通过 Rube MCP 自动化 Alttext AI 操作：基于 awesome-codex-skills 的 Codex 技能实战指南-北京尧图网络

通过 Rube MCP 自动化 Alttext AI 操作基于 awesome-codex-skills 的 Codex 技能实战指南【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-skillsAlttext AI 为图片生成替代文本alt text以提升内容可访问性而本仓库中的composio-skills/alttext-ai-automation技能提供了一套把 Alttext AI 能力接入 Codex 的标准流程借助 Composio 的 Alttext AI toolkit 与 Rube MCP让 Codex 在对话中直接发现工具、建立连接并执行图片可访问性相关操作。读完本文你将掌握从零接入 Rube MCP、建立 Alttext AI 连接、按「搜索 → 检查 → 执行」三步完成自动化工作流并规避 schema 漂移、连接状态失效等常见陷阱。技能是什么一条 Codex 可加载的自动化指令composio-skills/alttext-ai-automation/SKILL.md 是一个标准的 Codex Skill。按照仓库 README.md 与 skill-creator/SKILL.md 的定义Codex Skill 是模块化的指令包每个技能独占一个文件夹核心是SKILL.md其中包含 YAML frontmatternamedescription与 Markdown 正文。该技能 frontmatter 的构成清晰体现了这一点--- name: alttext-ai-automation description: Automate Alttext AI tasks via Rube MCP (Composio). Always search tools first for current schemas. requires: mcp: [rube] ---name技能标识同时约定技能文件夹名descriptionCodex 判断「何时触发该技能」的唯一依据。这里特意强调 Always search tools first始终先搜索工具把核心使用纪律写进了触发描述requires.mcp声明运行前提——本技能依赖名为rube的 MCP 服务器。按渐进式披露progressive disclosure原则Codex 平时只读取 frontmatter 元数据只有在任务匹配描述时才会加载正文从而保持上下文精简。因此该技能正文被设计为「触发后即用」的操作手册覆盖前置条件、连接建立、工具发现、三步执行流程与常见陷阱。前置条件Rube MCP 与 Alttext AI 连接运行本技能前需要满足两项前置条件Rube MCP 已连接Codex 客户端中必须存在可用的RUBE_SEARCH_TOOLS工具Alttext AI 连接处于 ACTIVE 状态通过RUBE_MANAGE_CONNECTIONS调用 toolkitalttext_ai建立的连接必须是激活的。此外技能反复强调一条纪律在执行任何工作流之前永远先调用RUBE_SEARCH_TOOLS获取当前工具 schema。原因是工具 schema 会随时间变化硬编码的工具 slug 或参数随时可能失效。环境搭建接入 Rube MCP 并建立 Alttext AI 连接第一步添加 Rube MCP 服务器Rube MCP 的接入极其轻量只需在 Codex 的 MCP 服务器配置中添加入口地址https://rube.app/mcp无需配置任何 API Key——添加端点后即可直接工作。这与其他需要 OAuth 或令牌的 MCP 服务形成鲜明对比大幅降低了上手门槛。第二步按序完成连接建立技能给出了 4 步标准流程验证可达性确认RUBE_SEARCH_TOOLS有响应证明 Rube MCP 已正确加载建立连接调用RUBE_MANAGE_CONNECTIONS并指定 toolkit 为alttext_ai完成鉴权若返回的连接状态不是ACTIVE则按照返回的 auth 链接完成授权设置确认状态在运行任何工作流之前务必确认连接状态显示为ACTIVE。之所以强调最后一步是因为大量自动化失败都源于连接处于未激活/已过期状态——工具调用会在执行阶段才报错排查成本远高于先检查状态。工具发现让 schema 成为单一事实来源本技能的核心理念是「不猜测先搜索」。在任何工作流开始前先执行工具发现RUBE_SEARCH_TOOLS queries: [{use_case: Alttext AI operations, known_fields: }] session: {generate_id: true}该调用会返回四类关键信息可用的工具 slugtool slug每个工具的输入 schema字段名、类型、必填项推荐的执行计划execution plans已知陷阱known pitfalls。known_fields留空表示不预设任何字段知识generate_id: true让服务端生成一个新的会话 ID。在仓库中这一模式被 composio-skills/ 下数百个同类技能如 composio-skills/ably-automation/SKILL.md、composio-skills/composio-automation/SKILL.md一致采用可视为「Rube 驱动自动化」的通用起点。核心工作流三步完成一次 Alttext AI 自动化任务技能将完整流程收敛为三个步骤每一步都给出可直接套用的调用骨架。Step 1发现可用工具使用面向具体任务的 use_case 描述并复用已有会话 IDRUBE_SEARCH_TOOLS queries: [{use_case: your specific Alttext AI task}] session: {id: existing_session_id}这里的use_case应具体化例如描述你要完成的 Alttext AI 操作以便搜索返回最匹配的工具集会话 ID 则沿用前一步生成的 ID保持工作流上下文连续。