microsoft_clarity-automation
por ComposioHQmicrosoft_clarity-automation ayuda a los agentes a usar Microsoft Clarity mediante Composio Rube MCP para grabaciones de sesiones, mapas de calor y analítica de comportamiento. Prioriza RUBE_SEARCH_TOOLS como primer paso, la configuración de una conexión activa con Clarity y el uso consciente de los esquemas.
Esta skill obtiene 68/100, lo que significa que es aceptable para aparecer en el directorio, aunque conviene presentarla como una guía ligera de flujo de trabajo MCP más que como un paquete de automatización totalmente autónomo. Los usuarios del directorio cuentan con suficiente información para entender cuándo usarla —automatización de Microsoft Clarity mediante Composio/Rube— y cómo empezar de forma segura, pero deben prever que dependerán del descubrimiento en vivo de herramientas para conocer los esquemas exactos y los detalles de ejecución.
- El frontmatter válido de la skill identifica claramente el dominio de automatización objetivo y declara la dependencia requerida de Rube MCP.
- Los requisitos previos y los pasos de configuración explican cómo conectar Rube MCP, gestionar la conexión de Microsoft Clarity y confirmar el estado ACTIVE antes de usarla.
- La skill indica explícitamente a los agentes que llamen primero a RUBE_SEARCH_TOOLS para obtener los esquemas actuales de Microsoft Clarity, lo que mejora su capacidad de activación frente a cambios en las definiciones de herramientas de Composio.
- No incluye archivos de soporte, ejemplos, scripts ni materiales de referencia más allá de SKILL.md, por lo que su adopción depende en gran medida del descubrimiento en vivo de herramientas de Rube MCP.
- El extracto muestra una intención de flujo de trabajo de alto nivel, pero ofrece pocos ejemplos concretos de tareas de Microsoft Clarity o de entradas y salidas esperadas, lo que puede hacer que los agentes tengan que inferir detalles después de descubrir los esquemas.
Descripción general de la skill microsoft_clarity-automation
Qué hace microsoft_clarity-automation
La skill microsoft_clarity-automation ayuda a un agente de IA a operar Microsoft Clarity mediante el toolkit Rube MCP de Composio. Está pensada para flujos de trabajo relacionados con grabaciones de sesiones, mapas de calor, analítica de proyectos, revisión del comportamiento de usuarios y recuperación de datos de Clarity, sin tener que adivinar manualmente nombres de herramientas o esquemas.
Su instrucción más importante es operativa: el agente debe llamar primero a RUBE_SEARCH_TOOLS, porque los esquemas de las herramientas de Microsoft Clarity pueden cambiar. Eso hace que esta skill sea más útil que un prompt estático cuando necesitas un flujo de trabajo activo y consciente del esquema disponible en ese momento.
Usuarios y trabajos para los que encaja mejor
Esta skill encaja bien con equipos de growth, producto, UX y analítica que ya usan Microsoft Clarity y quieren que un agente les ayude a inspeccionar datos de comportamiento. Los trabajos habituales incluyen encontrar grabaciones relevantes, comprobar la disponibilidad de mapas de calor, resumir fricciones de usuario o preparar un flujo de análisis antes de una revisión manual más profunda.
Es especialmente relevante para usuarios que construyen Workflow Automation alrededor de investigación de comportamiento de clientes, análisis de conversión, revisión de onboarding o triaje de incidencias en sitios web.
Requisitos clave para adoptarla
Para usar la microsoft_clarity-automation skill, tu cliente de IA debe ser compatible con MCP y tener Rube MCP configurado. También necesitas una conexión activa con Microsoft Clarity mediante RUBE_MANAGE_CONNECTIONS usando el toolkit microsoft_clarity.
El repositorio upstream contiene un único archivo principal, SKILL.md, sin scripts, referencias ni recursos auxiliares incluidos. Esto simplifica la instalación, pero también significa que tu prompt debe aportar el objetivo de negocio, el contexto del proyecto, el rango de fechas y los criterios de análisis.
Cómo usar la skill microsoft_clarity-automation
Ruta de instalación y configuración de microsoft_clarity-automation
Instálala desde la colección de skills de Composio:
npx skills add ComposioHQ/awesome-claude-skills --skill microsoft_clarity-automation
Luego abre el archivo SKILL.md instalado en:
composio-skills/microsoft_clarity-automation/SKILL.md
Configura Rube MCP en tu cliente añadiendo:
https://rube.app/mcp
Antes de pedir cualquier trabajo con Clarity, verifica que RUBE_SEARCH_TOOLS esté disponible. Luego llama a RUBE_MANAGE_CONNECTIONS con el toolkit microsoft_clarity. Si la conexión no está en estado ACTIVE, completa el flujo de autorización devuelto y confirma el estado activo antes de ejecutar tareas de análisis.
Entradas que necesita la skill
Una solicitud débil como “analiza Clarity” deja demasiada ambigüedad. Un buen prompt de microsoft_clarity-automation usage debería incluir:
- el proyecto o sitio de Microsoft Clarity que te interesa
- la pregunta de negocio, por ejemplo “por qué los usuarios abandonan la página de precios”
- el rango de fechas o período de comparación
- las señales de comportamiento que se deben revisar, como rage clicks, profundidad de scroll, dead clicks, grabaciones de sesiones o mapas de calor
- el formato de salida, como una lista priorizada de problemas, notas de investigación UX o ideas de experimentos
- cualquier restricción de privacidad, cumplimiento normativo o reporting
Prompt de ejemplo:
“Use microsoft_clarity-automation to inspect Microsoft Clarity data for the marketing site. First discover current Rube tools and schemas. Focus on the last 14 days, especially pricing and signup pages. Look for heatmap patterns, confusing clicks, and session recording evidence of form friction. Return a prioritized table with issue, evidence, affected page, confidence, and recommended next action.”
