使用 Rube MCP 在 Codex 中自動化 Aivoov 語音合成aivoov-automation Skill 實戰指南【免費下載鏈接】awesome-codex-skillsA curated list of practical Codex skills for automating workflows across the Codex CLI and API.項目地址: https://gitcode.com/GitHub_Trending/aw/awesome-codex-skills本指南以 composio-skills/aivoov-automation/SKILL.md 為核心講解如何在 Codex 中通過 Rube MCPComposio 提供驅動 Aivoov 官方工具集完成語音合成類任務的發現、連接與執行全流程。讀者讀完可以掌握「先搜索工具 Schema → 校驗連接狀態 → 多工具執行」的標準自動化模式并能將同一套方法復用到 awesome-codex-skills 倉庫中其他 800 多個*-automationskill 上。Skill 定位aivoov-automation 是什么aivoov-automation是 README.md 中定義的 Codex Skill 體系下的一個具體技能。Codex Skill 是一段「模塊化指令包」每個 skill 以獨立文件夾存在內含一個帶 YAML frontmatter 的SKILL.mdCodex 依據 frontmatter 中的description決定何時觸發該技能并在觸發后才加載正文從而保持上下文精簡。本 skill 的 frontmatter 如下位于 composio-skills/aivoov-automation/SKILL.md 首部--- name: aivoov-automation description: Automate Aivoov tasks via Rube MCP (Composio). Always search tools first for current schemas. requires: mcp: [rube] ---三個字段各有明確用途name技能唯一標識Codex 加載時按此注冊description觸發條件聲明。這里刻意強調「Always search tools first for current schemas」提示執行任何 Aivoov 操作前必須先動態發現工具 Schema而不是憑記憶硬編碼requires.mcp聲明本技能依賴名為rube的 MCP 服務器客戶端需提前配置該 MCP 端點。整篇正文圍繞「通過 Rube MCP 使用 Composio 的 Aivoov 工具集自動化 Aivoov 操作」展開屬于倉庫中典型的「Rube MCP 驅動型」技能——與 composio-skills/elevenlabs-automation/SKILL.md 這類「硬編碼工具 slug 型」技能形成互補后者直接給出ELEVENLABS_TEXT_TO_SPEECH等固定工具名而前者強調每次執行前動態搜索。運行前置條件在執行任何 Aivoov 自動化工作流之前需要同時滿足以下三個條件Rube MCP 已連接RUBE_SEARCH_TOOLS工具必須可用這是整個自動化的入口Aivoov 連接已激活通過RUBE_MANAGE_CONNECTIONS以aivoov工具集建立連接且狀態為ACTIVE先搜索再執行任何工作流開始前都必須先調用RUBE_SEARCH_TOOLS獲取當前最新的工具 Schema。其中第 3 條是反復出現的黃金法則工具 Schema 會隨服務端更新而變化硬編碼工具 slug 或參數名是失敗的主要來源?？焖俳尤隨etup 四步接入 Rube MCP 非常簡單不需要申請任何 API Key——只需在客戶端 MCP 配置中把https://rube.app/mcp添加為 MCP 服務器端點即可。隨后按以下四步完成 Aivoov 連接驗證 Rube MCP 可用確認RUBE_SEARCH_TOOLS能正常響應發起連接調用RUBE_MANAGE_CONNECTIONS傳入工具集aivoov完成授權如果連接狀態不是ACTIVE按照返回的 auth 鏈接完成設置通常是 OAuth 或 API Key 認證確認狀態在運行任何工作流之前確認連接狀態顯示為ACTIVE。值得說明的是這一步「連接管理」與倉庫中 connect/SKILL.md 描述的 Composio CLI 思路一致——先建立應用連接composio link再執行真實動作本 skill 則是通過 MCP 層完成同樣的連接管理。工具發現先搜索再執行工具發現是本 skill 的核心入口。