Rube MCP × Codex Amazon 自动化实战指南：跑通第一次商品搜索-迪斯科星球

Rube MCP × Codex Amazon 自动化实战指南：跑通第一次商品搜索

【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 awesome-codex-skills 仓库的 amazon-automation skill，通过 Rube MCP 把 Codex Agent 接入 Composio 的 Amazon 工具集，带你完成一件具体的事：让 Agent 搜索一次亚马逊商品并拿回真实结果，同时避开 schema 硬编码、连接失效、分页截断等典型坑。

让 Agent 查一次亚马逊商品并拿回结果

你要做的小任务很简单：在 Codex 会话里描述「在亚马逊搜索某类商品并拿回前 10 条结果」，Agent 按顺序完成搜索、验连接、执行三类RUBE_*调用，最后返回一份商品 JSON。

这个任务覆盖了该 skill 的完整路径：由 composio-skills/amazon-automation/SKILL.md 的 frontmatter 触发技能、建立 Amazon 连接、动态获取工具 schema、发起真实 API 调用。跑通这一次之后，换成查订单、拉详情都只是改措辞，流程不变。这是一条典型的 Codex 自动化路线：Agent 不只生成建议文本，而是真正调通外部业务系统。

开始动手前，先确认下面几项。

动手前自检 ✅：第一次调用前的 4 件事

已配置 Rube MCP 端点：客户端 MCP 配置中加入https://rube.app/mcp，无需 API Key
RUBE_SEARCH_TOOLS有响应：会话中调用一次，确认能正常返回
amazon toolkit 连接为 ACTIVE：通过RUBE_MANAGE_CONNECTIONS完成授权并复核状态
skill 已安装（推荐）：amazon-automation位于$CODEX_HOME/skills/（默认~/.codex/skills）

前两项每个新会话都要复核一次；连接在 OAuth 授权后会持久化，后续会话可直接复用；skill 装好后，Agent 在你说出 Amazon 相关任务时会自动按本文的纪律行事。

自检通过后，花 30 秒看清分工。

机制 30 秒速览：Rube MCP 链路里谁负责什么

组件	职责
Codex（CLI / API）	读取各 skill 的`name`与`description`frontmatter 决定是否触发，触发后才加载 SKILL.md 正文，保持上下文精简
amazon-automation skill	提供纪律文档：先`RUBE_SEARCH_TOOLS`拿实时 schema，再验连接、再执行
Rube MCP（`https://rube.app/mcp`）	统一入口网关，对外暴露`RUBE_*`系列工具，Agent 不接触 OAuth 细节
Composio Amazon toolkit	封装亚马逊业务 API，连接建立后即可被调度执行

frontmatter 三个字段的分工：name是标识也是安装后的目录名；description是触发依据，刻意写明了「先搜索工具」原则；requires.mcp声明依赖名为rube的 MCP 服务器。你不需要记忆任何鉴权细节——连接建立后，工具直接可调度。

分工清楚了，开始打第一次调用。

第一次跑通：装好 skill，完成三次调用

第 0 步：把 skill 装到位

尚未安装的话，克隆仓库并运行安装脚本：

git clone https://gitcode.com/GitHub_Trending/aw/awesome-codex-skills cd awesome-codex-skills python skill-installer/scripts/install-skill-from-github.py --repo ComposioHQ/awesome-codex-skills --path composio-skills/amazon-automation ls ~/.codex/skills head ~/.codex/skills/amazon-automation/SKILL.md

脚本默认装到$CODEX_HOME/skills/<skill-name>；目标目录已存在会中止以防覆盖；默认走直连下载，失败时回退 git sparse checkout。ls输出里出现amazon-automation、head能看到name: amazon-automation，即安装成功。重启 Codex 让它加载新元数据。

第 1 步：搜索拿到最新 schema

💡 这是整个工作流的关键调用，后两步用到的工具 slug 和参数名都只能从这里来。

RUBE_SEARCH_TOOLS queries: [{use_case: "search Amazon products", known_fields: ""}] session: {generate_id: true}

参数	类型	说明
`queries`	数组	每个元素含`use_case`（要完成的任务描述）与`known_fields`（已知字段名，可为空串）
`session.generate_id`	布尔	设为`true`时自动生成新的会话 ID

成功标志：返回包含可用工具 slug 列表、每个工具的输入 schema、推荐执行计划与已知坑点四类信息，并给出新的 session_id——记下来。任务更具体时把use_case写得更精确（如 "get order details"）可提高命中精度。

第 2 步：确认连接为 ACTIVE

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

参数	类型	说明
`toolkits`	数组	要验证的 toolkit，Amazon 固定传`["amazon"]`
`session_id`	字符串	上一步返回的会话 ID

成功标志：连接状态显示ACTIVE。若不是 ACTIVE，按返回的授权链接完成 OAuth，再调用一次复核——确认之前不要往下走。

第 3 步：执行搜索工具

RUBE_MULTI_EXECUTE_TOOL tools: [{ tool_slug: "TOOL_SLUG_FROM_SEARCH", arguments: {/* 严格按搜索返回的 schema 填写字段名与类型 */} }] memory: {} session_id: "your_session_id"

