Apify Automation
von ComposioHQApify Automation ist eine Claude Skill zum Ausführen von Apify Actors über Composio: MCP verbinden, synchrone oder asynchrone Scraping-Jobs starten, Datasets abrufen, Tasks erstellen und Logs prüfen.
Score: 76/100. Ein solider Kandidat für Verzeichnisnutzer, die Claude oder Agents Apify über Composio steuern lassen möchten: Die Skill bietet echte Workflow-Substanz, benannte Tools, Einrichtungsschritte und praktische Einschränkungen rund um Actor Schemas. Sie ist kein schlüsselfertiges Paket, weil ein Installationsbefehl und unterstützende Dateien fehlen und sie auf externe Apify Actor-Dokumentation angewiesen ist. Dennoch reduziert sie im Vergleich zu einem generischen Prompt deutlich das Rätselraten.
- Klarer Auslöser und sauber abgegrenzter Umfang: Die Skill ist ausdrücklich dafür gedacht, Apify Web-Scraping-Actors auszuführen, Datasets zu verwalten, Tasks zu erstellen und Crawl-Ergebnisse über die Composio Apify integration abzurufen.
- Für den Betrieb relevante Workflows sind dokumentiert, darunter die synchrone Actor-Ausführung mit Dataset-Abruf und benannte Tool-Aufrufe wie `APIFY_RUN_ACTOR_SYNC_GET_DATASET_ITEMS`.
- Die Einrichtungsanleitung nennt die erforderliche MCP-Abhängigkeit (`rube`), den MCP-Endpunkt, den Ablauf zur Kontoverknüpfung und den Hinweis, Apify Store Schemas zu prüfen.
- Es gibt keinen Installationsbefehl und außer der einzelnen SKILL.md keine README- oder Support-Referenzen im Repository. Die Einrichtung setzt daher voraus, dass Nutzer bereits wissen, wie sie den Rube/Composio MCP server hinzufügen.
- Actor-Eingaben werden bewusst an das jeweilige Schema des einzelnen Apify Actors delegiert. Das ist korrekt, bedeutet aber, dass Agents vor der Ausführung unter Umständen externe Actor-Dokumentation prüfen müssen.
Überblick über den Apify Automation skill
Was Apify Automation macht
Apify Automation ist ein Claude skill zum Ausführen von Apify Web-Scraping-Actors über die Composio Apify integration. Damit kann ein Agent Actors starten, Actor-spezifische JSON-Eingaben übergeben, Dataset-Items abrufen, wiederverwendbare Tasks erstellen und Run-Logs prüfen – alles im selben Workflow, ohne zwischen Claude, Apify Console und lokalen Skripten zu wechseln.
Für wen und welche Aufgaben der Skill am besten geeignet ist
Dieser Apify Automation skill eignet sich vor allem für Nutzer, die bereits wissen, welche Website oder Datenquelle sie scrapen möchten, und einen KI-Agenten Apify sicher und wiederholbar bedienen lassen wollen. Er passt zu Lead-Recherche, Produktmonitoring, Extraktion von Suchergebnissen, Directory-Scraping, Social- oder Profil-Anreicherung und anderen strukturierten Datenaufgaben, bei denen bereits ein Apify Actor existiert oder sich über den Apify Store konfigurieren lässt.
Wichtige Unterschiede beim Web Scraping
Der entscheidende Vorteil gegenüber einem allgemeinen Scraping-Prompt ist der Tool-Zugriff. Der Skill ist auf konkrete Apify-Aktionen ausgelegt, etwa APIFY_RUN_ACTOR_SYNC_GET_DATASET_ITEMS, asynchrone Actor-Runs, Dataset-Abruf, Task-Erstellung und Log-Analyse. Bei Apify Automation for Web Scraping liegt der Hauptwert nicht darin, Scraping-Code zu schreiben, sondern dem Agenten dabei zu helfen, den passenden Actor auszuwählen, gültige Schema-Eingaben zu übergeben und nutzbare Ergebnisse zurückzuliefern.
