 schema、推荐的执行计划（recommended execution plans），以及已知陷阱（known pitfalls）。这些信息是后续执行的唯一可信输入——文档明确禁止在未调用RUBE_SEARCH_TOOLS的情况下硬编码工具 slug 或参数。

核心工作流：三步模式

文档将完整执行过程抽象为"Discover → Check Connection → Execute"三步模式，三步共享同一个 session id。

Step 1：按具体任务发现可用工具

把发现查询从"泛化的 Customgpt 操作"收窄为"你的具体任务"，并复用已有会话：

RUBE_SEARCH_TOOLS queries: [{use_case: "your specific Customgpt task"}] session: {id: "existing_session_id"}

注意此处 session 参数从{generate_id: true}变为{id: "existing_session_id"}——同一工作流内必须复用会话 ID，只有开启全新工作流时才生成新的（这是 Known Pitfalls 中 Session reuse 原则的体现）。

Step 2：检查连接状态

RUBE_MANAGE_CONNECTIONS toolkits: ["customgpt"] session_id: "your_session_id"

执行工具前必须确认customgpttoolkit 的连接为 ACTIVE。若此时才发现问题（未授权、连接过期），在连接阶段修复比在执行阶段失败要省事得多。

Step 3：执行工具

RUBE_MULTI_EXECUTE_TOOL tools: [{ tool_slug: "TOOL_SLUG_FROM_SEARCH", arguments: {/* schema-compliant args from search results */} }] memory: {} session_id: "your_session_id"

三个关键约束：

• tool_slug必须取自 Step 1 搜索结果中返回的 slug，不能凭记忆书写；
• arguments必须严格符合搜索结果的输入 schema——字段名和类型都要精确匹配（文档用/* schema-compliant args from search results */标注了这一点）；
• memory参数即使为空也必须显式传入{}，缺省该字段是不被推荐的。

RUBE_MULTI_EXECUTE_TOOL支持在tools数组中放入多个工具调用，因此一次调用可以串起多个 Customgpt 操作（如先查实例列表、再批量更新配置），减少多轮往返。

常见陷阱（Known Pitfalls）

文档"Known Pitfalls"一节（对应行段）总结的六条经验是这类"动态工具发现"模式中最容易踩的坑，值得逐条对照排查：

1. Always search first（总是先搜索）：工具 schema 会变化。未调用RUBE_SEARCH_TOOLS就硬编码工具 slug 或参数，是此类 Skill 最常见的失败来源；
2. Check connection（检查连接）：执行工具前验证RUBE_MANAGE_CONNECTIONS显示 ACTIVE 状态；
3. Schema compliance（schema 合规）：使用搜索结果中精确的字段名与类型，不要自行"合理化"改写字段；
4. Memory parameter（memory 参数）：RUBE_MULTI_EXECUTE_TOOL调用中始终包含memory，空值也要写{}；
5. Session reuse（会话复用）：同一工作流内复用 session ID，新工作流才生成新 ID——会话承担了上下文与状态传递的角色，中途换会话可能丢失关联；
6. Pagination（分页）：检查响应中的分页 token 并持续拉取直至完整，避免只处理了第一页数据就误以为任务完成。

快速参考表

文档末尾的 Quick Reference 表（对应行段）给出了五类操作到 Rube 工具的映射，可直接作为执行时的速查手册：

其中后两行值得展开说明：搜索结果中的工具若只给出schemaRef引用而非完整 schema，需要用RUBE_GET_TOOL_SCHEMAS二次拉取完整定义后再构造arguments；而需要批量或脚本化执行时，RUBE_REMOTE_WORKBENCH提供了run_composio_tool()这一编程入口，适合把多次工具调用组织成脚本而非逐个对话式触发。

适用前提与边界

• 本 Skill 依赖 Rube MCP 端点https://rube.app/mcp可用，且 Customgpt 连接需要人工完成一次授权（走 auth link），之后由 Rube 侧管理凭据，客户端不需要保存 Customgpt 的 API key；
• 具体可执行哪些 Customgpt 操作（哪些 tool slug、参数结构）以RUBE_SEARCH_TOOLS的实时返回为准，本文与 Skill 文档均不固化具体工具清单——这正是该 Skill 的设计意图：schema 会漂移，动态发现优于静态清单；
• 该 Skill 是composio-skills/家族中针对 Customgpt 的一个实例。同一模式（frontmatter 声明mcp: [rube]、先RUBE_SEARCH_TOOLS后执行、RUBE_MULTI_EXECUTE_TOOL落地）同样适用于该目录下的其他集成，例如 composio-automation/SKILL.md，差异仅在 toolkit 名称与 use case 描述；
• 编写同类 Skill 时，可参考仓库中的 skill-creator 获取 SKILL.md 结构、frontmatter 书写与"progressive disclosure"等最佳实践。

【免费下载链接】awesome-codex-skillsA curated list of practical Codex skills for automating workflows across the Codex CLI and API.项目地址: https://gitcode.com/GitHub_Trending/aw/awesome-codex-skills