callingly-automation
作者 ComposioHQcallingly-automation 可帮助 agent 通过 Composio Rube MCP 自动化 Callingly 工作流：检查连接状态，使用 RUBE_SEARCH_TOOLS 发现当前工具 schema，并以更安全的方式执行操作。
该 skill 评分为 68/100，适合收录，但更适合作为轻量级 Rube MCP 工作流指南，而不是完整的独立自动化包。目录用户可以据此判断自己是否已经在使用，或是否愿意配置 Rube MCP 和 Callingly；但在具体 Callingly 任务上，应预期需要运行时发现 schema，并可能需要一定的判断和试错。
- 触发条件和适用范围清晰：通过 Rube MCP 使用 Composio 的 Callingly toolkit 来自动化 Callingly 操作。
- 包含前置条件和设置指引，包括添加 `https://rube.app/mcp`、检查 `RUBE_SEARCH_TOOLS`，以及启用 Callingly 连接。
- 采用较安全的 agent 使用模式：要求先运行 `RUBE_SEARCH_TOOLS`，在执行前发现当前工具 schema 和潜在注意点。
- 执行依赖 Rube MCP 的工具发现能力以及已启用的 Callingly 连接；该 skill 不包含本地脚本或内置的 Callingly schema。
- 部分操作细节偏简略，且可能存在不一致，例如同时提到 `RUBE_MANAGE_CONNECTIONS` 和 `RUBE_MANAGE_CONNECTION`，因此 agent 在运行时可能仍需确认准确的工具名称。
callingly-automation skill 概览
callingly-automation 能做什么
callingly-automation 是一个 Claude skill，用于通过 Composio 的 Rube MCP server 自动化 Callingly 工作流。这个 callingly-automation skill 的目标，是帮助 AI agent 发现当前可用的 Callingly tool schemas，确认 Callingly 连接已经完成认证，然后通过 Rube 执行受支持的操作，而不是凭记忆猜测 API 参数。
它最关键的行为是明确要求 agent：在执行任何 Callingly 操作之前，先调用 RUBE_SEARCH_TOOLS。这一点很重要，因为 Composio tool schemas 可能会变化，而 Callingly 自动化通常依赖准确的字段名、连接状态，以及特定工作流所需的输入。
适合的用户与工作流
如果你使用 Callingly 处理销售、线索响应、预约跟进，或基于电话的工作流自动化，并希望让 agent 通过 MCP 协助操作，那么 callingly-automation skill 会很适合。对于已经在使用 Claude，或其他支持 MCP 且启用了 Rube 的客户端的团队，它尤其有用。
典型任务包括发现可用的 Callingly actions、检查 Callingly 账号是否已连接、准备执行计划，并且只在确认当前 schema 之后运行受支持的操作。
它和普通 prompt 有什么不同
普通的“automate Callingly” prompt 可能会编造 tool 名称，或假设已经过时的参数。这个 skill 给 agent 提供了更安全的操作模式：连接 Rube MCP、验证 Callingly 连接、针对具体用例搜索可用 tools，然后使用返回的 schema 执行。
因此，callingly-automation 最有价值的地方并不是作为一个庞大的独立自动化包，而是作为工作流护栏。这个 repository 只包含一个聚焦的 SKILL.md，不包含脚本、示例或辅助库。
如何使用 callingly-automation skill
callingly-automation 安装与设置背景
从 Composio skills repository 安装该 skill：
npx skills add ComposioHQ/awesome-claude-skills --skill callingly-automation
然后在你的客户端中添加 Rube MCP 配置：
https://rube.app/mcp
上游 skill 要求使用 rube MCP server。在发起任何 Callingly 任务之前，先确认 RUBE_SEARCH_TOOLS 可用。然后使用 RUBE_MANAGE_CONNECTIONS，toolkit 设置为 callingly；如果连接状态不是 ACTIVE，就完成返回的认证流程。
执行前需要提供哪些输入
为了稳定使用 callingly-automation，请给 agent 一个具体的业务任务、涉及的 Callingly object 或 workflow，以及任何已知约束。避免类似“manage my Callingly”这样模糊的请求。更好的做法是明确说明期望结果，以及 agent 可以或不可以修改什么。
更强的 prompt 示例：
Use the callingly-automation skill to check my active Callingly connection through Rube MCP, discover the current tools for managing lead call workflows, and prepare an execution plan before making changes. Do not execute destructive updates without asking me to confirm the exact target records and fields.
