lever-sandbox-automation
作者 ComposioHQlever-sandbox-automation 可協助 agents 透過 Composio Rube MCP 執行 Lever Sandbox workflows；在採取動作前，會先驗證連線並探索目前的 tool schemas。
此 skill 評分為 68/100，代表可以列入目錄，但應定位為輕量的 MCP workflow guide，而非完整封裝的 automation。目錄使用者可取得足夠資訊來判斷何時安裝，以及 agent 應如何開始；但也應預期需要在 runtime 進行 tool discovery，且內建範例有限。
- 有效的 frontmatter 與精簡描述清楚指出觸發情境：透過 Rube MCP/Composio 自動化 Lever Sandbox tasks。
- 先決條件與設定步驟明確，包括加入 https://rube.app/mcp、驗證 RUBE_SEARCH_TOOLS、管理 lever_sandbox connection，以及確認 ACTIVE status。
- 此 skill 多次指示 agents 先呼叫 RUBE_SEARCH_TOOLS，可降低 schema 猜測成本，也符合動態 MCP-tool workflow 的使用方式。
- 依賴即時的 Rube MCP discovery，而不是內建 scripts、examples 或 reference files，因此執行細節會取決於 runtime 回傳的當前 tool schemas。
- 範圍限於 Lever Sandbox connection，且看起來與特定環境相關；若使用者需要 production Lever automation，可能需要改用其他 skill 或額外驗證。
lever-sandbox-automation skill 概覽
lever-sandbox-automation 的用途
lever-sandbox-automation 是一個 Claude skill，用來透過 Composio 的 Rube MCP server 執行 Lever Sandbox 操作。你不需要硬寫 Lever API 呼叫，也不必猜測工具參數；這個 skill 會指示 agent 先探索目前可用的 lever_sandbox tools、確認連線狀態，接著再依照最新的 Rube tool schemas 執行指定工作流程。
最適合工作流程自動化團隊
lever-sandbox-automation skill 很適合招募人員、RevOps/PeopleOps 自動化建置者、QA 測試人員，以及需要從 agentic workflow 建立、檢查、更新或測試 Lever Sandbox 資料的 AI workflow 開發者。尤其當你的真正目標不是「撰寫 Lever API 程式碼」，而是「請 AI agent 透過已連接的工具，安全且依 schema 執行 sandbox 任務」時，這個 skill 會特別有用。
關鍵差異：先搜尋工具，再執行動作
最重要的行為是強制進行工具探索。上游 skill 多次強調，執行前必須呼叫 RUBE_SEARCH_TOOLS，因為 Composio tool slugs、schemas、必填欄位與常見陷阱都可能變動。相較於「用 Lever 建立一位候選人」這類泛用提示，這種做法更可靠，因為泛用提示可能會捏造參數，或略過連線檢查。
安裝採用前要先確認的限制
這不是一個獨立的 Lever 自動化套件。它需要支援 MCP 的 client、已在 https://rube.app/mcp 設定好的 Rube MCP，以及透過 RUBE_MANAGE_CONNECTIONS 管理且有效的 lever_sandbox 連線。如果你的環境無法使用 MCP tools，或你需要的是正式環境的 Lever 而非 Lever Sandbox，那麼在未改作調整前，這個 skill 並不是合適的安裝目標。
如何使用 lever-sandbox-automation skill
安裝並確認 MCP 環境
若要從 skill directory source 安裝，請使用：
npx skills add ComposioHQ/awesome-claude-skills --skill lever-sandbox-automation
接著在你的 client 中設定 Rube MCP server endpoint：
https://rube.app/mcp
在要求任何 Lever 任務之前，請先確認 agent 可以存取 RUBE_SEARCH_TOOLS。接著使用 RUBE_MANAGE_CONNECTIONS，toolkit 設為 lever_sandbox。如果連線狀態不是 ACTIVE，請完成回傳的授權流程，然後重新檢查狀態。在連線變成 active 之前，不要繼續執行任何工作流程。
第一次執行前先閱讀 SKILL.md
這個 repository 刻意保持精簡：關鍵檔案是 composio-skills/lever-sandbox-automation/SKILL.md。請閱讀它，了解預期流程：前置需求、設定、工具探索，以及核心工作流程模式。預覽的 tree 中沒有輔助 scripts、rules 或 reference folders，因此實際操作行為主要集中在 skill file，以及 Rube 即時回傳的 schemas。
把粗略目標改寫成完整 prompt
較弱的 lever-sandbox-automation 使用 prompt 會像這樣：
Create a test candidate in Lever.
