lever-sandbox-automation
作成者 ComposioHQlever-sandbox-automation は、アクション実行前に接続を検証し、現在のツールスキーマを確認することで、エージェントが Composio Rube MCP 経由で Lever Sandbox ワークフローを実行できるようにします。
この skill の評価は 68/100 です。掲載は可能ですが、完成された自動化パッケージというより、軽量な MCP ワークフローガイドとして見せるのが適切です。ディレクトリ利用者は、いつインストールすべきか、エージェントがどこから開始すべきかを判断できるだけの情報を得られます。一方で、実行時のツールディスカバリと、組み込み例の少なさは想定しておく必要があります。
- 有効な frontmatter と簡潔な説明により、Rube MCP/Composio 経由で Lever Sandbox タスクを自動化するというトリガーが明確に示されています。
- 前提条件とセットアップが明示されており、https://rube.app/mcp の追加、RUBE_SEARCH_TOOLS の確認、lever_sandbox 接続の管理、ACTIVE ステータスの確認が含まれています。
- エージェントに最初に RUBE_SEARCH_TOOLS を呼び出すよう繰り返し案内しているため、スキーマの推測を減らし、動的な MCP-tool ワークフローに適しています。
- 同梱のスクリプト、例、参照ファイルではなく、実行時の Rube MCP ディスカバリに依存します。そのため、具体的な実行内容は、その時点で返されるツールスキーマに左右されます。
- 対象は Lever Sandbox 接続に限られ、環境依存の要素があるようです。本番環境の Lever 自動化が必要な場合は、別の skill や追加の検証が必要になる可能性があります。
lever-sandbox-automation skill の概要
lever-sandbox-automation でできること
lever-sandbox-automation は、Composio の Rube MCP server 経由で Lever Sandbox の操作を実行するための Claude skill です。Lever API 呼び出しをハードコードしたり、ツールのパラメータを推測したりするのではなく、まず現在利用できる lever_sandbox ツールを検出し、接続状態を確認したうえで、最新の Rube ツールスキーマに沿って依頼されたワークフローを実行するようエージェントに指示します。
ワークフロー自動化チームに向いている用途
lever-sandbox-automation skill は、エージェント型ワークフローから Lever Sandbox のデータを作成、確認、更新、テストしたい採用担当者、RevOps/PeopleOps の自動化担当者、QA テスター、AI ワークフロー開発者に向いています。特に、本来の目的が「Lever API のコードを書くこと」ではなく、「接続済みツールを通じて、安全でスキーマを意識したサンドボックス作業を AI エージェントに任せること」である場合に役立ちます。
主な違い：実行前に必ずツールを検索する
最も重要な動作は、ツール検出が必須になっている点です。上流の skill では、実行前に RUBE_SEARCH_TOOLS を呼び出すことが繰り返し強調されています。Composio のツール slug、スキーマ、必須フィールド、注意点は変わる可能性があるためです。そのため、「Lever を使って候補者を作成して」のような汎用プロンプトよりも、パラメータを作り上げたり接続確認を省略したりするリスクを抑えられます。
導入前に確認すべき制約
これは単体で動く Lever 自動化パッケージではありません。MCP 対応クライアント、https://rube.app/mcp に設定された Rube MCP、そして RUBE_MANAGE_CONNECTIONS で管理される有効な lever_sandbox 接続が必要です。利用環境で MCP ツールを使えない場合や、Lever Sandbox ではなく本番の Lever を操作したい場合は、調整なしに導入する対象としては適していません。
lever-sandbox-automation skill の使い方
MCP コンテキストをインストールして確認する
skill directory のソースからインストールするには、次を使います。
npx skills add ComposioHQ/awesome-claude-skills --skill lever-sandbox-automation
次に、クライアント側で Rube MCP を次のサーバーエンドポイントに設定します。
https://rube.app/mcp
Lever に関する作業を依頼する前に、エージェントが RUBE_SEARCH_TOOLS にアクセスできることを確認してください。そのうえで、toolkit に lever_sandbox を指定して RUBE_MANAGE_CONNECTIONS を使います。接続が ACTIVE でない場合は、返された認可フローを完了し、ステータスを再確認します。接続が有効になるまで、ワークフローの実行に進まないでください。
初回実行前に SKILL.md を読む
このリポジトリは意図的にコンパクトに作られており、重要なファイルは composio-skills/lever-sandbox-automation/SKILL.md です。前提条件、セットアップ、ツール検出、基本的なワークフローパターンという想定順序を確認してください。プレビューされたツリーには補助スクリプト、ルール、参照用フォルダはないため、実際の運用動作は skill ファイルと Rube から返されるライブスキーマに集約されています。
大まかな目的を実行可能なプロンプトにする
弱い lever-sandbox-automation の利用プロンプトは次のようなものです。
Create a test candidate in Lever.
