yelp-automation
par ComposioHQyelp-automation est un skill Claude destiné aux workflows Yelp via Composio Rube MCP. Il aide les agents à rechercher les outils disponibles, vérifier la connexion Yelp et exécuter les tâches avec les schémas renvoyés.
Ce skill obtient 66/100, ce qui le rend acceptable mais limité pour une présence dans l’annuaire. Les utilisateurs disposent d’assez d’éléments pour comprendre qu’il aide les agents à orienter les demandes liées à Yelp via Rube MCP de Composio, avec vérification de connexion et découverte d’outils. En revanche, il faut s’attendre à une couche légère plutôt qu’à une bibliothèque de workflows Yelp complète et autonome.
- Le frontmatter du skill est valide et identifie clairement le domaine de déclenchement comme l’automatisation Yelp via Rube MCP, avec la dépendance MCP `rube` requise.
- Les prérequis et les étapes de configuration indiquent que Rube MCP doit être connecté, que l’autorisation Yelp doit être ACTIVE et que `RUBE_SEARCH_TOOLS` doit être appelé avant les workflows.
- Le modèle de workflow principal fournit aux agents une séquence reproductible : découvrir les outils, vérifier la connexion Yelp, puis exécuter avec les schémas actuels plutôt que de deviner des paramètres obsolètes.
- Les actions Yelp et leurs schémas ne sont pas documentés dans le dépôt ; le skill dépend de la découverte en direct via `RUBE_SEARCH_TOOLS` pour obtenir les slugs d’outils, les entrées et les points de vigilance à jour.
- Aucun fichier de support, script, README ni commande d’installation n’est fourni ; l’adoption suppose donc que les utilisateurs sachent déjà configurer Rube MCP et les connexions Yelp.
Présentation de la skill yelp-automation
À quoi sert yelp-automation
yelp-automation est une skill Claude conçue pour exécuter des workflows liés à Yelp via le serveur Rube MCP de Composio. Plutôt que de coder en dur une forme précise de l’API Yelp, la skill demande d’abord à l’agent de découvrir les outils Yelp disponibles, de vérifier la connexion Yelp, puis d’exécuter la tâche avec le schéma renvoyé par Rube.
Utilisez-la lorsque vous voulez qu’un agent prenne en charge des opérations Yelp dans une configuration plus large de Workflow Automation, en particulier si la disponibilité des outils ou les schémas d’entrée sont susceptibles d’évoluer.
Utilisateurs et cas d’usage les plus adaptés
La skill yelp-automation convient surtout aux utilisateurs qui utilisent déjà Claude, ou un autre client compatible MCP, et qui veulent intégrer des actions Yelp dans des workflows répétables. Les tâches typiques consistent à trouver l’outil Yelp adapté à une demande, vérifier qu’une connexion Yelp est active, puis exécuter une opération Yelp en toute sécurité après découverte du schéma.
Elle est particulièrement utile aux opérateurs, créateurs d’automatisations, chercheurs travaillant sur des commerces locaux et développeurs de workflows agentiques qui préfèrent une exécution via outils plutôt qu’une navigation manuelle dans Yelp.
Ce qui distingue cette skill
Son principal différenciateur est l’approche “search tools first”. La skill ne part pas du principe que les noms d’outils Yelp ou leurs entrées sont statiques. Elle impose l’utilisation de RUBE_SEARCH_TOOLS avant toute exécution, afin que l’agent puisse s’appuyer sur les derniers slugs d’outils, schémas, plans d’exécution et pièges signalés par Rube.
Cela rend yelp-automation plus fiable qu’un prompt générique du type “utilise Yelp pour trouver des entreprises”, car l’agent suit d’abord une séquence de vérification de connexion et de découverte d’outils avant de tenter la tâche.
Contraintes importantes avant adoption
Ce n’est ni un scraper Yelp autonome, ni un script d’automatisation de navigateur, ni un wrapper direct de l’API Yelp. La skill nécessite Rube MCP ainsi qu’une connexion active au toolkit Yelp via Composio. Le chemin du dépôt ne contient que SKILL.md, ce qui rend la skill légère : lisez la source avant de l’installer, mais ne vous attendez pas à trouver des scripts d’aide, des exemples ou des données de référence incluses.
Comment utiliser la skill yelp-automation
Installation de yelp-automation et contexte de configuration
Installez la skill depuis le dépôt de skills Composio :
npx skills add ComposioHQ/awesome-claude-skills --skill yelp-automation
Ajoutez ensuite Rube MCP à la configuration de votre client avec :
https://rube.app/mcp
Avant de demander une tâche Yelp, vérifiez que le serveur MCP expose RUBE_SEARCH_TOOLS. La skill suppose également que vous utilisez RUBE_MANAGE_CONNECTIONS avec le toolkit yelp ; si la connexion n’est pas ACTIVE, suivez le lien d’autorisation renvoyé, puis revérifiez le statut avant de lancer un workflow Yelp.
Informations à fournir à la skill
Une demande faible serait : “Find restaurants on Yelp.” Une utilisation plus robuste de yelp-automation donne à l’agent la tâche, le lieu, les filtres, le format de sortie et les limites éventuelles :
Use yelp-automation to find highly rated Italian restaurants in Austin, Texas. First discover the current Yelp tools through Rube, confirm the Yelp connection is active, then return up to 10 results with name, rating, review count, price if available, Yelp URL, neighborhood, and a short reason each result matches. Do not invent missing fields.
