twelve-data-automation
作者 ComposioHQtwelve-data-automation 可協助 Claude 代理透過 Composio Rube MCP 自動化 Twelve Data 工作流程。內容涵蓋設定、檢查有效的 twelve_data connection、使用 RUBE_SEARCH_TOOLS 進行探索，以及針對 Workflow Automation 的 schema-aware 使用方式。
此 skill 評分為 66/100，代表可納入目錄，但能力與內容仍有限。目錄使用者可以理解它的用途是透過 Rube MCP 串接 Twelve Data 自動化，也能依照基本的連線與探索模式操作；但相較於完整的 repo 內工作流程指引，使用時仍應預期會高度仰賴即時工具探索與外部 Composio toolkit 文件。
- 具備有效的 frontmatter，清楚標示 MCP 需求（`rube`），並簡潔說明如何透過 Composio 自動化 Twelve Data。
- 提供前置需求與設定步驟，包括檢查 `RUBE_SEARCH_TOOLS`、管理 `twelve_data` connection，並在執行工作流程前確認 ACTIVE 狀態。
- 強調先進行工具探索，有助於代理取得最新工具 schema，而不是依賴可能過時的硬編碼參數。
- 沒有支援檔案、指令碼、資源或 README，因此此 listing 完全仰賴單一的 SKILL.md。
- 目前可見內容多半是通用的 Rube MCP 探索與設定模式；具體的 Twelve Data 工作流程、範例輸出，以及特定任務的邊界情境都相對有限。
twelve-data-automation skill 概覽
twelve-data-automation 適合用來做什麼
twelve-data-automation 是一個 Claude skill，用於透過 Composio 的 Rube MCP server 自動化 Twelve Data 工作流程。它適合需要先探索最新 Twelve Data tool schema、確認已完成驗證的 Twelve Data 連線，接著再執行市場資料相關操作的代理程式；重點是避免憑空猜測工具名稱或 request fields。
最適合的使用者與工作流程
如果你已經搭配 MCP tools 使用 Claude，並且想用可重複的方式請求 Twelve Data 動作，例如擷取金融市場資料、檢查可用的 toolkit operations，或圍繞 Composio 的 twelve_data toolkit 建立自動化步驟，這個 twelve-data-automation skill 會很適合。它特別適用於可用工具與 schema 可能變動的 workflow automation，因為 skill 會明確要求代理程式先搜尋工具。
主要差異化價值
它的核心價值不在於龐大的 codebase 或輔助 scripts；這個 repository 主要包含一份聚焦的 SKILL.md。其中最重要的操作規則是：執行前先使用 RUBE_SEARCH_TOOLS，讓代理程式依據最新的 Rube MCP tool schema 工作，而不是依賴過時假設。這讓 twelve-data-automation 比會自行編造參數的靜態 prompt，更適合即時 MCP 執行場景。
採用前需要考量的事項
安裝前，請先確認你的 client 能連線到 MCP servers，且 Rube MCP 可用。你也需要透過 RUBE_MANAGE_CONNECTIONS，使用 twelve_data toolkit 建立有效的 Twelve Data 連線。如果你的環境無法使用 MCP tools，這個 skill 本身不會自行執行 Twelve Data operations。
如何使用 twelve-data-automation skill
twelve-data-automation 的安裝與設定路徑
從 GitHub skill collection 安裝此 skill，然後設定 MCP dependency：
npx skills add ComposioHQ/awesome-claude-skills --skill twelve-data-automation
在支援 MCP 的 client 中，使用以下網址加入 Rube MCP：
https://rube.app/mcp
接著確認 RUBE_SEARCH_TOOLS 可用。使用 RUBE_MANAGE_CONNECTIONS 搭配 toolkit twelve_data；如果連線狀態不是 ACTIVE，請先完成系統回傳的授權流程，再要求代理程式執行任何 Twelve Data workflow。
使用這個 skill 時你需要提供的輸入
若要穩定使用 twelve-data-automation，請提供實際的資料任務、目標 instrument 或 symbol、timeframe、輸出格式，以及任何限制條件。較弱的 prompt：「Get stock data.」較好的 prompt：「Use twelve-data-automation to retrieve the latest available daily time series for AAPL from Twelve Data, confirm the active twelve_data connection first, discover the current tool schema with RUBE_SEARCH_TOOLS, and return the result as a concise table with timestamp, open, high, low, close, and volume if those fields are available.」