在不知道 Aivoov 提供哪些工具、各自需要什么參數的情況下先發起一次搜索RUBE_SEARCH_TOOLS queries: [{use_case: Aivoov operations, known_fields: }] session: {generate_id: true}返回結果通常包含四類關鍵信息可用工具 slug 列表例如 Aivoov 的語音合成、音色查詢等操作對應的工具標識輸入 Schema每個工具的參數名、類型與必填項推薦的執行計劃針對該 use_case 的建議調用順序已知陷阱該工具集常見的報錯模式與規避方式。其中session: {generate_id: true}表示本次搜索開啟一個新的會話 ID后續工作流步驟都應復用該 ID 以保持上下文連續。核心工作流模式標準的三步工作流每次執行 Aivoov 任務都遵循「發現 → 校驗 → 執行」的順序。Step 1發現可用工具RUBE_SEARCH_TOOLS queries: [{use_case: your specific Aivoov task}] session: {id: existing_session_id}與初次發現不同這里復用已有會話 IDexisting_session_id并把use_case換成具體任務描述如語音合成、音色列表等以獲得更精確的工具與參數建議。Step 2檢查連接RUBE_MANAGE_CONNECTIONS toolkits: [aivoov] session_id: your_session_id執行工具前再次確認 Aivoov 連接狀態。若狀態非ACTIVE需先回到 Setup 步驟完成授權。Step 3執行工具RUBE_MULTI_EXECUTE_TOOL tools: [{ tool_slug: TOOL_SLUG_FROM_SEARCH, arguments: {/* schema-compliant args from search results */} }] memory: {} session_id: your_session_id執行時的要點tool_slug必須來自 Step 1 搜索結果不得憑記憶硬編碼arguments必須嚴格符合搜索返回的 Schema——字段名、類型、可選默認值都以 Schema 為準memory參數必須始終攜帶即使為空也要顯式傳{}session_id沿用同一工作流的會話 ID。已知陷阱清單原文檔總結的六大陷阱是實際運行時最需要警惕的點陷阱說明永遠先搜索工具 Schema 會變化。未調用RUBE_SEARCH_TOOLS前禁止硬編碼任何工具 slug 或參數檢查連接執行前必須確認RUBE_MANAGE_CONNECTIONS返回ACTIVE狀態Schema 合規使用搜索結果中精確的字段名與類型避免大小寫、命名差異導致的失敗memory 參數RUBE_MULTI_EXECUTE_TOOL調用必須攜帶memory即使為空對象{}會話復用同一工作流內復用會話 ID開啟新工作流時才生成新 ID分頁處理檢查響應中的分頁 token持續拉取直到數據完整防止結果被截斷快速參考操作方式查找工具RUBE_SEARCH_TOOLS Aivoov 相關 use case建立連接RUBE_MANAGE_CONNECTIONS 工具集aivoov執行工具RUBE_MULTI_EXECUTE_TOOL 搜索得到的工具 slug批量操作RUBE_REMOTE_WORKBENCHrun_composio_tool()獲取完整 SchemaRUBE_GET_TOOL_SCHEMAS針對帶schemaRef的工具其中RUBE_REMOTE_WORKBENCH適合需要腳本化、批量調用多個 Composio 工具的復雜場景而RUBE_GET_TOOL_SCHEMAS用于在搜索結果基礎上進一步拉取某個工具的完整字段定義對應返回結構中的schemaRef引用。源碼視角為什么「永遠先搜索」是這個 Skill 的設計核心將本 skill 與倉庫內同類技能對比可以更清晰地看出其設計取向composio-skills/elevenlabs-automation/SKILL.md 直接硬編碼ELEVENLABS_TEXT_TO_SPEECH等工具 slug并附帶完整的參數表、輸出格式清單和錯誤碼說明適合「Schema 相對穩定」的工具集本 skill 則刻意不寫死任何 Aivoov 工具 slug所有參數以RUBE_SEARCH_TOOLS的實時返回為準并用「Always search tools first」寫進 frontmatter 的description確保 Codex 在觸發時就把該約束內化。從倉庫結構看composio-skills 目錄下共有 832 個*-automation/SKILL.md以本次檢索結果為準覆蓋 Amazon、ElevenLabs、Aivoov 等大量第三方工具集。