affinda-automation
作成者 ComposioHQaffinda-automation は、エージェントが Composio Rube MCP 経由で Affinda ワークフローを実行するためのスキルです。まずライブのツールスキーマを検索し、Affinda 接続を確認してから、推測に頼りすぎずにドキュメント自動化タスクを進められます。
このスキルの評価は 66/100 で、ディレクトリ掲載には許容範囲ですが機能は限定的です。ディレクトリ利用者は、Rube MCP ベースの Affinda 自動化支援であること、またエージェントがツール探索と接続設定をどのように始めるべきかを理解できます。一方で、タスク別に作り込まれた Affinda ワークフローや同梱の実装アセットは期待しないほうがよいでしょう。
- 有効な frontmatter で Rube への MCP 依存関係が明確に示され、Composio 経由の Affinda 自動化について説明されています。
- 前提条件とセットアップ手順で、Rube MCP の確認、Affinda 接続の管理、ワークフロー実行前に ACTIVE 状態が必要であることが説明されています。
- RUBE_SEARCH_TOOLS と RUBE_MANAGE_CONNECTIONS を使う、再現性のある探索優先の進め方が示されており、エージェントがスキーマを推測する手間を減らせます。
- SKILL.md の手順以外に、サポートファイル、スクリプト、リファレンス、具体的な Affinda タスク例は含まれていません。
- 実行は Rube MCP によるライブのツール探索と有効な Affinda 接続に依存するため、このスキル単体で把握できる運用面の詳細は限られます。
affinda-automation skill の概要
affinda-automation でできること
affinda-automation skill は、AI エージェントが Composio の Rube MCP server 経由で Affinda 関連タスクを自動化するためのスキルです。エージェントが現在の Affinda tool schema を確認し、有効な Affinda 接続を検証したうえで、記憶ベースで API パラメータを推測するのではなく、利用可能な Rube tools を通じてドキュメント処理を実行するワークフロー向けに設計されています。
Affinda ワークフロー自動化に向いているケース
すでに Affinda を履歴書解析、ドキュメント抽出、分類、または関連する document AI ワークフローで使っていて、Claude やその他の MCP 対応エージェントに Composio 経由でそれらのタスクを実行させたい場合に、このスキルが適しています。想定読者は、単体の Affinda SDK ラッパーを探している人ではなく、エージェント型のワークフロー自動化をセットアップしたい人です。
主な差別化ポイント: まず search tools を使う
affinda-automation skill の最大の価値は、実行前に必ず RUBE_SEARCH_TOOLS を呼び出すという運用パターンにあります。Composio の tool schema は変わる可能性があり、Affinda の操作では正確なフィールド名、document ID、collection ID、ファイル入力が必要になることが多いためです。このスキルの進め方により、古い前提に基づく呼び出し失敗を減らせます。
インストール前に確認したいこと
このスキルの依存範囲はかなり限定的です。リポジトリの対象パスには SKILL.md のみがあり、補助スクリプトや同梱サンプルはありません。すでにクライアントが MCP に対応していて、Rube tools を対話的に操作することに慣れているなら問題ありません。一方で、すぐ使える CLI、サンプルアプリ、事前構築済みの Affinda ワークフローテンプレートが必要な場合、このスキルは最小構成に感じられるでしょう。
affinda-automation skill の使い方
affinda-automation のインストールと MCP 設定
Composio skill collection から、利用中の skill manager でスキルをインストールします。例:
npx skills add ComposioHQ/awesome-claude-skills --skill affinda-automation
次に、AI クライアントで MCP server endpoint を追加し、Rube MCP を設定します。
https://rube.app/mcp
このスキルは、RUBE_SEARCH_TOOLS と RUBE_MANAGE_CONNECTIONS が利用可能であることを前提にしています。スキルフォルダ内にローカルスクリプトは含まれていないため、セットアップの大半はリポジトリの checkout ではなく、MCP クライアントと Composio/Rube の接続フロー側で行います。
ワークフロー実行前に必要な入力
エージェントに Affinda の自動化を依頼する前に、エージェントが確実には推測できない業務コンテキストを渡してください。
- 期待する Affinda の結果: 履歴書を解析する、ドキュメントをアップロードする、抽出済みデータを取得する、collection を管理する、document status を確認する、など。
- すでに把握している関連 ID: workspace、organization、collection、document、candidate、job ID など。
- ドキュメントを扱う場合は、ファイルの場所またはアップロード元。
- 出力形式: raw JSON、正規化されたテーブル、要約、検証レポート、次のアクションなど。
- 制約条件: 新規レコードを作成しない、読み取り専用、失敗した抽出を再試行する、個人情報をマスクする、削除前に確認する、など。
弱いプロンプトの例: “Use Affinda to process this resume.”
より良いプロンプトの例: “Use the affinda-automation skill. First search Rube tools for the current Affinda schema for uploading and parsing a resume. Check the Affinda connection status. If active, upload /files/candidate-jane.pdf to the resume parsing workflow, wait for or retrieve the parsed result if supported, and return normalized JSON with name, email, phone, skills, education, and work history. Ask before creating any new collection.”