参数	类型	说明
`tools`	数组	每元素含`tool_slug`（只取自搜索结果，勿猜测）与`arguments`（严格遵循 schema）
`memory`	对象	必带，为空也传`{}`
`session_id`	字符串	沿用前两步同一会话

成功标志：返回商品列表 JSON，字段以仓库当前版本与上游 API 实际返回为准。若报参数错误，回到第 1 步的返回值逐字段比对字段名与类型。

单步跑通后，任务很快就会变复杂。

任务变复杂时：分页、并行与会话切换怎么办

拉全数据：处理分页

场景：商品列表翻页获取，只看第一页会静默丢数据。做法：检查响应中的分页 token，存在则携带它继续请求，直到没有 token 为止。成功标志：条目总数与预期规模吻合，无提前截断。

一次调用多步：多工具并行

场景：既要搜商品、又要顺带取详情。做法：在RUBE_MULTI_EXECUTE_TOOL的tools数组里放入多个条目，各自独立tool_slug与arguments，共用同一个session_id。成功标志：返回中每个工具都有结果，而不是只执行了第一个。

开新任务：换新会话

场景：上一轮查商品刚结束，现在要查订单。做法：用session: {generate_id: true}生成新会话，不复用旧 session_id。成功标志：新会话上下文干净，没有旧任务残留的数据。

流程变复杂之后，新的失败方式也会跟着出现，先看一遍常见翻车点。

翻车点复盘 ⚠️：6 个高频坑

硬编码 slug 与参数：schema 会随上游 API 版本演进，凭记忆写死是执行失败的主要来源之一。每个任务前都用RUBE_SEARCH_TOOLS拿实时 schema。
不查连接就执行：连接过期时执行调用直接浪费，还会返回鉴权类错误。执行前先过RUBE_MANAGE_CONNECTIONS确认 ACTIVE。
参数凭感觉写：字段名多一个、少一个都可能让执行失败。arguments严格按搜索返回的字段名与类型填写。
漏掉 memory：RUBE_MULTI_EXECUTE_TOOL的memory参数必带，为空也传{}。
会话混用：跨工作流复用会污染上下文，每步新建又会丢失上下文。同一工作流复用同一 session_id，新任务生成新会话。
分页只看第一页：响应可能带分页 token，提前停手会静默丢数据。检查 token，持续拉取直到完整。

避完坑，下面这张一页纸可以常放手边。

一页纸参考：速查表与关键路径

操作	工具	关键参数
查找工具	`RUBE_SEARCH_TOOLS`	`queries`用 Amazon 的 use_case
建立 / 验证连接	`RUBE_MANAGE_CONNECTIONS`	`toolkits: ["amazon"]`
执行操作	`RUBE_MULTI_EXECUTE_TOOL`	搜索得到的`tool_slug`+`memory: {}`
批量脚本执行	`RUBE_REMOTE_WORKBENCH`	`run_composio_tool()`
取完整 schema	`RUBE_GET_TOOL_SCHEMAS`	用于带`schemaRef`的工具

后两行是进阶能力：批量、脚本化场景交给 workbench；当搜索结果中的工具带schemaRef引用时，用RUBE_GET_TOOL_SCHEMAS拉完整 schema，避免信息截断导致参数误用。

关键模块路径：

技能正文：composio-skills/amazon-automation/SKILL.md
安装脚本：skill-installer/scripts/install-skill-from-github.py
同构模板：composio-skills/composio-automation/SKILL.md
参数表样例：composio-skills/spotify-automation/SKILL.md
CLI 备选路径：connect/SKILL.md

Amazon 之外，同一套模板还能直接迁移。

同生态延伸 🧩：仓库里值得对照的三个 skill

composio-automation 与 amazon-automation 完全同构，只是 toolkit 换成了composio，适合验证「先搜索、再连接、后执行」这一通用模式的可移植性。
spotify-automation 展示了更细粒度的参数表（limit、offset、market的默认值与取值范围）以及业务级坑点（如播放控制需要 Premium），可当RUBE_SEARCH_TOOLS返回 schema 形态的参照样例。
connect 是同生态的 CLI 路径：composio search/composio execute与 Rube MCP 的RUBE_*工具能力对应，适合从终端驱动动作。

最后，把全文压缩成三条能背下来的纪律。

纪律收尾：记住这三句话

先搜后做：每个任务开始先RUBE_SEARCH_TOOLS拿实时 schema，不信任记忆、不硬编码 slug 与参数名。
ACTIVE 才执行：执行前用RUBE_MANAGE_CONNECTIONS复核连接状态，调用RUBE_MULTI_EXECUTE_TOOL时memory与合规参数一次带齐。
执行完查分页：拿到结果先检查分页 token，拉完整再收尾，别停在第一页。

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

企业官网建设流程全解析