clearout-automation
作者 ComposioHQclearout-automation 可帮助 agent 通过 Composio Rube MCP 运行 Clearout workflows：发现当前 tool schemas、检查 Clearout connection，并以更少猜测完成执行。
该 skill 评分为 66/100，适合收录到目录中，但更应定位为轻量级的 Rube MCP/Clearout 路由指南，而不是完整的自动化操作手册。目录用户可以获得足够信息来判断何时安装，以及 agent 应如何开始；但大多数实际操作细节仍需要依赖实时 tool discovery。
- 有效的 frontmatter 声明了 skill 名称、描述和 MCP 要求，使其能够较可靠地通过 Rube MCP 触发 Clearout automation。
- 前置条件和设置步骤清楚说明：必须连接 Rube MCP，`RUBE_SEARCH_TOOLS` 必须可用，并且 Clearout connection 必须为 ACTIVE，工作流才能运行。
- 该 skill 反复提醒 agent 使用 `RUBE_SEARCH_TOOLS` 发现当前 tool schemas，从而降低基于过期 Clearout tool 假设操作的风险。
- 除 SKILL.md 外，没有提供支持文件、脚本、参考资料或 README，因此采用前提是用户已经了解 Rube MCP 和 Clearout。
- 工作流指导主要停留在通用的工具发现和连接检查层面；没有展示具体的 Clearout 任务示例或预期输入/输出。
clearout-automation skill 概览
clearout-automation 能做什么
clearout-automation 是一个 Claude skill，用于通过 Composio 的 Rube MCP server 执行 Clearout 相关操作。它可以帮助 agent 发现当前的 Clearout tool schema，检查 Clearout 连接是否处于可用状态，并在不猜测工具名称或沿用过期参数的情况下执行 Clearout 工作流步骤。
它解决的核心问题是实际的 Workflow Automation：让 AI assistant 以受控、感知 schema 的方式使用 Clearout，而不是在 prompt、API 文档和连接设置页面之间来回手动切换。
最适合的用户与工作流
clearout-automation skill 适合已经希望在支持 MCP 的 assistant 中自动化 Clearout 任务的用户。它适用于把联系人数据验证、清洗或丰富纳入线索运营、CRM 数据维护、外呼准备或数据质量检查流程的团队。
当你的工作流依赖实时工具发现时，它尤其有用。这个 skill 明确要求 agent 在执行前调用 RUBE_SEARCH_TOOLS，这一点很关键，因为 Composio 的 tool schema 可能会变化，Clearout 操作也可能需要特定字段。
关键差异：先搜索工具
安装这个 skill 的最大理由，并不是它内置了庞大的工作流库。它本身有意保持轻量。它的价值在于操作模式：连接 Rube MCP，确认 Clearout toolkit 连接状态，针对具体用例发现可用的 Clearout 工具，然后用返回的 schema 运行选定工具。
因此，clearout-automation 比泛泛地提示“use Clearout”更可靠，因为它会推动 agent 在尝试操作前先验证当前能力。
如何使用 clearout-automation skill
clearout-automation 安装与设置背景
从 Composio skills repository 安装该 skill：
npx skills add ComposioHQ/awesome-claude-skills --skill clearout-automation
这个 skill 需要 Rube MCP。请在你的 AI client 配置中将 https://rube.app/mcp 添加为 MCP server。然后确认 RUBE_SEARCH_TOOLS 可用。
在运行 Clearout 工作流之前，使用 RUBE_MANAGE_CONNECTIONS 并指定 toolkit clearout。如果连接状态不是 ACTIVE，请按照返回的认证链接完成设置。在连接变为 active 之前，不要让 agent 执行 Clearout 操作。
你需要提供哪些输入
要获得更好的 clearout-automation 使用效果，请向 agent 提供业务任务、数据结构以及期望输出。一个较弱的 prompt 是：
“Validate these leads with Clearout.”
更好的 prompt 是：
“Use clearout-automation to check which Clearout tools are available through Rube MCP, confirm the Clearout connection is active, then validate this batch of email addresses. Return a table with original email, Clearout result/status, confidence or reason if available, and a recommended action: keep, review, or suppress.”
