ambee-automation

ambee-automation skill 概览

ambee-automation 能做什么

ambee-automation 是一个 Claude skill，用于通过 Composio 的 Rube MCP server 运行与 Ambee 相关的工作流自动化。它适合这样的任务：agent 需要发现当前 Ambee toolkit 中可用的 actions，确认 Ambee 连接处于可用状态，然后通过 MCP tools 执行环境数据相关操作，而不是凭记忆猜测 API schema。

这个 skill 的核心指令很简单，但非常关键：始终先使用 RUBE_SEARCH_TOOLS。因此，当工具名称、输入字段或 Ambee 支持的 actions 可能随时间变化时，ambee-automation skill 会尤其有用。

最适合的用户与任务

如果你希望 AI agent 在支持工具调用的工作流中协助处理 Ambee 操作，例如检查可用的 Ambee actions、准备针对 Ambee toolkit 的调用，或围绕环境数据构建可复用的自动化流程，可以使用 ambee-automation。

它更适合已经在使用 MCP-enabled assistants、Composio 或 Rube 的用户，而不是寻找独立 Ambee SDK wrapper 的用户。这个 skill 不会取代 Ambee 文档；它提供的是一套可靠的步骤，让 agent 能够发现并使用实时 toolkit。

面向 Workflow Automation 的关键差异

对于 Workflow Automation，ambee-automation 的主要价值在于执行流程更有纪律性。它不是让 agent 硬编码假设，而是要求 agent：

• 确认 Rube MCP 已连接。
• 管理或验证 Ambee toolkit 连接。
• 在执行前搜索当前工具 schema。
• 复用 Rube 返回的 session context。
• 将返回的 plans、slugs 和 pitfalls 视为事实来源。

当可靠性比快速完成一次性 prompt 更重要时，这一点尤其有价值。

如何使用 ambee-automation skill

安装与连接上下文

使用以下命令从源仓库安装该 skill：

npx skills add ComposioHQ/awesome-claude-skills --skill ambee-automation

上游 skill 预期你的 assistant 环境中已经可用 Rube MCP。在支持 MCP tools 的客户端中，将 https://rube.app/mcp 添加为 MCP server，然后确认 RUBE_SEARCH_TOOLS 可以被调用。

在运行 Ambee 工作流之前，使用 toolkit ambee 调用 RUBE_MANAGE_CONNECTIONS。如果连接状态不是 ACTIVE，请完成返回的授权流程，然后再次检查。跳过这一步是 ambee-automation 使用失败最常见的原因。

你需要提供给 skill 的输入

请把实际的 Ambee 任务交给 agent，而不是只说“use Ambee”。更有效的输入包括：

• 你需要的环境数据领域，例如 air quality、pollen、weather，或其他 Ambee 支持的类别。
• 位置信息，例如城市、坐标、区域，或已知的地址格式。
• 时间要求，例如当前状况、预测、历史查询，或监控频率。
• 输出格式，例如表格、JSON、alert rule、适合 dashboard 的摘要，或下游 API payload。
• 任何业务规则，例如阈值、重试行为，或通知条件。

较弱的 prompt 是：“Get Ambee data.”
更强的 prompt 是：“Use ambee-automation to discover the current Ambee tools, confirm the connection is active, then fetch current air-quality data for these coordinates and return normalized JSON with pollutant fields, timestamp, units, and any missing-data warnings.”