Flujo práctico para reducir fallos
Empieza cada ejecución con descubrimiento de herramientas:
RUBE_SEARCH_TOOLS: queries=[{"use_case":"session recordings, heatmaps, and user behavior analytics","known_fields":""}]
Usa los slugs y esquemas de herramientas devueltos en lugar de inventar parámetros. Después, confirma que la conexión con Microsoft Clarity esté activa. Luego ejecuta primero la consulta útil más pequeña, por ejemplo un proyecto, un grupo de páginas o un rango de fechas. Amplía el alcance solo cuando el resultado inicial demuestre que el esquema y el acceso a los datos son correctos.
Para obtener mejores resultados, pide al agente que separe “evidencia observada” de “interpretación”. Los datos de Clarity pueden mostrar patrones de comportamiento, pero no siempre prueban la intención del usuario.
Archivos del repositorio que conviene leer primero
Para esta skill, SKILL.md es el archivo importante. Incluye prerrequisitos, guía de configuración, instrucciones de descubrimiento de herramientas y el marco principal del flujo de trabajo. No hay README.md, metadata.json, carpeta rules/, resources/, references/ ni scripts/ en la estructura proporcionada, así que no esperes ejemplos empaquetados más allá de las instrucciones de la skill.
FAQ de la skill microsoft_clarity-automation
¿microsoft_clarity-automation es adecuada para principiantes?
Sí, si tu cliente MCP ya está configurado y puedes completar el flujo de autorización de Microsoft Clarity. La skill reduce la necesidad de conocer de antemano los nombres de herramientas de Composio, porque indica al agente que busque primero las herramientas disponibles.
Es menos amigable para principiantes si nunca has configurado herramientas MCP, porque el principal bloqueo no es el texto de la skill, sino conectar Rube MCP y activar el toolkit de Microsoft Clarity.
¿En qué mejora a un prompt común?
Un prompt común puede inventar llamadas a la API de Microsoft Clarity o usar campos obsoletos. El patrón de microsoft_clarity-automation guide es más sólido porque indica al agente que descubra los esquemas actuales de las herramientas mediante RUBE_SEARCH_TOOLS antes de ejecutar.
Esto importa al automatizar trabajo de analítica: los parámetros incorrectos pueden producir resultados vacíos, resúmenes engañosos o llamadas a herramientas fallidas.
Cuándo no deberías usar esta skill
No la uses si solo necesitas una explicación legible de qué es Microsoft Clarity, o si no tienes acceso al proyecto de Clarity objetivo. Tampoco sustituye a la instrumentación de analítica de producto, las pruebas A/B ni la revisión de cumplimiento.
Evita usarla para solicitudes amplias y vagas como “dime qué piensan los usuarios”. Los datos de comportamiento de Microsoft Clarity son más útiles cuando se vinculan con páginas, embudos, ventanas temporales y eventos observables concretos.
¿Encaja en stacks de Workflow Automation?
Sí. microsoft_clarity-automation for Workflow Automation resulta más útil cuando se combina con rutinas de análisis repetibles: revisión UX semanal, monitoreo de lanzamientos, triaje de problemas de conversión o investigación de tickets de soporte. Combínala con plantillas de reporting claras para que la salida pueda alimentar flujos de producto, diseño o growth.
Cómo mejorar la skill microsoft_clarity-automation
Mejora los prompts de microsoft_clarity-automation
La mayor mejora de calidad viene de hacer que el objetivo sea medible. En lugar de pedir un análisis amplio, define la decisión que necesitas tomar.
Mejor entrada:
“Review Clarity behavior for the checkout funnel after the new form release. Compare the last 7 days with the previous 7 days if tools support it. Prioritize issues that appear in recordings or heatmaps and could block purchase completion.”
Esto le da al agente un flujo de trabajo, un marco de comparación y un criterio de priorización.
Modos de fallo comunes que conviene prevenir
El fallo más común es omitir el descubrimiento de herramientas y adivinar esquemas. Evítalo indicando explícitamente: “Call RUBE_SEARCH_TOOLS first and use only returned tool schemas.”
Otro fallo es sobreinterpretar el comportamiento. Pide al agente que etiquete niveles de confianza y cite la señal de Clarity detrás de cada hallazgo. Si los datos no están disponibles, el agente debe decir qué falta en lugar de inventar una conclusión.
Itera después de la primera salida
Trata el primer resultado como una pasada de descubrimiento. Continúa con prompts más acotados, como:
- “Show only high-confidence issues affecting signup.”
- “Group findings by page template.”
- “Turn the top three issues into experiment hypotheses.”
- “List what additional Clarity data would strengthen or weaken these conclusions.”
Esto hace que la skill sea más útil para pasar a la acción, no solo para resumir.
Añade contexto local de tu equipo
Como el repositorio no incluye reglas de negocio personalizadas, añade tu propio contexto en el prompt: páginas clave, definiciones de embudo, lanzamientos conocidos, tráfico excluido, foco por dispositivo y formato de reporting. Para uso recurrente, guarda un wrapper de prompt específico del equipo que siempre incluya nombre del proyecto, rango de fechas, métrica de éxito y formato de evidencia requerido.