Voraussetzungen, die Sie vor der Nutzung prüfen sollten
Der Skill benötigt den Composio MCP server rube und ein authentifiziertes Apify-Konto. Er ersetzt nicht die Actor-Dokumentation: Jeder Actor hat ein eigenes Eingabeschema, eigene Limits, Preise und Ausgabeformate. Wenn Sie Apify nicht verbinden können, keine MCP tools nutzen dürfen oder einen individuellen Scraper benötigen, der nicht als Actor verfügbar ist, reicht dieser Skill allein möglicherweise nicht aus.
So verwenden Sie den Apify Automation skill
Installation und Einrichtung von Apify Automation
Zur Installation aus dem Skill-Verzeichnis verwenden Sie:
npx skills add ComposioHQ/awesome-claude-skills --skill "Apify Automation"
Konfigurieren Sie anschließend den Composio MCP endpoint:
https://rube.app/mcp
Wenn Claude oder Ihr Agent danach fragt, verbinden Sie Ihr Apify-Konto über den Authentifizierungslink. Öffnen Sie vor dem ersten echten Run die Upstream-Skill-Datei unter composio-skills/apify-automation/SKILL.md sowie die Actor-Seite unter https://apify.com/store für den konkreten actorId, den Sie verwenden möchten.
Welche Eingaben der Skill für gute Ergebnisse braucht
Ein guter Prompt für Apify Automation sollte Folgendes enthalten: die Ziel-Actor-ID, die Actor-Dokumentation oder Schemafelder, das genaue Datenziel, Limits, Ausgabeformat und die Information, ob der Run synchron oder asynchron erfolgen soll. Fragen Sie zum Beispiel nicht „scrape Google Maps“. Formulieren Sie stattdessen: „Use Actor compass/crawler-google-places to collect 50 cafes in Austin, return name, address, rating, reviewsCount, and website, use JSON output, and stop after the first dataset page unless more results are needed.“
Workflow für synchrone und asynchrone Runs
Verwenden Sie synchrone Runs, wenn die Aufgabe klein ist und Sie die Dataset-Items sofort in einem Schritt erhalten möchten. Nutzen Sie asynchrone Runs für größere Crawls, langsamere Actors oder Aufgaben, bei denen Sie den Status beobachten und Ergebnisse später abrufen müssen. Ein praxistauglicher Ablauf ist: Actor auswählen, Eingabeschema validieren, kleinen Test mit limit ausführen, Dataset-Struktur prüfen, Felder oder Suchbegriffe anpassen und anschließend den größeren Job starten. Wenn Kosten, Rate Limits oder Compliance relevant sind, lassen Sie sich vor der Ausführung die endgültige Actor-Eingabe vom Agenten anzeigen.
Repository-Dateien, die Sie zuerst lesen sollten
Dieser Repository-Pfad ist bewusst schlank gehalten: Die wichtige Datei ist SKILL.md. Lesen Sie zuerst den Setup-Abschnitt und anschließend die Beispiele und Tool-Namen unter „Core Workflows“. Im Skill-Ordner gibt es keine zusätzlichen resources/, rules/ oder Hilfsskripte. Die wirklich operativen Details kommen daher von der Apify-Actor-Seite und den Composio-Toolkit-Dokumenten unter https://composio.dev/toolkits/apify.
Apify Automation skill FAQ
Ist Apify Automation besser als ein normaler Claude-Prompt?
Ja, wenn Claude Apify-Tools tatsächlich bedienen soll, statt Sie nur zu beraten. Ein normaler Prompt kann einen Actor vorschlagen oder JSON entwerfen, aber dieser Skill gibt dem Agenten einen strukturierten Weg, Actors auszuführen, Datasets abzurufen und Ausführungslogs über Composio zu prüfen. Am nützlichsten ist er, wenn die Ausgabe aus einem echten Apify-Run stammen muss.
Müssen Einsteiger Apify vorher kennen?