Step 2检查连接状态RUBE_MANAGE_CONNECTIONS toolkits: [alttext_ai] session_id: your_session_id确认返回的 toolkit 连接状态为ACTIVE后再继续这是防止「执行期才暴露鉴权问题」的关键检查点。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要点解析tool_slug必须取自RUBE_SEARCH_TOOLS的返回结果而不是凭记忆书写arguments必须严格符合搜索结果中的 schema字段名、类型、枚举值逐一对应memory参数必须始终携带即使为空也要传{}session_id复用当前工作流会话保持状态一致。RUBE_MULTI_EXECUTE_TOOL支持一次传入多个工具调用tools为数组适合把「搜索 → 处理 → 输出」等子步骤合并为一次往返减少延迟与上下文开销。进阶操作批量执行与完整 schema 获取除了三步主流程技能在快速参考中还给出两个进阶工具批量操作RUBE_REMOTE_WORKBENCHRUBE_REMOTE_WORKBENCH配合其中的run_composio_tool()函数可在远程工作台中以编程方式批量调用 Composio 工具。适合需要对多个资源执行同构操作如为一批图片批量生成 alt text的场景此时用循环逐个调用run_composio_tool()比构造巨型RUBE_MULTI_EXECUTE_TOOL请求更易维护。完整 schemaRUBE_GET_TOOL_SCHEMAS当搜索结果中的工具带有schemaRef引用即 schema 不内联返回而是指向外部引用时需要通过RUBE_GET_TOOL_SCHEMAS获取完整 schema 定义。这通常发生在参数结构复杂、内联会撑爆上下文的情况下按需拉取可保持对话精简——与 Codex Skill 的渐进式披露哲学一脉相承。已知陷阱与最佳实践技能用专门一节总结了六条实战铁律几乎全部围绕「动态 schema」这一核心矛盾陷阱应对工具 schema 会变化永远先搜索不硬编码 tool slug 或参数每次执行前调用RUBE_SEARCH_TOOLS连接状态可能失效先查连接执行工具前确认RUBE_MANAGE_CONNECTIONS返回ACTIVE参数不匹配严格遵循 schema使用搜索结果中的精确字段名与类型漏传 memory 参数始终携带memory即使为空也传{}会话混乱会话复用策略同一工作流内复用 session ID新工作流生成新 ID结果不完整处理分页检查响应中的分页 token持续拉取直至数据完整其中「分页」一条尤其容易被忽略搜索或批量执行返回结果可能分页若忽略分页 token 直接使用首批数据会导致自动化结果不完整。快速参考五类操作速查表技能末尾提供了整张工作流的浓缩速查表操作方式查找工具RUBE_SEARCH_TOOLS搭配 Alttext AI 相关的 use_case建立连接RUBE_MANAGE_CONNECTIONStoolkit 指定alttext_ai执行工具RUBE_MULTI_EXECUTE_TOOL使用搜索发现的 tool slug批量操作RUBE_REMOTE_WORKBENCHrun_composio_tool()获取完整 schema对带schemaRef的工具调用RUBE_GET_TOOL_SCHEMAS这张表同时是排错地图任务卡在哪一步就去对应行找方法。将技能安装到 Codex本技能位于仓库的 composio-skills/alttext-ai-automation/ 目录。安装方式与仓库内其他技能一致详见 README.md 与 skill-installer/SKILL.md方式一使用 Skill Installer推荐git clone https://gitcode.com/GitHub_Trending/aw/awesome-codex-skills.git cd awesome-codex-skills python skill-installer/scripts/install-skill-from-github.py --repo GitHub_Trending/aw/awesome-codex-skills --path composio-skills/alttext-ai-automation安装脚本会把技能放置到$CODEX_HOME/skills/skill-name默认~/.codex/skills。方式二手动安装将composio-skills/alttext-ai-automation/整个文件夹复制到$CODEX_HOME/skills/默认~/.codex/skills/重启 Codex使其重新加载技能元数据在新会话中自然描述任务Codex 会根据 frontmatter 中的description自动匹配并触发该技能。安装完成后技能要求rube这一 MCP 服务器就位——即在 Codex 客户端中添加入口https://rube.app/mcp。两者齐备后描述类似「为这批图片生成可访问的 alt text」的任务即可触发本技能。总结alttext-ai-automation是理解「Rube MCP Composio 驱动的外部服务自动化」的绝佳样板。它把 Alttext AI 的接入压缩为一条清晰纪律搜索工具schema 唯一来源→ 检查连接前置校验→ 执行调用严格合规并用六条陷阱规则兜底了最常见的失败模式。这套模式在仓库 composio-skills/ 下被数百个技能复刻——从 composio-skills/ably-automation/SKILL.md 到 composio-skills/composio-automation/SKILL.md结构完全同构只是 toolkit 名称与 use_case 不同。因此掌握本文的流程后你不仅能自动化 Alttext AI还能零成本迁移到任何已接入 Composio 的第三方服务。若想深入理解技能本身的编写规范frontmatter、渐进式披露、references 拆分可继续阅读 skill-creator/SKILL.md 与 template-skill/SKILL.md。【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创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