它們共享同一套 Rube MCP 調用模式這意味著本指南中的「發現 → 校驗 → 執行」三步法、memory必須攜帶、會話復用等最佳實踐可以直接遷移到倉庫內任何*-automation技能上形成一套可復用的工具集成方法論。底層機制上這與 README.md 描述的 Composio MCP Gateway 能力一致通過單一 MCP 端點為 1000 集成提供統一訪問并在網關層完成認證、連接狀態管理與工具 Schema 下發。Rube MCPhttps://rube.app/mcp正是該能力的客戶端形態RUBE_SEARCH_TOOLS、RUBE_MANAGE_CONNECTIONS、RUBE_MULTI_EXECUTE_TOOL等工具分別承擔 Schema 發現、連接管理與批量執行職責。安裝與觸發讓 Codex 用上這個 Skill按照 README.md 的說明將aivoov-automation文件夾放入$CODEX_HOME/skills默認~/.codex/skills目錄然后重啟 Codex使其重新加載元數據。之后在會話中自然描述任務如「用 Aivoov 生成一段語音」Codex 會根據description自動匹配并觸發本技能也可以在提示中直接點名 skill 名稱以強制其參與決策。觸發后Codex 會依次執行確認RUBE_SEARCH_TOOLS可用 → 校驗RUBE_MANAGE_CONNECTIONS中 Aivoov 為ACTIVE→ 搜索具體任務的工具與 Schema → 以RUBE_MULTI_EXECUTE_TOOL完成真實調用。整個過程不需要為 Rube MCP 配置 API Key只需保證 MCP 端點已注冊、Aivoov 連接處于激活狀態即可穩定運行?！久赓M下載鏈接】awesome-codex-skillsA curated list of practical Codex skills for automating workflows across the Codex CLI and API.項目地址: https://gitcode.com/GitHub_Trending/aw/awesome-codex-skills創作聲明：本文部分內容由AI輔助生成（AIGC），僅供參考 使用 Rube MCP 在 Codex 中自動化 Aivoov 語音合成：aivoov-automation Skill 實戰指南
使用 Rube MCP 在 Codex 中自動化 Aivoov 語音合成aivoov-automation Skill 實戰指南【免費下載鏈接】awesome-codex-skillsA curated list of practical Codex skills for automating workflows across the Codex CLI and API.項目地址: https://gitcode.com/GitHub_Trending/aw/awesome-codex-skills本指南以 composio-skills/aivoov-automation/SKILL.md 為核心講解如何在 Codex 中通過 Rube MCPComposio 提供驅動 Aivoov 官方工具集完成語音合成類任務的發現、連接與執行全流程。讀者讀完可以掌握「先搜索工具 Schema → 校驗連接狀態 → 多工具執行」的標準自動化模式并能將同一套方法復用到 awesome-codex-skills 倉庫中其他 800 多個*-automationskill 上。Skill 定位aivoov-automation 是什么aivoov-automation是 README.md 中定義的 Codex Skill 體系下的一個具體技能。Codex Skill 是一段「模塊化指令包」每個 skill 以獨立文件夾存在內含一個帶 YAML frontmatter 的SKILL.mdCodex 依據 frontmatter 中的description決定何時觸發該技能并在觸發后才加載正文從而保持上下文精簡。本 skill 的 frontmatter 如下位于 composio-skills/aivoov-automation/SKILL.md 首部--- name: aivoov-automation description: Automate Aivoov tasks via Rube MCP (Composio). Always search tools first for current schemas. requires: mcp: [rube] ---三個字段各有明確用途name技能唯一標識Codex 加載時按此注冊description觸發條件聲明。