yelp-automation
por ComposioHQyelp-automation é uma skill do Claude para workflows do Yelp via Composio Rube MCP. Ela orienta agentes a buscar ferramentas atuais, verificar a conexão com o Yelp e executar tarefas com os schemas retornados.
Esta skill recebe nota 66/100, o que a torna aceitável, mas limitada, para listagem no diretório. Usuários do diretório encontram evidências suficientes para entender que ela ajuda agentes a encaminhar solicitações relacionadas ao Yelp pelo Rube MCP da Composio, com verificações de conexão e descoberta de ferramentas, mas devem esperar um wrapper enxuto, não uma biblioteca completa e autônoma de workflows do Yelp.
- O frontmatter válido da skill identifica claramente o domínio de acionamento como automação do Yelp via Rube MCP e declara a dependência MCP obrigatória `rube`.
- Os pré-requisitos e as etapas de configuração explicam que o Rube MCP precisa estar conectado, que a autorização do Yelp deve estar ACTIVE e que `RUBE_SEARCH_TOOLS` deve ser chamado antes dos workflows.
- O padrão central de workflow oferece aos agentes uma sequência repetível: descobrir ferramentas, verificar a conexão com o Yelp e então executar usando schemas atuais, em vez de tentar adivinhar parâmetros desatualizados.
- As ações e os schemas reais do Yelp não estão documentados no repositório; a skill depende da descoberta ao vivo por `RUBE_SEARCH_TOOLS` para obter slugs de ferramentas, entradas e possíveis problemas atuais.
- Não há arquivos de apoio, scripts, README nem comando de instalação incluídos, então a adoção depende de os usuários já se sentirem à vontade para configurar o Rube MCP e as conexões do Yelp.
Visão geral da skill yelp-automation
Para que serve yelp-automation
yelp-automation é uma skill do Claude para executar fluxos de trabalho relacionados ao Yelp por meio do servidor Rube MCP da Composio. Em vez de fixar em código um formato específico da API do Yelp, a skill orienta o agente a descobrir primeiro as ferramentas atuais do Yelp, verificar a conexão com o Yelp e só então executar a tarefa usando o schema retornado pelo Rube.
Use quando você quiser que um agente realize operações no Yelp dentro de uma configuração mais ampla de Workflow Automation, especialmente em cenários em que a disponibilidade das ferramentas ou os schemas de entrada podem mudar.
Usuários e tarefas mais indicados
A skill yelp-automation é mais indicada para usuários que já usam Claude ou outro cliente compatível com MCP e querem conectar ações do Yelp a fluxos de trabalho repetíveis. Tarefas típicas incluem encontrar a ferramenta certa do Yelp para uma demanda, verificar se uma conexão com o Yelp está ativa e executar uma operação do Yelp com segurança depois da descoberta do schema.
Ela é especialmente útil para operadores, criadores de automações, pesquisadores de negócios locais e desenvolvedores de fluxos com agentes que preferem execução mediada por ferramentas em vez de navegar manualmente pelo Yelp.
O que diferencia esta skill
O principal diferencial é o padrão “procurar ferramentas primeiro”. A skill não presume nomes de ferramentas do Yelp nem entradas estáticas. Ela exige RUBE_SEARCH_TOOLS antes da execução para que o agente possa usar os slugs de ferramentas, schemas, planos de execução e pontos de atenção mais recentes retornados pelo Rube.
Isso torna yelp-automation mais confiável do que um prompt genérico como “use o Yelp para encontrar empresas”, porque a skill dá ao agente uma sequência de verificação de conexão e descoberta de ferramentas antes de tentar executar a tarefa.
Restrições importantes antes de adotar
Esta skill não é um scraper independente do Yelp, um script de automação de navegador nem um wrapper direto da API do Yelp. Ela exige Rube MCP e uma conexão ativa com o toolkit do Yelp via Composio. O caminho do repositório contém apenas SKILL.md, então a skill é leve: leia o código-fonte antes de instalar, mas não espere encontrar scripts auxiliares, exemplos ou dados de referência incluídos.
Como usar a skill yelp-automation
Contexto de instalação e configuração de yelp-automation
Instale a skill a partir do repositório de skills da Composio:
npx skills add ComposioHQ/awesome-claude-skills --skill yelp-automation
Depois, adicione o Rube MCP à configuração do seu cliente usando:
https://rube.app/mcp
Antes de solicitar qualquer trabalho no Yelp, confirme que o servidor MCP expõe RUBE_SEARCH_TOOLS. A skill também espera que você use RUBE_MANAGE_CONNECTIONS com o toolkit yelp; se a conexão não estiver ACTIVE, siga o link de autorização retornado e verifique o status novamente antes de executar qualquer fluxo de trabalho do Yelp.
Informações de entrada que a skill precisa
Uma solicitação fraca seria: “Encontre restaurantes no Yelp.” Um prompt mais forte para usar yelp-automation informa ao agente a tarefa, a localização, os filtros, o formato de saída e eventuais limites:
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.