代理程式的實務執行流程
一次良好的執行通常會依照以下順序：
- 針對具體 use case 呼叫
RUBE_SEARCH_TOOLS，不要只做泛泛的搜尋。 - 檢查可用 operations 時，重複使用回傳的 session ID。
- 使用
RUBE_MANAGE_CONNECTIONS確認 Twelve Data 連線為 active。 - 選擇相符的 tool slug，並依照探索到的 schema 填入 parameters。
- 執行 workflow 並摘要結果，同時說明任何缺漏欄位或 API 限制。
這個模式很重要，因為 Twelve Data 與 Composio tool schemas 可能會演進。skill 的「先搜尋」紀律可降低因參數名稱過時而導致呼叫失敗的機率。
應先閱讀的 repository 檔案
請從 composio-skills/twelve-data-automation/SKILL.md 開始。file tree 中沒有獨立的 README.md、rules/、resources/、references/ 或 scripts，因此 skill 的行為集中在這一個檔案裡。在判斷它是否適合你的環境前，請特別留意 “Prerequisites”、“Setup”、“Tool Discovery” 與 “Core Workflow Pattern” 這幾個 sections。
twelve-data-automation skill 常見問題
twelve-data-automation 只適用於金融市場資料嗎？
是的，它的範圍明確限於透過 Composio 的 twelve_data toolkit 暴露的 Twelve Data operations。它不是通用的金融分析框架、backtesting engine，也不是投資組合最佳化工具。它能協助代理程式存取並自動化可用的 Twelve Data tools；但你仍需要在 prompt 中定義想完成的市場資料任務。
它比一般 prompt 好在哪裡？
一般 prompt 可能會要求 Claude「use Twelve Data」，但 Claude 不一定知道目前的 MCP tool slugs 或必要 input schema。twelve-data-automation skill 會強制先透過 RUBE_SEARCH_TOOLS 進行 tool discovery，然後使用有效的 Rube MCP connection。對於重視執行準確性的 Workflow Automation，這會更可靠。
它適合初學者嗎？
如果你已經有支援 MCP 的 client，並且能依照 auth link 完成 Twelve Data connection，這個 skill 對初學者算友善。但如果你期待的是一鍵式 web app 或獨立 package，它就不太適合。主要設定工作是連接 Rube MCP，並啟用 twelve_data toolkit。
什麼情況下不該使用？
如果你無法執行 MCP tools、不想連接 Composio/Rube，或需要靜態離線 library，就不該使用這個 skill。若你的任務要求不經 runtime discovery 就能保證 schema，它也不是合適選擇；這個 skill 刻意依賴先搜尋目前可用工具再執行。
如何改進 twelve-data-automation skill
用精確資料任務改善 prompt
改善 twelve-data-automation 輸出最快的方法，是把籠統的市場資料請求改成可操作的指令。請包含 symbol、asset type、interval、date range、偏好的 fields、timezone expectations，以及輸出格式。例如：「Fetch intraday EUR/USD data at 15-minute granularity for the last trading day and return only timestamp, open, high, low, close, with a note if the selected Twelve Data tool imposes a limit.」
避免常見失敗模式
常見失敗包含略過 RUBE_SEARCH_TOOLS、假設連線已經 active、使用過時的 parameter names，或要求結果卻沒有定義 instrument 與 interval。如果呼叫失敗，請要求代理程式顯示探索到的 tool schema、選定的 tool slug、required fields，以及哪個 parameter 缺漏或被拒絕。
根據第一次結果持續迭代
取得第一次輸出後，請依照工具實際回傳的內容調整。如果缺少欄位，詢問 schema 是否支援那些欄位。如果結果太廣，加入 date range、symbol exchange 或 interval 等 filters。如果回應不易使用，請要求輸出 normalized table、JSON object、CSV-ready rows，或簡短的 execution summary。
在本機強化這個 skill
由於 upstream skill 很精簡，團隊可以替常用的 Twelve Data workflows 加入本機 examples 來改善它：例如標準 symbol formats、偏好的 intervals、預期 output columns，以及組織特定的 error handling。請保留核心規則：任何自訂的 twelve-data-automation guide 都必須要求執行前先做 tool discovery，讓代理程式始終與即時 Rube MCP schemas 保持一致。