实用的 ambee-automation 使用流程

可靠的 ambee-automation 使用方式，应从工具发现开始：

1. 要求 agent 针对具体 Ambee 使用场景调用 RUBE_SEARCH_TOOLS。
2. 查看返回的 tool slugs、schemas 和 warnings。
3. 要求 agent 使用 toolkit ambee 检查 RUBE_MANAGE_CONNECTIONS。
4. 只有在确认必填字段之后，才执行选定工具。
5. 按你要求的输出格式验证响应。
6. 如果缺少字段，要求 agent 在 known_fields 中带上缺失字段名，重新运行 discovery。

这种方式比直接要求调用某个工具更稳妥，因为该 skill 的仓库有意优先采用实时 schema 发现，而不是依赖静态示例。

采用前应阅读的文件

关键文件是 composio-skills/ambee-automation 中的 SKILL.md。在提供的目录树中，没有可见的 helper scripts、reference folders 或本地 metadata files，因此该 skill 的行为集中在这一个文件里。

请阅读 SKILL.md，了解 prerequisites、setup order 和核心 workflow pattern。然后查看链接到的 Composio Ambee toolkit 文档，了解更完整的 Ambee actions 支持范围以及账号层面的要求。

ambee-automation skill 常见问题

ambee-automation 是独立的 Ambee client 吗？

不是。ambee-automation 不是独立 CLI、SDK，也不是直接 API wrapper。它是一个 skill，用来告诉支持 MCP 的 assistant 如何通过 Composio 的 Rube MCP tools 执行 Ambee automation。你需要可用的 Rube MCP，并且需要通过 RUBE_MANAGE_CONNECTIONS 建立一个 active 的 Ambee 连接。

为什么不直接用普通 prompt？

普通 prompt 可能会编造工具名称、使用过时字段，或生成不完整的 payload。ambee-automation skill 通过强制进行工具发现来降低这种风险。当可用的 Ambee toolkit schemas 可能不同于模型曾经见过的示例时，这一点尤其重要。

这个 skill 适合新手吗？

如果你的 assistant 已经支持 MCP tools，它对新手是友好的。设置过程很短，但用户必须理解：agent 需要能够访问 RUBE_SEARCH_TOOLS 和 RUBE_MANAGE_CONNECTIONS。如果你还没有使用 MCP 或 Composio，请先完成这些基础设置，再安装这个 skill。

什么时候不应该使用 ambee-automation？

如果你只需要关于 Ambee 的静态资料研究、你的环境无法运行 MCP tools，或者你需要的是通过直接管理 Ambee API key 构建完全自定义的后端集成，就不应使用它。在这些情况下，Ambee 自己的 API 文档或 SDK 层面的开发可能是更合适的起点。

如何改进 ambee-automation skill

给 ambee-automation 更具体的任务上下文

这个 skill 在 prompt 包含明确操作和约束时效果最好。不要只要求“Ambee automation”，而应说明目标数据、位置、时间要求和期望输出。这有助于 RUBE_SEARCH_TOOLS 返回更相关的执行计划，并减少后续补充调用。

改进示例：“Search Ambee tools for current pollen data by coordinates, identify required fields, check connection status, then produce a minimal executable call plan before running anything.”

避免常见失败模式

主要失败模式都与流程有关：还没 discovery 就运行 Ambee tool、使用 inactive connection、假设旧 schema 仍然有效，或遗漏必需的位置字段。如果第一次尝试失败，请要求 agent 展示发现到的 schema，并将它与实际发送的 payload 对比。这样通常能看出问题出在身份验证、缺少参数，还是任务范围不受支持。

在第一次输出后继续迭代

拿到第一次结果后，可以通过要求验证和标准化来提升质量。实用的后续请求包括：

• “List any fields that were unavailable or inferred.”
• “Convert this to stable JSON for downstream automation.”
• “Add threshold logic for alerting.”
• “Re-run tool discovery with these missing fields.”
• “Explain which returned values are raw Ambee fields versus transformed fields.”

这样可以把 ambee-automation 从一次性查询变成可靠的工作流组件。

skill 本身可以如何改进

如果你 fork 或贡献 ambee-automation，最有价值的改进会是：为常见 Ambee 任务补充示例、提供更清晰的 sample prompts，以及增加针对 inactive connections 或 schema mismatches 的 troubleshooting notes。由于当前 skill 很大程度上依赖实时 discovery，少量真实可用的 prompt patterns 就能加快采用速度，同时又不会把用户锁定在过时的工具 schema 上。