Codex 亚马逊自动化完整实战：Rube MCP 接入 Composio Toolkit 查订单、抓商品-平芜编程栈

Codex 亚马逊自动化完整实战：Rube MCP 接入 Composio Toolkit 查订单、抓商品

【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

你希望 Codex 直接登录亚马逊查订单状态、拉商品列表，而不是只给你一段建议文本。本文以仓库里的 amazon-automation skill 为蓝本，讲清通过 Rube MCP 驱动 Composio Amazon Toolkit 的完整链路：从添加端点、走完 OAuth，到实时搜索 schema 并发起真实 API 调用。读完你能独立跑通「搜索、校验、执行」闭环，并避开最常见的六个坑。

架构速览：Rube MCP 背后的三个角色

动手前先建立一张心智地图，整套体系只有三个角色：

Rube MCP：统一入口网关，端点https://rube.app/mcp。把它当成一个「统一柜台」，你的 Agent 只跟它打交道，通过它拿到全部RUBE_*系列工具；
Composio Amazon Toolkit：封装亚马逊业务 API 的一方，商品、订单等能力都在这里。连接建立后，所有AMAZON_*工具即可被调度，OAuth 细节由 Composio 代管；
SKILL.md：触发器。它不执行任何操作，只负责告诉 Codex「什么时候该把 Amazon 自动化流程激活」。

你不需要关心每个亚马逊接口的鉴权方式，你的工作只有两件事：保持连接处于可用状态，以及用正确的参数调用工具。

SKILL.md 解剖：触发机制与三个关键字段

amazon-automation 的 SKILL.md 的 frontmatter 长这样，全文只需看这一次：

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

三个字段分工明确：

name：唯一标识，也是安装后在$CODEX_HOME/skills/下的目录名；
description：触发依据。Codex 拿它和你的请求做匹配，命中才加载正文，所以这里刻意写明了「Always search tools first」这条核心纪律；
requires.mcp：声明依赖名为rube的 MCP 服务器，等于提醒你先完成下一节的接入。

「触发后才加载正文」的价值在于上下文精简：Codex 平时只扫描每个 skill 的 name 和 description 做路由，800 多个 skill 的正文不会同时挤进上下文，只有命中 amazon-automation 时，执行步骤才会被完整读入。

接入与授权：添加 Rube MCP 端点并完成 Amazon OAuth

接入按四个时序动作完成，全程不需要申请 API Key：

添加 MCP 端点：在客户端的 MCP 配置中新增https://rube.app/mcp，随后调用RUBE_SEARCH_TOOLS，有响应即说明网关已通；
发起 Amazon 连接：调用RUBE_MANAGE_CONNECTIONS，toolkit 传amazon；
走完 OAuth：若返回状态不是 ACTIVE，按响应里给出的授权链接完成亚马逊侧授权；
确认 ACTIVE：再次查询连接状态，看到 ACTIVE 才进入工作流。

关键收益是「连接一次、长期复用」：OAuth 完成后连接会持久化，后续会话直接复用，不必每轮重新登录。

发现—校验—执行闭环：跑通一次 Amazon 工具调用

每个 Amazon 操作都遵循同一闭环：RUBE_SEARCH_TOOLS搜索 →RUBE_MANAGE_CONNECTIONS校验 →RUBE_MULTI_EXECUTE_TOOL执行。以「搜索无线键盘商品」为例，三步可复制示例如下。

Step 1：用 RUBE_SEARCH_TOOLS 拿实时 schema

这一步的任务是描述你要做什么，换回工具 slug、输入 schema、推荐执行计划和已知坑点：

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

参数	类型	说明
`queries`	数组	每元素含`use_case`（任务描述）与`known_fields`（已知字段名，可为空串）
`session.generate_id`	布尔	设为`true`时自动生成新会话 ID

use_case 写得越具体（如 "get order details"），命中越准。

Step 2：用 RUBE_MANAGE_CONNECTIONS 确认连接可用

这一步在执行前排除「连接已失效」这类白跑一趟的情况：

RUBE_MANAGE_CONNECTIONS toolkits: ["amazon"] session_id: "Step 1 返回的会话 ID"