より良いプロンプトでは、エージェントが適切なツールを検索し、危険な推測を避けられるだけの文脈を与えます。
Use the
lever-sandbox-automationskill. First callRUBE_SEARCH_TOOLSfor the specific task “create a Lever Sandbox candidate with application data.” Verify thelever_sandboxconnection is active. Use only the current schema returned by Rube. If required fields are missing, ask me before executing. Create a sandbox candidate named Jamie Rivera with email[email protected], tagautomation-test, and note that this is a QA record for workflow validation.
この書き方が有効なのは、skill 名を明示し、サンドボックスでの操作範囲を指定し、スキーマ検出を必須にし、サンプルデータを与え、必須フィールドが不足している場合の対応までエージェントに指示しているためです。
推奨される実行ワークフロー
実用的な lever-sandbox-automation の進め方は次のとおりです。
- 実行したい Lever Sandbox の具体的なタスクについて、Rube ツールを検索するようエージェントに依頼する。
- 返されたツール名、必須フィールド、実行計画を確認する。
RUBE_MANAGE_CONNECTIONSで接続状態を確認する。- 必須入力が判明してから、選択したツールだけをエージェントに実行させる。
- ID、変更されたレコード、省略された手順、必要なフォローアップを含む簡潔な結果サマリーを依頼する。
複数ステップのワークフロー自動化では、各リクエストの範囲を絞るのが重要です。ツール検出、ペイロード準備、実行、検証を分けることで、存在しないフィールド名の生成を減らし、失敗時の原因特定もしやすくなります。
lever-sandbox-automation skill の FAQ
lever-sandbox-automation はサンドボックスデータ専用ですか？
はい。skill 名、説明、必要な toolkit から見ると、Composio の lever_sandbox toolkit を対象にしています。本番の Lever 連携を検討する前に、ワークフローのテスト、スキーマ検証、自動化パターンの構築を行うための安全な環境として扱ってください。
通常の Claude プロンプトと何が違いますか？
通常のプロンプトでもやりたいことは説明できますが、重要な運用順序までは強制できません。具体的には、Rube MCP に接続し、lever_sandbox を確認し、RUBE_SEARCH_TOOLS を呼び出し、返されたスキーマを使ってから実行する、という流れです。lever-sandbox-automation skill はエージェントにより狭く明確な手順を与えるため、ツールが変化しても推測に頼る場面を減らせます。
初心者にも使いやすいですか？
MCP 対応の AI クライアントをすでに使っており、Rube の接続フローを完了できるなら、初心者にも扱いやすい skill です。一方で、ワンクリックで使える Web アプリや、Lever の完全なチュートリアルを期待している場合には向いていません。ツール検出と接続状態の確認がワークフローの一部であることは、ユーザー側でも理解しておく必要があります。
インストールしない方がよいケースは？
オフライン自動化、直接的な REST API コード生成だけ、本番 Lever の操作、スクリプトやテストを備えた完全なドキュメント付きライブラリが必要な場合は、この skill をインストールしない方がよいでしょう。また、組織が外部 MCP server をブロックしている場合や、Composio 経由で Lever Sandbox 接続を認可できない場合にも避けるべきです。
lever-sandbox-automation skill を改善する方法
lever-sandbox-automation のプロンプトはタスク範囲を具体化する
品質を大きく左右するのは具体性です。「候補者を管理して」のような広い依頼ではなく、「メールアドレスで候補者を検索する」「sandbox posting を作成する」「テスト opportunity の stage を更新する」といったタスク単位の指示に置き換えます。既知のフィールド、希望する出力形式、書き込み前に確認すべきかどうかも含めてください。これにより、RUBE_SEARCH_TOOLS がより関連性の高いスキーマと実行計画を返しやすくなります。
安全なテストデータと検証ルールを用意する
Workflow Automation 向けに lever-sandbox-automation をより安全に使うには、本番データではないことが明確なデータを渡します。テスト用メール、automation-test のようなラベル、そのレコードが存在する理由を説明する note などです。実行後は結果を検証し、「done」だけでなく、後から追跡できる識別子を返すようエージェントに依頼してください。例：「作成後、読み取り用ツールが利用できる場合はレコードを取得し、candidate ID と表示されるフィールドを報告してください。」
よくある失敗パターンに注意する
よくある失敗は、ツール検出の省略、Rube 接続が有効でないこと、古いスキーマを前提にした推測、必須フィールドの不足、曖昧な書き込み操作です。エージェントが RUBE_SEARCH_TOOLS を先に呼び出さずに実行しようとした場合は止めて、手順を言い直してください。Rube が複数の候補ツールを返した場合は、選択する前にそれらを比較するようエージェントに依頼します。
初回出力後にワークフローを更新する
初回実行後は、次の観点でワークフローを改善します。必須フィールドは何だったか。任意フィールドは何だったか。どの tool slug が使われたか。Rube から警告は返されたか。これらの詳細をプロジェクトメモやプロンプトテンプレートに保存しておくと便利です。ただし、ライブスキーマは変わる可能性があるため、今後の実行でも必ず新たに検出を行うようにしてください。これにより、lever-sandbox-automation のインストールを単発デモで終わらせず、継続的に有用なものにできます。