実務での affinda-automation 利用フロー
安定して動かすには、通常は次の流れにします。
- エージェントにスキルを呼び出させ、対象の Affinda タスクに合う tools を検索させる。
- toolkit
affindaに対してRUBE_MANAGE_CONNECTIONSを呼び出させる。 - 接続が有効でない場合は、返された認証リンクから認証を完了する。
- 接続チェックを再実行する。
RUBE_SEARCH_TOOLSで返された schema に従って、選択した Affinda tool を実行する。- レスポンスを確認し、取得、変換、検証、エクスポートなどの続きの処理をエージェントに依頼する。
Affinda API を知っている場合でも、探索ステップは省略しないでください。このスキルは Composio tool slug と MCP schema を前提にしており、生の Affinda API ドキュメントとは異なる場合があります。
リポジトリで最初に読むファイル
まず composio-skills/affinda-automation/SKILL.md を確認してください。ここに、前提条件、セットアップ、tool discovery、接続確認、ワークフロー手順、そして最初に tools を検索するという注意点を含む、実際の運用ルールが書かれています。現在のスキルパスには README.md、rules/、resources/、references/、scripts/ フォルダはないため、リポジトリ確認は短時間で済みます。製品挙動をさらに深く把握したい場合は、検出された Rube schema と composio.dev/toolkits/affinda の Affinda toolkit ドキュメントを照らし合わせてください。
affinda-automation skill FAQ
affinda-automation は Workflow Automation 向けか、API コーディング向けか
affinda-automation は主に、MCP 対応エージェントを通じた Workflow Automation 向けです。完全な Affinda 統合ライブラリを生成したり、インフラを管理したり、本番バックエンドの SDK を置き換えたりするものではありません。強みは、エージェントが利用可能な Affinda actions を発見し、Rube/Composio の tool session 内で安全に実行できる点です。
通常のプロンプトより何が良いのか
通常のプロンプトでもモデルに “use Affinda” と依頼できますが、モデルが存在しないパラメータを作ったり、古い API 知識に頼ったりする可能性があります。affinda-automation skill は、tools を発見し、接続を確認し、最新の schema を使い、その後に実行するという具体的な運用パターンをエージェントに与えます。この構造こそが、インストールする主な理由です。
初心者は先に Affinda を理解しておく必要があるか
Affinda のすべての endpoint を知っている必要はありません。ただし、自分の業務ワークフローと処理するドキュメント種別は理解しておくべきです。初心者は、エージェントに upload、create、update、delete を依頼する前に、利用可能な tools の確認や既存 document data の取得など、読み取り専用または低リスクのタスクから始めるのが安全です。
このスキルを使わないほうがよいケース
オフライン処理、MCP 以外の統合、決定論的なバッチ基盤、充実したローカルサンプルが必要な場合は、このスキルは向きません。また、どの Affinda operation を実行するのかを指定せずに “automate HR” のような曖昧な目的で使うのも避けてください。このスキルは、ユーザーが対象アクションを明確にし、必要な ID、ファイル、出力要件を提示できる場合に最も効果を発揮します。
affinda-automation skill を改善する方法
Affinda の意図を具体化してプロンプトを改善する
最も多い失敗パターンは、依頼内容が曖昧すぎることです。操作内容と望む最終状態を明確にすると、結果が改善します。たとえば “find the correct tool for listing documents in a collection”、“extract parsed resume fields from document ID X”、“upload this invoice-like document and return extraction confidence fields” のように指定します。具体性があるほど、RUBE_SEARCH_TOOLS はより適切な実行計画を返しやすくなります。
schema と接続状況のコンテキストを強化する
初回実行後にやり直す場合は、検出された tool slug、必須フィールド、エラーメッセージを貼り戻してください。例: “The discovered tool requires collection_id and file; I have collection_id=abc123 and the file path is /tmp/resume.pdf. Retry using those fields only.” 単に “try again” と頼むよりも、修正すべき範囲が狭まるため効果的です。
リスクのある操作にはガードレールを追加する
ワークフローで Affinda resources を作成、変更、削除する可能性がある場合は、プロンプトに明示的な確認ルールを追加してください。便利なガードレールには、 “read-only unless I approve”、“show the planned tool call before execution”、“do not upload duplicate files”、“mask candidate contact details in the final response” などがあります。これらの指示は、個人情報や採用データを扱うチームでの導入を進めやすくします。
affinda-automation の出力を反復改善する
最初の出力後は、Affinda のレスポンスとエージェントによる変換結果の両方を確認してください。信頼度によるフィルタリング、フィールド正規化、重複排除、欠損フィールドチェック、エクスポート形式の調整など、狙いを絞った改善を依頼します。affinda-automation skill は実際の tool 実行まで到達するためのものです。出力品質は、明確な検証基準とフォローアップ指示に左右されます。