token-metrics-automation
作者 ComposioHQtoken-metrics-automation 可協助 Claude 透過 Composio Rube MCP 執行 Token Metrics 工作流程，採用 schema-first 模式：先驗證 Rube MCP、確認有效的 token_metrics 連線、使用 RUBE_SEARCH_TOOLS 搜尋工具，接著執行正確的工作流程。
此 skill 評分為 66/100，表示可接受收錄於目錄中，但應定位為輕量級的 MCP 工作流程封裝，而不是完整成熟的 Token Metrics 自動化操作手冊。目錄使用者能大致判斷何時適合安裝，以及 agent 應如何開始；但實際執行仍高度依賴即時的 Rube 工具探索與外部 toolkit schema。
- 觸發情境與適用範圍清楚：它專為透過 Rube MCP 使用 Composio 的 Token Metrics toolkit 來自動化 Token Metrics 操作而設計。
- 包含必要的前置條件與設定檢查，包括需要 Rube MCP、`RUBE_SEARCH_TOOLS`，以及透過 `RUBE_MANAGE_CONNECTIONS` 建立有效的 `token_metrics` 連線。
- 提供對 agent 較安全的「先探索」模式，要求 agent 在執行前取得最新工具 schema，降低因工具假設過期而出錯的風險。
- 實際操作細節大多交由 `RUBE_SEARCH_TOOLS` 處理；現有內容沒有提供具體的 Token Metrics 任務範例、schema，或超出探索／連線模式之外的端到端工作流程。
- 未提供支援腳本、參考資料、資源、README 或安裝指令，因此採用者必須依賴單一的 SKILL.md，以及外部 Composio/Rube 的實際行為。
token-metrics-automation skill 概覽
token-metrics-automation 的用途
token-metrics-automation 是一個 Claude skill，可透過 Composio 的 Rube MCP server 執行 Token Metrics 工作流程。它的主要目的不是把某一個 Token Metrics 動作寫死，而是先讓代理程式探索目前可用的 Token Metrics tool schemas、確認使用者的 Token Metrics 連線狀態，接著在較少假設的情況下執行正確的 MCP tool。
這一點很重要，因為 Token Metrics 自動化會受到即時工具可用性、驗證狀態，以及不斷變動的輸入 schemas 影響。一般提示詞可能會憑空產生欄位，或呼叫錯誤的工具；這個 skill 會引導代理程式在執行前先使用 RUBE_SEARCH_TOOLS。
最適合的使用者與工作流程
token-metrics-automation skill 最適合已經搭配 MCP 使用 Claude，並希望透過 Composio 自動化加密貨幣研究或 Token Metrics 操作的使用者。它適用的工作流程包括：尋找可用的 Token Metrics 動作、準備結構化的工具呼叫、檢查連線狀態，以及把 Token Metrics 資料串接到更完整的研究或報告流程中。
它對營運人員、分析師與自動化流程建置者特別有用，因為這類使用者通常需要可重複的「探索、驗證、執行」模式，而不是一次性的手動提示。
主要差異：以 schema 優先的自動化
這個 skill 最明顯的差異化優勢，是它要求一律先搜尋工具。代理程式不應假設固定的 API 形狀，而是應該針對特定 Token Metrics 使用情境呼叫 RUBE_SEARCH_TOOLS，檢視回傳的 tool slugs 與 schemas，然後再繼續。
這讓它在 Workflow Automation 場景中更安全，因為整合工具會隨時間變動。取捨是第一步可能會比直接要求答案慢一些，但它能降低呼叫失敗與幻覺參數的風險。
安裝前應先確認的事項
使用 token-metrics-automation 前，請先確認你的 AI client 支援 MCP servers，且你可以加入 https://rube.app/mcp 作為 server。上游 skill 只有一個來源檔案 SKILL.md，因此安裝決策應聚焦在這種 schema-discovery 模式是否符合你的工作流程，而不是期待它提供大量輔助 scripts。
如何使用 token-metrics-automation skill
token-metrics-automation 安裝情境
典型的 token-metrics-automation 安裝方式是透過 AI skill manager，例如：npx skills add ComposioHQ/awesome-claude-skills --skill token-metrics-automation。
加入 skill 後，請在你的 client 中設定 Rube MCP：https://rube.app/mcp。接著確認 RUBE_SEARCH_TOOLS 可用。使用 RUBE_MANAGE_CONNECTIONS 並指定 toolkit token_metrics，檢查你的 Token Metrics connection 是否為 ACTIVE。如果尚未啟用，請先完成回傳的授權流程，再要求任何 Token Metrics 操作。
你需要提供給 skill 的輸入
請提供代理程式明確的 Token Metrics 任務、預期輸出，以及任何限制條件。較弱的輸入是：「Use Token Metrics for Bitcoin.」較好的輸入是：「Using Token Metrics via Rube MCP, discover the available tools first, then retrieve the most relevant BTC token analytics available through the active token_metrics connection. Return a short analyst brief with the tool used, key fields returned, and any missing data.」