Step 3：用 RUBE_MULTI_EXECUTE_TOOL 发起真实调用

这一步把搜索得到的 slug 和合规参数交给网关执行，拿到真实 API 响应：

RUBE_MULTI_EXECUTE_TOOL tools: [{ tool_slug: "Step 1 返回的 AMAZON_* slug", arguments: { keywords: "wireless keyboard", limit: 10 } }] memory: {} session_id: "同一会话 ID"

四条硬约束：tool_slug只能取自 Step 1 的结果，禁止凭记忆猜测；arguments的字段名与类型必须逐字匹配 schema；memory字段必带，没内容也传{}；同一工作流内复用会话 ID 保持上下文连续，换新任务再开新会话。

避坑清单：Codex 亚马逊自动化的六个高频错误

不搜索就硬编码 slug 和参数——上游 schema 会随版本演进，这是失败率最高的行为。正确做法：每次执行前先RUBE_SEARCH_TOOLS，以实时返回为准。
连接断了还直接执行——工具调用白白浪费。正确做法：执行前用RUBE_MANAGE_CONNECTIONS确认状态为 ACTIVE。
参数多写少写、字段随手改名——schema 校验是严格的，对不上就执行失败。正确做法：字段名和类型从搜索结果原样抄录。
漏掉memory参数——它是RUBE_MULTI_EXECUTE_TOOL的必带项。正确做法：哪怕为空也传{}。
新工作流复用旧会话 ID——不同任务的上下文互相串味。正确做法：同一工作流内复用，新任务生成新会话。
分页只取第一页——响应中的分页 token 不处理，数据静默丢失。正确做法：检查响应分页字段，持续拉取直到完整。

速查与进阶：从单次调用到批量操作

场景	调用方式
找工具	`RUBE_SEARCH_TOOLS`，传入 Amazon 相关 use case
建连接	`RUBE_MANAGE_CONNECTIONS`，toolkit 传`amazon`
执行操作	`RUBE_MULTI_EXECUTE_TOOL`，使用搜索到的 slug
批量操作	`RUBE_REMOTE_WORKBENCH`，配合`run_composio_tool()`
取完整 schema	`RUBE_GET_TOOL_SCHEMAS`，用于带`schemaRef`的工具

后两项是进阶能力：RUBE_REMOTE_WORKBENCH适合脚本化批量执行run_composio_tool()的场景；当搜索结果里的工具带schemaRef引用时，搜索结果只给到摘要，此时用RUBE_GET_TOOL_SCHEMAS拉完整定义，避免参数误判。

安装与验证：把 skill 装进 Codex 并确认生效

用仓库自带的 install-skill-from-github.py 一条命令完成安装：

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

脚本的关键行为：目标目录为$CODEX_HOME/skills/<skill-name>（默认~/.codex/skills）；目标目录已存在时直接中止，防止覆盖；默认走 zip 下载，遇到 401/403/404 自动回退到 git sparse checkout；--name可自定义安装后的目录名。

验证方式：重启 Codex 让它加载新元数据，然后ls ~/.codex/skills看安装结果、head ~/.codex/skills/amazon-automation/SKILL.md检查 frontmatter。之后在会话里正常描述 Amazon 自动化任务，Codex 会依据 description 自动命中该 skill。

生态延伸：三个姊妹 skill 对照着看

composio-automation：与 amazon-automation 完全同构，只把 toolkit 换成composio。对照着看可以确认「先搜索、再连接、后执行」这套模式是可移植的通用模板；
spotify-automation：给出带默认值与取值范围的参数表（limit、offset、market）、slug 对照表和「播放控制需 Premium」这类业务级陷阱，是理解RUBE_SEARCH_TOOLS返回 schema 形态的现成样例；
connect：展示同一生态的 CLI 路径（composio search/composio execute/composio link），可与 Rube MCP 的RUBE_*工具做能力对照，判断哪条链路更适合你的场景。

收束：三条纪律

整套方法浓缩为三条纪律：任何操作前，先用RUBE_SEARCH_TOOLS拿实时 schema；执行前，用RUBE_MANAGE_CONNECTIONS确认 Amazon 连接为 ACTIVE；调用RUBE_MULTI_EXECUTE_TOOL时，带齐memory与逐字合规的参数。再配上会话复用和分页拉全，Codex 就是在亚马逊上真实动手，而不是生成建议。

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考