Einsteiger können den Skill nutzen, sollten aber drei Apify-Grundlagen verstehen: Ein Actor ist der Scraper, die Actor-Eingabe muss zu seinem Schema passen, und Ergebnisse landen in der Regel in Datasets. Der Skill reduziert die Reibung bei der Tool-Nutzung, kann aber undokumentierte Feldnamen nicht zuverlässig erraten. Beginnen Sie mit einem öffentlichen Actor, der klare Beispiele bietet, und starten Sie zuerst mit einem kleinen Limit.
Wann sollte ich diesen Skill nicht verwenden?
Verwenden Sie Apify Automation nicht, wenn die Website Scraping untersagt, das Sie nicht rechtmäßig durchführen dürfen, wenn Sie Browser-Automatisierung benötigen, die nichts mit Apify zu tun hat, oder wenn kein geeigneter Actor existiert und Sie keinen eigenen bauen möchten. Der Skill ist auch ungeeignet für einmalige Fragen, bei denen eine Suchmaschine oder eine statische API einfacher, günstiger und zuverlässiger wäre.
Wie passt der Skill in einen bestehenden Scraping-Stack?
Der Skill funktioniert gut als Orchestrierungsschicht rund um Apify, nicht als Ersatz für nachgelagerte Speicherung oder Analyse. Sie können damit JSON- oder CSV-ähnliche Dataset-Items erzeugen und die Ergebnisse anschließend an Ihre Datenbank, Tabellenkalkulation, Enrichment-Pipeline oder Ihren QA-Prozess übergeben. Für produktive Nutzung sollten Actor-IDs, Eingabe-JSON, Limits und Erwartungen an Ausgabefelder außerhalb des Chats dokumentiert bleiben.
So verbessern Sie den Apify Automation skill
Apify Automation-Prompts mit Schemas verbessern
Der größte Qualitätsgewinn entsteht, wenn Sie dem Agenten das Actor-Schema oder einen Link zur Actor-Dokumentation geben. Nennen Sie Pflichtfelder, optionale Filter, Pagination-Einstellungen sowie Proxy- oder Standortoptionen, die Sie verwenden möchten. Ein starker Prompt wäre: „Before running, compare my JSON against the Actor schema and list missing or suspicious fields.“ Das verhindert viele fehlgeschlagene Runs.
Fehlgeschlagene Runs und schlechte Datasets reduzieren
Typische Fehlerquellen sind ein ungültiger actorId, falsche Namen von Eingabefeldern, zu breite Suchanfragen, zu niedrige Ergebnislimits und die Annahme, dass alle Actors dieselben Spalten zurückgeben. Fordern Sie zuerst einen kleinen Validierungs-Run an und prüfen Sie danach einige Dataset-Items auf fehlende Felder, Duplikate und irrelevante Datensätze. Wenn die Ergebnisse falsch wirken, ändern Sie die Actor-Eingabe, statt nur nach nachträglicher Bereinigung zu fragen.
Nach der ersten Ausgabe iterieren
Sobald das erste Dataset zurückkommt, lassen Sie den Agenten Datensatzanzahl, Feldabdeckung, Duplikate, Fehler aus den Logs und die Frage zusammenfassen, ob das Ergebnis das ursprüngliche Extraktionsziel erfüllt. Verfeinern Sie anschließend: Suchanfrage eingrenzen, limit erhöhen oder senken, Standortfilter ergänzen, ein anderes Ausgabeformat anfordern oder den Actor wechseln, wenn die Dataset-Struktur ungeeignet ist.
Betriebsregeln für wiederholbares Scraping ergänzen
Für wiederkehrende Jobs verbessern Sie Apify Automation, indem Sie eine eigene Run-Checkliste ergänzen: bevorzugte Actors, maximales Budget oder Item-Limits, erforderliche Ausgabefelder, Namenskonventionen für Tasks und Regeln, wann synchrone oder asynchrone Ausführung verwendet werden soll. Diese Vorgaben helfen dem Agenten, konsistente Entscheidungen zu treffen, und machen den Skill sicherer für geplante Abläufe oder Team-Workflows.