通过 Rube MCP 自动化 Alttext AI 操作：基于 awesome-codex-skills 的 Codex 技能实战指南

相关推荐

基于 ADK 构建生成 A2UI 界面的 Agent：从文本助手到流式 UI 消息的完整指南

Logto Azure AD 连接器版本演进解析：prompt、scopes 与 disableEmailSync 的设计与实现

ClickHouse v22.4.1.2305-prestable 版本变更深度解读：新功能、性能优化与升级注意事项

更多资讯

Mastra @mastra/claude：将 Claude Agent SDK 的 Agent 循环接入 Mastra 的 generate/stream 体系

240张火焰烟雾图像，用YOLOv8训练自己的检测模型

Python+OpenCV运动目标自动追踪系统：PID控制与云台实战

Cocos Creator微信小游戏斗地主开发实战：包体控制与性能优化

Xpay-3.1开源支付网关部署与微信支付宝直连实战

Claude AI服务架构与成本优化全解析

今日更新

51单片机开环控制磁阻传感器的硬件匹配与代码实现

AI Agent安全操作数据库：SQL注入防御与参数化查询实战

Android逆向实战：还原激励类App签到接口的签名算法

本周精选

AI驱动的自动化专利分析平台技术解析

LeetCode-Go 题解：1252. Cells with Odd Values in a Matrix（奇数值单元格计数）双解法剖析

在线答疑系统Java毕设实战：Spring Boot前后端分离与状态流转

本月热门

基于YOLO的焊缝缺陷检测：从数据标注到工业部署全流程实践

分布式服务的决策记录

创业产品的首版范围

读完文章，想聊聊您的网站？