这个写法更有效，因为它要求 agent 先做发现、保留安全边界，并将计划与执行分开。
使用 Rube MCP tools 的推荐流程
一个实用的 callingly-automation 使用流程应按以下顺序进行：
- 打开
composio-skills/callingly-automation中的SKILL.md。 - 确认 Rube MCP 已连接，并且
RUBE_SEARCH_TOOLS有响应。 - 结合具体用例进行 tool discovery，例如
"Callingly lead follow-up automation"。 - 使用
RUBE_MANAGE_CONNECTIONS检查 Callingly 连接。 - 如果连接未激活，完成 auth link，并重新检查状态。
- 使用
RUBE_SEARCH_TOOLS返回的 schemas 准备 action call。 - 在创建、更新或删除生产数据之前，先请求确认。
关键习惯是：把发现到的 schemas 当作事实来源，而不是把 skill 文本本身当作最终依据。
优先阅读的 repository 文件
这个 skill 有意保持精简。建议从这里开始：
SKILL.md— 包含前置条件、Rube MCP 设置、先 discovery 后执行的工作流，以及示例 tool calls。
该 skill 目录中没有可见的 scripts/、resources/、references/、rules/ 或 README.md 文件。这降低了上手成本，但也意味着你不应期待它提供打包好的工作流、测试夹具或现成的 Callingly playbooks。
callingly-automation skill 常见问题
callingly-automation 是否适合生产级 Workflow Automation？
如果你的 MCP client、Rube connection 和 Callingly authentication 已经稳定，它可以用于生产工作流。不过，这个 skill 更像是一套执行模式，而不是完整的自动化系统。它告诉 agent 如何通过 Rube MCP 安全地发现并调用 Callingly tools；它并不提供完整应用、调度器、队列或回滚层。
什么时候不应该使用 callingly-automation？
如果你需要直接编写 Callingly API 代码、在没有 MCP 的情况下离线自动化，或需要带版本化函数的文档化 library，就不应使用 callingly-automation。如果你无法连接 Rube MCP，或无法通过 Composio 授权 Callingly toolkit，它也不适合。
对于高风险的批量更新，只有在你额外加入自己的 review step、dry-run 流程或 record-level approval rule 之后，才应使用该 skill。
新手可以使用这个 skill 吗？
可以，但前提是理解基本 MCP 流程：连接 server、认证 toolkit、发现 tools，然后执行。这个 skill 的核心概念并不复杂，但用户仍然需要识别 connection states、auth links、tool schemas，以及计划变更和执行变更之间的区别。
如果你刚开始使用，建议先从只读 discovery prompts 入手，再让 agent 修改 Callingly 数据。
它和直接使用 Rube 有什么区别？
直接使用 Rube 可以获得相同的底层访问能力，但 callingly-automation 为 Callingly 增加了面向任务的操作指令。它的价值不在于额外代码，而在于通过强制执行前的 tool discovery 和 connection checking，减少 agent 的猜测。
如何改进 callingly-automation skill
用具体上下文改进 callingly-automation prompts
提升效果最快的方法，是给 agent 提供业务操作上下文。包括 workflow name、lead stage、期望的 call outcome、允许的 actions，以及 confirmation rules。
较弱的 prompt：
Automate Callingly.
更好的 prompt：
Use callingly-automation to discover current Rube tools for Callingly lead callbacks. Check the connection first. I want to review overdue inbound leads and prepare a proposed callback workflow. Do not update records until I approve the exact action and fields.
这样可以减少 schema 错误，并避免 agent 在业务意图明确之前就开始操作。
避免常见失败模式
常见问题包括跳过 RUBE_SEARCH_TOOLS、使用未激活的 Callingly 连接、假设旧的 tool parameters，或在没有 record confirmation 的情况下进行大范围更新。应通过要求 agent 在执行前展示 discovered tool slug、required fields、optional fields 和 intended action 来规避这些问题。
对于敏感工作流，建议采用两步流程：先“plan only”，再“execute after confirmation”。
根据第一次输出继续迭代
第一次 tool discovery 得到结果后，应基于返回的 schemas 细化任务。如果某个 tool 需要你尚未提供的字段，请明确补充，而不是让 agent 自行推断。如果多个 tools 都匹配，请让 agent 先按用途、必填输入和风险进行比较，再选择其中一个。
这对于 callingly-automation 尤其重要，因为同一个业务目标可能会根据账号配置，对应到不同的 Callingly operations。
为团队补充本地使用规则
为了更稳妥地推广使用，可以将该 skill 与你自己的本地操作规则配套：哪些 Callingly workflows 可以编辑、谁批准生产变更、什么算破坏性操作，以及 agent 在什么情况下必须停止。上游 skill 不包含自定义安全护栏，因此团队在使用 callingly-automation 做 Workflow Automation 时，应添加自己的确认策略。