有用的細節包括 token symbols 或 IDs、timeframe、報告格式、你需要原始資料還是摘要，以及結果是否會接到另一個自動化步驟。
實務上的 token-metrics-automation 使用模式
良好的 token-metrics-automation 使用流程如下：
- 要求代理程式確認 Rube MCP 可用。
- 要求它針對精確的 Token Metrics 使用情境執行
RUBE_SEARCH_TOOLS。 - 檢視回傳的工具、schemas 與注意事項。
- 讓代理程式選擇最符合需求的工具，並說明必要欄位。
- 只有在 Token Metrics connection 為 active 之後才執行。
- 要求它用精簡格式回傳結果，包含 tool names、使用的參數與限制。
這個順序對 token-metrics-automation for Workflow Automation 特別重要，因為後續工作流程步驟通常仰賴可預期的欄位與錯誤處理。
優先閱讀的 repository 檔案
請先從 composio-skills/token-metrics-automation/SKILL.md 開始。它包含先決條件、設定步驟、工具探索模式，以及核心工作流程。從提供的 tree 來看，沒有可見的支援資料夾，例如 scripts/、references/ 或 resources/，因此這個 skill 的操作價值集中在單一檔案中。
檢視時，請把重點放在必要的 MCP dependency、Token Metrics connection 要求，以及在呼叫工具前反覆強調要先搜尋目前 schemas 的指示。
token-metrics-automation skill 常見問題
token-metrics-automation 適合初學者嗎？
如果你已經熟悉如何把 MCP server 加到 Claude 或其他相容 client，這個 skill 對初學者算友善。它不是一般的「解釋加密貨幣」skill。主要學習門檻在於理解：代理程式必須先透過 Rube MCP 探索工具，並完成 Token Metrics toolkit 驗證，才會有可用的自動化結果。
這比一般提示詞好在哪裡？
一般提示詞可能會根據通用知識回答，或猜測某個整合的結構。token-metrics-automation skill 加入了操作上的護欄：檢查 Rube MCP、管理 Token Metrics connection、搜尋工具以取得目前 schemas，然後才執行。這讓它更適合實際使用工具，而不是單純做加密貨幣話題的對話式評論。
什麼情況不該使用這個 skill？
如果你只需要加密貨幣的教學式說明、你的 client 無法連接 MCP servers，或你無法透過 Composio 使用 active Token Metrics connection，就不適合使用它。若你需要無須人工檢視、保證完全 deterministic 的 production pipelines，它也不是理想選擇，因為即時工具探索與回傳 schemas 都可能改變。
它包含 scripts 或自訂程式碼嗎？
沒有。根據 repository 結構，token-metrics-automation 是以 SKILL.md 為核心的提示與工作流程 skill，不是包含可執行 scripts 的套件。它的價值在於指引代理程式如何正確使用 Rube MCP。
如何改進 token-metrics-automation skill
改進 token-metrics-automation 提示詞
若要取得更好的結果，請在提示詞中明確說清楚探索、執行與輸出格式。例如：「Use token-metrics-automation. First run RUBE_SEARCH_TOOLS for Token Metrics tools that can analyze ETH market signals. If multiple tools match, compare them briefly, choose the best one, execute only with the active token_metrics connection, then return a table of fields retrieved and a short interpretation.」
這會同時給代理程式一個任務、一條決策規則，以及一種回報格式。
降低常見失敗模式
最常見的失敗模式包括：跳過工具探索、假設過期參數、在完成驗證前嘗試執行，以及產生摘要卻沒有說明使用了哪個工具。你可以要求代理程式在執行動作前，先顯示已發現的 tool slug、必要欄位、連線狀態，以及任何缺少的輸入，以降低這些風險。
如果代理程式找不到合適的工具，請要求它清楚回報，而不是自行即興補上。
在第一次輸出後持續迭代
第一次執行後，可以透過以下問題改善工作流程：「哪些欄位無法取得？」、「哪些 schema fields 能提升精準度？」、「是否能依 token、date range 或 metric type 縮小範圍？」以及「下一個自動化步驟應該接收哪些內容？」
這能把 token-metrics-automation 從一次性請求，轉換成可重複使用的 Workflow Automation 步驟，並讓交接更乾淨。
強化團隊使用時的可靠性
若要供團隊共用，請在你自己的專案筆記中記錄偏好的 Token Metrics 任務、核准的輸出格式，以及審查要求。也可以為常見工作加入 prompt snippets，例如 token screening、metric extraction 或 analyst briefs。上游 skill 有意保持精簡，因此本地約定會是讓 token-metrics-automation 在團隊內更可靠的關鍵。