這里刻意強調「Always search tools first for current schemas」提示執行任何 Aivoov 操作前必須先動態發現工具 Schema而不是憑記憶硬編碼requires.mcp聲明本技能依賴名為rube的 MCP 服務器客戶端需提前配置該 MCP 端點。整篇正文圍繞「通過 Rube MCP 使用 Composio 的 Aivoov 工具集自動化 Aivoov 操作」展開屬于倉庫中典型的「Rube MCP 驅動型」技能——與 composio-skills/elevenlabs-automation/SKILL.md 這類「硬編碼工具 slug 型」技能形成互補后者直接給出ELEVENLABS_TEXT_TO_SPEECH等固定工具名而前者強調每次執行前動態搜索。運行前置條件在執行任何 Aivoov 自動化工作流之前需要同時滿足以下三個條件Rube MCP 已連接RUBE_SEARCH_TOOLS工具必須可用這是整個自動化的入口Aivoov 連接已激活通過RUBE_MANAGE_CONNECTIONS以aivoov工具集建立連接且狀態為ACTIVE先搜索再執行任何工作流開始前都必須先調用RUBE_SEARCH_TOOLS獲取當前最新的工具 Schema。其中第 3 條是反復出現的黃金法則工具 Schema 會隨服務端更新而變化硬編碼工具 slug 或參數名是失敗的主要來源?？焖俳尤隨etup 四步接入 Rube MCP 非常簡單不需要申請任何 API Key——只需在客戶端 MCP 配置中把https://rube.app/mcp添加為 MCP 服務器端點即可。隨后按以下四步完成 Aivoov 連接驗證 Rube MCP 可用確認RUBE_SEARCH_TOOLS能正常響應發起連接調用RUBE_MANAGE_CONNECTIONS傳入工具集aivoov完成授權如果連接狀態不是ACTIVE按照返回的 auth 鏈接完成設置通常是 OAuth 或 API Key 認證確認狀態在運行任何工作流之前確認連接狀態顯示為ACTIVE。值得說明的是這一步「連接管理」與倉庫中 connect/SKILL.md 描述的 Composio CLI 思路一致——先建立應用連接composio link再執行真實動作本 skill 則是通過 MCP 層完成同樣的連接管理。工具發現先搜索再執行工具發現是本 skill 的核心入口。在不知道 Aivoov 提供哪些工具、各自需要什么參數的情況下先發起一次搜索RUBE_SEARCH_TOOLS queries: [{use_case: Aivoov operations, known_fields: }] session: {generate_id: true}返回結果通常包含四類關鍵信息可用工具 slug 列表例如 Aivoov 的語音合成、音色查詢等操作對應的工具標識輸入 Schema每個工具的參數名、類型與必填項推薦的執行計劃針對該 use_case 的建議調用順序已知陷阱該工具集常見的報錯模式與規避方式。其中session: {generate_id: true}表示本次搜索開啟一個新的會話 ID后續工作流步驟都應復用該 ID 以保持上下文連續。核心工作流模式標準的三步工作流每次執行 Aivoov 任務都遵循「發現 → 校驗 → 執行」的順序。Step 1發現可用工具RUBE_SEARCH_TOOLS queries: [{use_case: your specific Aivoov task}] session: {id: existing_session_id}與初次發現不同這里復用已有會話 IDexisting_session_id并把use_case換成具體任務描述如語音合成、音色列表等以獲得更精確的工具與參數建議。Step 2檢查連接RUBE_MANAGE_CONNECTIONS toolkits: [aivoov] session_id: your_session_id執行工具前再次確認 Aivoov 連接狀態。若狀態非ACTIVE需先回到 Setup 步驟完成授權。Step 3執行工具RUBE_MULTI_EXECUTE_TOOL tools: [{ tool_slug: TOOL_SLUG_FROM_SEARCH, arguments: {/* schema-compliant args from search results */} }] memory: {} session_id: your_session_id執行時的要點tool_slug必須來自 Step 1 搜索結果不得憑記憶硬編碼arguments必須嚴格符合搜索返回的 Schema——字段名、類型、可選默認值都以 Schema 為準memory參數必須始終攜帶即使為空也要顯式傳{}session_id沿用同一工作流的會話 ID。