更好的 prompt 會提供足夠脈絡，讓 agent 搜尋正確工具並避免不安全的假設：
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.
這樣效果更好，因為它明確指定 skill、界定 sandbox 範圍、要求 schema discovery、提供範例資料，並告訴 agent 欄位不足時該如何處理。
建議的執行流程
實務上，lever-sandbox-automation guide flow 可以這樣安排：
- 要求 agent 針對精確的 Lever Sandbox 任務搜尋 Rube tools。
- 檢視回傳的 tool names、required fields 與 execution plan。
- 使用
RUBE_MANAGE_CONNECTIONS確認連線狀態。 - 只有在必填輸入都已確認後，才讓 agent 執行選定的 tool。
- 要求回傳精簡結果摘要，包含 IDs、變更的 records、略過的步驟，以及任何後續動作。
若是多步驟的 workflow automation，請把每次請求的範圍切清楚：探索 tools、準備 payload、執行、驗證。這能減少幻覺產生的欄位名稱，也讓失敗原因更容易診斷。
lever-sandbox-automation skill 常見問題
lever-sandbox-automation 只適用於 sandbox 資料嗎？
是的，根據 skill 名稱、描述與必要 toolkit，它的目標是 Composio 的 lever_sandbox toolkit。請把它視為一個安全環境，用來測試工作流程、驗證 schemas，並在考慮任何正式環境 Lever 整合之前，先建立自動化模式。
這和一般 Claude prompt 有什麼不同？
一般 prompt 可以描述你想做的事，但不會強制執行重要的操作順序：連接 Rube MCP、確認 lever_sandbox、呼叫 RUBE_SEARCH_TOOLS、使用回傳的 schema，然後才執行。lever-sandbox-automation skill 會給 agent 一套更窄、更明確的程序，降低 tools 演進時靠猜測操作的風險。
這個 skill 適合新手嗎？
如果你已經使用支援 MCP 的 AI client，並且能完成 Rube 連線流程，那它算是新手友善。若你期待的是一鍵式 web app，或完整的 Lever 教學，它就不算新手友善。使用者仍然需要理解：工具探索與連線狀態是工作流程的一部分。
什麼情況下不該安裝？
如果你需要離線自動化、只需要直接產生 REST API 程式碼、要操作正式環境 Lever，或想要一套包含 scripts 與 tests、文件完整的 library，就不應安裝這個 skill。如果你的組織封鎖外部 MCP servers，或無法透過 Composio 授權 Lever Sandbox 連線，也應避免使用。
如何改進 lever-sandbox-automation skill
用精確任務範圍改善 lever-sandbox-automation prompts
最大的品質槓桿是具體性。請把「管理候選人」這種寬泛請求，改成任務層級的指示，例如「依 email 搜尋候選人」、「建立一個 sandbox posting」，或「更新測試 opportunity stage」。加入已知欄位、期望的輸出格式，以及 agent 是否應在寫入前先詢問。這有助於 RUBE_SEARCH_TOOLS 回傳更相關的 schema 與 execution plan。
提供安全的測試資料與驗證規則
若要讓 Workflow Automation 的 lever-sandbox-automation 更好用，請提供明確非正式環境的資料：測試用 email、像 automation-test 這樣的 labels，以及說明該 record 為何存在的 notes。要求 agent 在執行後驗證結果，並回傳可長期追蹤的 identifiers，而不只是回覆「完成」。範例：「After creation, retrieve the record if a read tool is available and report the candidate ID and visible fields.」
留意常見失敗模式
最常見的失敗包括：跳過工具探索、Rube 連線未啟用、沿用過期的 assumed schemas、缺少必填欄位，以及寫入操作描述不清。如果 agent 試圖在未先呼叫 RUBE_SEARCH_TOOLS 的情況下執行，請中止它並重新說明順序。如果 Rube 回傳多個可能的 tools，請要求 agent 先比較再選擇。
第一次輸出後持續迭代
第一次執行後，透過這些問題改善工作流程：哪些欄位是必填？哪些是選填？使用了哪個 tool slug？Rube 是否回傳任何 warnings？把這些細節存進你的專案筆記或 prompt template，但未來執行時仍要要求重新探索，因為 live schemas 可能變動。這能讓 lever-sandbox-automation 的安裝價值不只停留在一次 demo。