使用 Rube MCP 与 Composio Strava Toolkit 在 Codex 中自动化 Strava 工作流-平芜编程栈

使用 Rube MCP 与 Composio Strava Toolkit 在 Codex 中自动化 Strava 工作流

【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

本指南基于 awesome-codex-skills 仓库中的 strava-automation 技能，讲解如何通过 Rube MCP（Composio 的 MCP 网关）让 Codex Agent 以自然语言驱动 Strava 的读取、分析与数据整理等操作。读完本文，你将掌握从连接 Strava 账户、动态发现工具、执行调用到规避常见坑位的完整实操方案，并能把这套「先搜索、再连接、后执行」的通用模式迁移到同一仓库下其他数百个应用自动化技能中。

技能概览：strava-automation 是什么

strava-automation是仓库 composio-skills 目录下众多「xxx-automation」技能之一，其元数据定义在 SKILL.md 的 YAML frontmatter 中：

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

这段元数据遵循 Codex Skills 的规范：name标识技能名称，description告诉 Codex 何时触发该技能，requires.mcp声明技能运行依赖名为rube的 MCP 服务器。正如仓库 README.md 所说明的，Codex 会先读取元数据决定是否触发技能，命中后才加载正文，从而保持上下文精简；技能安装到$CODEX_HOME/skills（默认~/.codex/skills）后需重启 Codex 才会被加载。

该技能的作用是：通过 Composio 提供的 Strava toolkit，经 Rube MCP 统一网关调用 Strava 相关能力，将「查询训练记录、汇总运动数据、管理活动信息」等任务转化为可执行的工具调用，全程无需在客户端配置 API Key。

前置条件

开始前需要满足以下三个条件，缺一不可：

Rube MCP 已连接：客户端配置中存在 Rube MCP 服务器，且RUBE_SEARCH_TOOLS工具可用，这是后续一切调用的前提。
Strava 连接处于 ACTIVE 状态：通过RUBE_MANAGE_CONNECTIONS建立并激活 toolkit 为strava的连接。
始终先搜索工具：任何工作流执行前都必须先调用RUBE_SEARCH_TOOLS获取当前的工具 schema，因为工具契约随时可能变化。

环境搭建：接入 Rube MCP 并激活 Strava 连接

获取 Rube MCP

在 Codex（或其他支持 MCP 的客户端）的配置中添加 MCP 服务器，端点地址为https://rube.app/mcp。该接入方式不需要任何 API Key，添加端点后即可直接使用，这是整个方案中唯一的环境配置动作。

四步激活流程

验证可用性：确认RUBE_SEARCH_TOOLS能正常响应，证明 Rube MCP 已就绪。
发起连接：调用RUBE_MANAGE_CONNECTIONS，指定 toolkit 为strava。
完成授权：若返回的连接状态不是 ACTIVE，则按返回的授权链接完成 Strava 账号的 OAuth 授权。
状态确认：在任何工作流运行之前，确认连接状态已变为 ACTIVE。

注意：这里的授权是基于 OAuth 的账号级连接，而非传统的 API Key 配置；连接建立后，技能内的工具即可代表该账号执行操作。部分 Strava 能力（如涉及订阅权益的功能）仍受账号本身权限约束，这是平台侧的限制。

工具发现：为什么必须先用 RUBE_SEARCH_TOOLS

工具 schema 会随 Composio 平台更新而变化，硬编码 tool slug 或参数名是导致调用失败的最常见原因。因此技能强制要求在每次工作流执行前先做工具发现：

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

该调用会返回：

当前可用的工具 slug（tool slug）列表；
每个工具的输入 schema（字段名、类型、必填项）；
针对该 use case 的推荐执行计划；
已知的坑位提示（known pitfalls）。

首次调用时session.generate_id为true，由系统生成新的会话 ID 用于后续串联；在已有会话中继续操作时，则改为传入既有的session.id。

核心工作流模式：三步调用链

整个技能的核心是一条「搜索 → 连接 → 执行」的三步链路，每一步都有明确的请求体规范。

Step 1：发现可用工具

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

把use_case替换为你的具体 Strava 任务描述（例如「获取最近活动列表」或「按时间范围汇总骑行数据」），并复用当前工作流的会话 ID。返回结果中的 tool slug 将作为第三步的执行依据。

Step 2：检查连接状态

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

在执行任何工具前确认stravatoolkit 的连接状态为 ACTIVE。若为其他状态，应返回 Setup 流程重新授权，而不是继续执行。

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"

tool_slug必须来自 Step 1 搜索结果，不能凭记忆硬编码；
arguments必须严格遵循搜索返回的 schema（字段名、类型、必填项）；
memory参数必须始终携带，即使为空也要传{}；
session_id贯穿同一工作流的全部调用。