Pour les recherches d’établissements ou les tâches centrées sur les avis, ajoutez les identifiants connus, le nom de l’établissement, la ville, la catégorie, la plage de dates, la préférence de classement, ainsi que le besoin éventuel d’une sortie brute de l’outil ou d’un tableau nettoyé.
Workflow pratique à suivre
Commencez par lire composio-skills/yelp-automation/SKILL.md. Il n’y a pas de README.md, de dossier rules/, de dossier resources/ ni de scripts supplémentaires dans ce dossier de skill ; le fichier source est donc le guide opérationnel principal.
Un bon déroulé d’exécution consiste à :
- Demander à l’agent d’appeler
RUBE_SEARCH_TOOLSavec votre cas d’usage Yelp précis. - Réutiliser l’ID de session renvoyé lorsque c’est possible.
- Lui demander d’appeler
RUBE_MANAGE_CONNECTIONSpouryelp. - Si la connexion est active, exécuter l’outil Rube sélectionné en respectant exactement le schéma découvert.
- Demander un résumé concis des résultats, ainsi que les IDs bruts nécessaires aux étapes suivantes.
Cette séquence est importante, car Rube peut renvoyer des noms d’outils ou des champs obligatoires différents de ceux que vous attendiez.
Modèle de prompt pour de meilleurs résultats avec yelp-automation
Pour obtenir une yelp-automation fiable dans un contexte de Workflow Automation, rédigez des prompts qui séparent clairement découverte, exécution et mise en forme :
Discover the available Yelp tools for searching local businesses near
94103. Check the Yelp connection. If active, run the appropriate tool for “coffee shops open now with at least 4 stars.” Return a markdown table with name, rating, review count, address, phone, Yelp URL, and any missing fields markedUnavailable. Explain which Rube tool was selected and why.
Cette approche améliore la qualité de sortie, car l’agent dispose d’assez de contexte pour choisir le bon outil, éviter les suppositions sur le schéma et produire des données que votre workflow aval peut analyser.
FAQ sur la skill yelp-automation
yelp-automation est-elle un client d’API Yelp ?
Non. yelp-automation est une skill qui guide un agent compatible MCP pour utiliser le toolkit Yelp de Composio via Rube MCP. Les outils réels, les schémas et l’autorisation sont gérés par Rube, et non par du code inclus dans cette skill.
Quand faut-il éviter d’utiliser cette skill ?
Évitez cette skill si vous avez besoin d’un jeu de données hors ligne, de scraping à grande échelle, d’un contrôle direct sur les identifiants de l’API Yelp ou de champs garantis indépendamment du schéma actuel du toolkit Rube. Elle convient aussi mal si votre client ne peut pas se connecter à des serveurs MCP ou si vous ne pouvez pas autoriser la connexion Yelp.
En quoi est-elle meilleure qu’un prompt ordinaire ?
Un prompt ordinaire peut pousser le modèle à raisonner sur Yelp de mémoire ou à naviguer de façon irrégulière. La skill yelp-automation impose un workflow orienté outils : découvrir les outils Yelp actuels, vérifier l’état de la connexion, puis exécuter avec le schéma renvoyé. Cela réduit les appels d’outils hallucinés et rend le workflow plus facile à répéter.
La skill yelp-automation est-elle accessible aux débutants ?
Elle est accessible aux débutants si vous comprenez déjà les bases de MCP. La configuration est courte, mais l’utilisateur doit être à l’aise avec la vérification de la disponibilité des outils, l’autorisation d’une connexion et la consigne donnée à l’agent d’utiliser les schémas renvoyés. Les débutants devraient commencer par une recherche simple avant d’enchaîner les résultats Yelp dans des automatisations plus larges.
Comment améliorer la skill yelp-automation
Améliorer les prompts yelp-automation avec des contraintes plus claires
Le principal gain de qualité vient de contraintes de tâche précises. Indiquez le lieu, la catégorie, le nombre de résultats, les critères de classement, les champs requis et la manière de gérer les valeurs manquantes. Par exemple, “top-rated dentists in Denver” est moins utile que “return 15 dentists within Denver, sorted by rating then review count, with phone, address, Yelp URL, and Unavailable for missing fields.”
Éviter les échecs fréquents
Les problèmes courants consistent à ignorer RUBE_SEARCH_TOOLS, supposer un ancien schéma, tenter d’exécuter des actions Yelp avant que la connexion soit active ou demander des champs que l’outil sélectionné ne renvoie pas. Dites explicitement à l’agent : “Do not execute until tool discovery and connection check are complete,” et “Use only fields present in the tool response.”
Itérer après la première sortie
Après la première exécution, améliorez le workflow en demandant une déduplication, des filtres plus stricts, des identifiants bruts pour des appels de suivi ou une autre structure de sortie. Si les résultats semblent trop maigres, élargissez le rayon, la catégorie ou les filtres de prix. S’ils sont trop larges, ajoutez un quartier, le statut ouvert maintenant, un nombre minimum d’avis ou des attributs d’établissement.
Améliorations que les mainteneurs pourraient ajouter
La skill yelp-automation gagnerait en valeur avec une petite section d’exemples présentant des workflows Yelp courants, des prompts types, l’usage attendu de RUBE_SEARCH_TOOLS et des notes de dépannage pour les connexions inactives. Une courte section “quand ne pas l’utiliser” et des exemples de tableaux de sortie aideraient aussi les utilisateurs à décider plus vite s’ils doivent installer la skill.