已知陷阱清單原文檔總結的六大陷阱是實際運行時最需要警惕的點陷阱說明永遠先搜索工具 Schema 會變化。未調用RUBE_SEARCH_TOOLS前禁止硬編碼任何工具 slug 或參數檢查連接執行前必須確認RUBE_MANAGE_CONNECTIONS返回ACTIVE狀態Schema 合規使用搜索結果中精確的字段名與類型避免大小寫、命名差異導致的失敗memory 參數RUBE_MULTI_EXECUTE_TOOL調用必須攜帶memory即使為空對象{}會話復用同一工作流內復用會話 ID開啟新工作流時才生成新 ID分頁處理檢查響應中的分頁 token持續拉取直到數據完整防止結果被截斷快速參考操作方式查找工具RUBE_SEARCH_TOOLS Aivoov 相關 use case建立連接RUBE_MANAGE_CONNECTIONS 工具集aivoov執行工具RUBE_MULTI_EXECUTE_TOOL 搜索得到的工具 slug批量操作RUBE_REMOTE_WORKBENCHrun_composio_tool()獲取完整 SchemaRUBE_GET_TOOL_SCHEMAS針對帶schemaRef的工具其中RUBE_REMOTE_WORKBENCH適合需要腳本化、批量調用多個 Composio 工具的復雜場景而RUBE_GET_TOOL_SCHEMAS用于在搜索結果基礎上進一步拉取某個工具的完整字段定義對應返回結構中的schemaRef引用。源碼視角為什么「永遠先搜索」是這個 Skill 的設計核心將本 skill 與倉庫內同類技能對比可以更清晰地看出其設計取向composio-skills/elevenlabs-automation/SKILL.md 直接硬編碼ELEVENLABS_TEXT_TO_SPEECH等工具 slug并附帶完整的參數表、輸出格式清單和錯誤碼說明適合「Schema 相對穩定」的工具集本 skill 則刻意不寫死任何 Aivoov 工具 slug所有參數以RUBE_SEARCH_TOOLS的實時返回為準并用「Always search tools first」寫進 frontmatter 的description確保 Codex 在觸發時就把該約束內化。從倉庫結構看composio-skills 目錄下共有 832 個*-automation/SKILL.md以本次檢索結果為準覆蓋 Amazon、ElevenLabs、Aivoov 等大量第三方工具集。它們共享同一套 Rube MCP 調用模式這意味著本指南中的「發現 → 校驗 → 執行」三步法、memory必須攜帶、會話復用等最佳實踐可以直接遷移到倉庫內任何*-automation技能上形成一套可復用的工具集成方法論。底層機制上這與 README.md 描述的 Composio MCP Gateway 能力一致通過單一 MCP 端點為 1000 集成提供統一訪問并在網關層完成認證、連接狀態管理與工具 Schema 下發。Rube MCPhttps://rube.app/mcp正是該能力的客戶端形態RUBE_SEARCH_TOOLS、RUBE_MANAGE_CONNECTIONS、RUBE_MULTI_EXECUTE_TOOL等工具分別承擔 Schema 發現、連接管理與批量執行職責。安裝與觸發讓 Codex 用上這個 Skill按照 README.md 的說明將aivoov-automation文件夾放入$CODEX_HOME/skills默認~/.codex/skills目錄然后重啟 Codex使其重新加載元數據。之后在會話中自然描述任務如「用 Aivoov 生成一段語音」Codex 會根據description自動匹配并觸發本技能也可以在提示中直接點名 skill 名稱以強制其參與決策。觸發后Codex 會依次執行確認RUBE_SEARCH_TOOLS可用 → 校驗RUBE_MANAGE_CONNECTIONS中 Aivoov 為ACTIVE→ 搜索具體任務的工具與 Schema → 以RUBE_MULTI_EXECUTE_TOOL完成真實調用。整個過程不需要為 Rube MCP 配置 API Key只需保證 MCP 端點已注冊、Aivoov 連接處于激活狀態即可穩定運行?！久赓M下載鏈接】awesome-codex-skillsA curated list of practical Codex skills for automating workflows across the Codex CLI and API.項目地址: https://gitcode.com/GitHub_Trending/aw/awesome-codex-skills創作聲明：本文部分內容由AI輔助生成（AIGC），僅供參考