已知坑位详解

技能的 SKILL.md 列出了六条实战中反复出现的坑位，逐条说明如下：

坑位	说明	规避方式
先搜索再执行	工具 schema 会变，硬编码 slug 或参数必然出错	每次执行前都调用`RUBE_SEARCH_TOOLS`获取最新 schema
检查连接	连接失效时调用会静默失败或报鉴权错误	执行前用`RUBE_MANAGE_CONNECTIONS`确认 ACTIVE 状态
Schema 合规	字段名或类型不符会直接导致调用被拒	严格使用搜索结果返回的精确字段名与类型
memory 参数	漏传`memory`会导致`RUBE_MULTI_EXECUTE_TOOL`调用失败	即使无状态也要显式传`{}`
会话复用	同一工作流内换 ID 会丢失上下文与连接绑定	同一工作流复用 session ID；新工作流才生成新 ID
分页处理	数据量大的响应会分页返回，不处理就取不完整	检查响应中的分页 token，持续拉取直至取完

这六条不仅适用于 Strava，也适用于仓库 composio-skills 下所有xxx-automation技能——它们是共享同一套 Rube MCP 协议的通用约束。

快速参考

以下是技能内置的操作速查表，覆盖日常五种操作场景：

操作	方式
查找工具	`RUBE_SEARCH_TOOLS`，传入 Strava 相关的 use case
建立连接	`RUBE_MANAGE_CONNECTIONS`，toolkit 为`strava`
执行工具	`RUBE_MULTI_EXECUTE_TOOL`，使用搜索到的 tool slug
批量操作	`RUBE_REMOTE_WORKBENCH`，配合`run_composio_tool()`
获取完整 schema	`RUBE_GET_TOOL_SCHEMAS`，用于返回`schemaRef`引用的工具

进阶：完整 Schema 与批量执行

当搜索结果中工具带有schemaRef（即 schema 以引用形式返回，而非内联展开）时，需要使用RUBE_GET_TOOL_SCHEMAS单独拉取完整 schema，确保参数构造准确。

当需要批量执行多个 Strava 操作（例如循环处理一组活动并逐项写入结果）时，可改用RUBE_REMOTE_WORKBENCH并调用其中的run_composio_tool()函数，在远程工作台环境中以代码方式编排工具调用，适合需要循环、条件分支或结果聚合的场景。

生态横向参考：同一模式覆盖数百个应用

strava-automation并不是孤例。仓库 composio-skills 下存在数百个结构完全一致的自动化技能（覆盖广告、CRM、邮件、财务、开发者工具等众多领域），它们共享同一套 Rube MCP 协议与「先搜索 → 再连接 → 后执行」的三步模式，差异仅在 toolkit 名称与 use case 描述。

以结构更完整的 spotify-automation 技能为参照可以更直观地理解这套模式的落地形态：连接激活后，SPOTIFY_*系列工具即可用，随后可按「工具 + 参数表」的方式编排具体操作（如搜索目录、管理歌单）。同理，Strava 连接激活后，实际可用的工具 slug 与参数应以RUBE_SEARCH_TOOLS返回为准，技能文档刻意不写死具体 slug，正是为了对抗 schema 漂移。这种「文档给模式、运行时给 schema」的设计，保证了数百个技能在平台演进中仍能保持可用。

安装到 Codex

该技能位于仓库内，安装方式与仓库其他技能一致：

推荐方式：使用仓库自带的 skill-installer 脚本，通过 install-skill-from-github.py 拉取并安装到$CODEX_HOME/skills/strava-automation：
```
python skill-installer/scripts/install-skill-from-github.py --repo <owner>/awesome-codex-skills --path composio-skills/strava-automation
```
手动方式：将composio-skills/strava-automation目录复制到$CODEX_HOME/skills/（默认~/.codex/skills/），重启 Codex 加载元数据即可。

安装完成后重启 Codex，在会话中自然描述 Strava 相关任务，Codex 会根据 frontmatter 中的description自动触发该技能。

小结

strava-automation技能的本质，是用一份轻量指令把「Strava 自动化」封装成 Codex 可触发、可执行的确定性流程：接入零配置的 Rube MCP 网关，通过RUBE_SEARCH_TOOLS动态发现工具契约，用RUBE_MANAGE_CONNECTIONS维护 OAuth 连接，最终以RUBE_MULTI_EXECUTE_TOOL完成调用，并以「先搜索、带 memory、复用会话、处理分页」四条铁律规避最常见的失败模式。掌握这一模式后，你不仅能够自动化 Strava 工作流，也能零成本迁移到仓库中其余数百个xxx-automation技能，构建跨应用的统一自动化能力。

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考