有用的输入包括：
- 明确的 Clearout 任务：validation、lookup、enrichment、list hygiene，或其他受支持的操作
- 示例记录或文件格式：CSV columns、JSON fields、CRM field names
- 输出规则：需要返回的字段、suppression 逻辑、review 阈值
- 安全约束：不要修改源系统、不要发送营销活动、不要覆盖 CRM 记录
建议采用的实际工作流
一个可靠的 clearout-automation 使用流程应当是：
- 要求 agent 针对某个具体 Clearout 任务调用该 skill。
- 让它用清晰的 use case 调用
RUBE_SEARCH_TOOLS，例如validate email addresses before CRM import。 - 查看返回的 tool slugs、schemas 和 execution notes。
- 使用
RUBE_MANAGE_CONNECTIONS确认 Clearout 连接。 - 只使用已发现 schema 所要求的字段来运行选定工具。
- 要求输出一份简短的执行摘要：已处理记录数、失败项、不确定结果以及下一步建议。
这个顺序可以避免一个常见失败模式：agent 自行编造 Clearout API 结构，或在认证尚未就绪时调用工具。
优先阅读的 repository 文件
这个 skill 的 repository 内容很精简：关键文件是 composio-skills/clearout-automation 下的 SKILL.md。如果你想在安装前确认 MCP 要求、设置顺序和工具发现模式，建议先阅读它。
当前 skill 目录中没有打包脚本、参考数据集或规则文件夹。应将它视为一个 MCP 编排 skill，而不是独立的 Clearout client 或本地自动化包。
clearout-automation skill 常见问题
clearout-automation 本身就足够使用 Clearout 吗？
不够。clearout-automation skill 依赖 Rube MCP，以及通过 Composio 建立的 active Clearout connection。它不包含 Clearout credentials、本地 API wrapper 或 batch-processing script。它的目的，是引导 AI agent 通过 MCP 安全地使用可用的 Clearout toolkit。
它比普通 prompt 好在哪里？
普通 prompt 可能只是让模型“use Clearout”，但模型可能会猜错工具名称、使用过期字段，或跳过连接检查。clearout-automation skill 增加了一个可重复的控制步骤：始终先搜索工具，再管理连接，然后基于当前 schema 执行。
当可靠性比对话便利性更重要时，这一点很有价值。
这个 skill 适合新手吗？
如果你的 AI client 已经支持 MCP，并且你可以添加 Rube MCP endpoint，那么它对新手是友好的。如果你从未配置过 MCP servers 或 tool connections，首次设置可能需要多花一些时间。skill 本身很简单，但它假设周边 MCP 环境已经正常工作。
什么时候不应该使用这个 skill？
如果你需要离线 email validation library、不经过 MCP 的直接 Clearout API integration，或一个包含 retries、storage 和 reporting 的完整数据 pipeline，就不要使用 clearout-automation。如果你的组织不允许通过已连接的自动化工具发送联系人数据，它也不适合。
如何改进 clearout-automation skill 的使用效果
改进 clearout-automation 输入
提升 clearout-automation 结果质量最快的方法，是说明你希望在 Clearout 运行后做出什么实际决策。不要只要求验证，而是明确每种结果应当如何处理。
例如：
“Validate these emails and classify each record as import, manual review, or suppress. Suppress invalid, disposable, or risky results if Clearout returns those categories. If a status is ambiguous, mark review rather than suppress.”
这给了 agent 一个决策框架，而不只是一次工具调用。
避免常见失败模式
常见问题包括 Clearout 连接未激活、输入字段缺失、批次边界不清，以及在调用 RUBE_SEARCH_TOOLS 前就假设某个工具存在。如果第一次尝试失败，请让 agent 复述已发现的 schema，指出缺失字段，并用修正后的输入重试。
对于较大的任务，先用 5–10 条记录测试。确认返回状态和输出格式后，再提交完整列表。
为数据处理添加操作规则
由于 Clearout 工作流经常涉及联系人数据，请在 prompt 中加入明确的数据处理规则。告诉 agent 是否可以保存输出、修改 CRM 记录，还是只能生成报告。如果数据敏感，请指示它只处理你提供的字段，并避免在日志或摘要中加入不必要的个人数据。
清晰的规则可以降低 agent 通过 MCP 访问多个工具时意外越权操作的风险。
在首次输出后继续迭代
首次运行后，可以要求三项内容来改进工作流：按 Clearout status 统计数量、不确定记录示例，以及建议的阈值调整。如果结果会进入 sales、marketing 或 CRM import 步骤，请让 agent 同时生成面向人工阅读的摘要和便于机器处理的输出表。
这样可以把 clearout-automation 从一次性的工具调用，变成可重复使用的联系人数据质量检查点。