Para tarefas de consulta de empresas ou focadas em avaliações, adicione identificadores conhecidos, nome da empresa, cidade, categoria, intervalo de datas, preferência de ordenação e se você precisa da saída bruta da ferramenta ou de uma tabela tratada.
Fluxo prático recomendado
Comece lendo composio-skills/yelp-automation/SKILL.md. Não há README.md, rules/, resources/ nem scripts extras nesta pasta da skill, então o arquivo-fonte é o principal guia operacional.
Um bom fluxo de execução é:
- Peça ao agente para chamar
RUBE_SEARCH_TOOLScom seu caso de uso específico do Yelp. - Reutilize o ID de sessão retornado sempre que possível.
- Peça para ele chamar
RUBE_MANAGE_CONNECTIONSparayelp. - Se a conexão estiver ativa, execute a ferramenta Rube selecionada usando o schema exato da etapa de descoberta.
- Solicite um resumo conciso dos resultados e quaisquer IDs brutos necessários para etapas posteriores.
Essa sequência é importante porque o Rube pode retornar nomes de ferramentas ou campos obrigatórios diferentes dos que você espera.
Padrão de prompt para melhores resultados
Para uma yelp-automation confiável em Workflow Automation, escreva prompts que separem descoberta, execução e formatação:
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.
Isso melhora a qualidade da saída porque o agente recebe contexto suficiente para escolher a ferramenta certa, evitar suposições sobre o schema e produzir dados que seu fluxo downstream consiga processar.
FAQ da skill yelp-automation
yelp-automation é um cliente da API do Yelp?
Não. yelp-automation é uma skill que orienta um agente compatível com MCP a usar o toolkit do Yelp da Composio por meio do Rube MCP. As ferramentas, schemas e autorizações reais são gerenciados pelo Rube, não por código incluído nesta skill.
Quando não devo usar esta skill?
Não use se você precisa de um conjunto de dados offline, scraping em alto volume, controle direto sobre credenciais da API do Yelp ou campos garantidos independentemente do schema atual do toolkit do Rube. Ela também não é uma boa escolha se o seu cliente não consegue se conectar a servidores MCP ou se você não pode autorizar a conexão com o Yelp.
Por que ela é melhor do que um prompt comum?
Um prompt comum pode levar o modelo a raciocinar sobre o Yelp com base em memória ou a navegar de forma inconsistente. A skill yelp-automation impõe um fluxo orientado por ferramentas: descobrir as ferramentas atuais do Yelp, verificar o status da conexão e executar com o schema retornado. Isso reduz chamadas de ferramentas inventadas e torna o fluxo de trabalho mais fácil de repetir.
A skill yelp-automation é amigável para iniciantes?
Ela é amigável para iniciantes se você já entende o básico de MCP. A configuração é curta, mas o usuário precisa se sentir confortável ao verificar a disponibilidade de ferramentas, autorizar uma conexão e pedir que o agente use os schemas retornados. Iniciantes devem começar com uma tarefa simples de busca antes de encadear resultados do Yelp em automações maiores.
Como melhorar a skill yelp-automation
Melhore os prompts de yelp-automation com restrições mais claras
O maior ganho de qualidade vem de restrições de tarefa bem definidas. Inclua localização, categoria, quantidade de resultados, critérios de ordenação, campos obrigatórios e como lidar com valores ausentes. Por exemplo, “dentistas mais bem avaliados em Denver” é menos útil do que “retorne 15 dentistas dentro de Denver, ordenados por avaliação e depois por número de reviews, com telefone, endereço, Yelp URL e Unavailable para campos ausentes.”
Evite modos de falha comuns
Problemas comuns incluem pular RUBE_SEARCH_TOOLS, presumir um schema antigo, tentar executar ações do Yelp antes de a conexão estar ativa ou pedir campos que a ferramenta selecionada não retorna. Diga explicitamente ao agente: “Do not execute until tool discovery and connection check are complete” e “Use only fields present in the tool response.”
Itere depois da primeira saída
Depois da primeira execução, melhore o fluxo pedindo deduplicação, filtros mais rigorosos, identificadores brutos para chamadas de acompanhamento ou um formato de saída diferente. Se os resultados parecerem escassos, amplie o raio, a categoria ou os filtros de preço. Se os resultados estiverem amplos demais, adicione bairro, status de aberto agora, número mínimo de reviews ou atributos do negócio.
Melhorias que mantenedores poderiam adicionar
A skill yelp-automation ficaria mais forte com uma pequena seção de exemplos mostrando fluxos comuns do Yelp, prompts de exemplo, uso esperado de RUBE_SEARCH_TOOLS e notas de solução de problemas para conexões inativas. Uma seção curta de “quando não usar” e tabelas de exemplo de saída também ajudariam os usuários a decidir mais rapidamente se devem instalar a skill.