deepgram-automation
作者 ComposioHQdeepgram-automation 是一个 Claude skill，用于通过 Composio Rube MCP 自动化 Deepgram 任务。它可用于发现当前工具 schema、验证有效的 Deepgram 连接，并运行以 schema 为先的工作流。
该 skill 评分为 66/100，达到目录收录的可接受水平，但能力边界较明显。目录用户可以获得一套通过 Rube MCP 自动化 Deepgram 的可用 agent 工作流模式，但更适合把它视为轻量编排指南，而不是完整的 Deepgram 操作手册。
- Frontmatter 有效，MCP 要求清晰，适用触发场景明确：通过 Rube MCP 执行 Deepgram 相关操作。
- 提供了前置条件和设置步骤，包括检查 RUBE_SEARCH_TOOLS，以及使用 RUBE_MANAGE_CONNECTIONS 管理 Deepgram 连接。
- 强调在执行前先发现当前工具 schema，可降低使用 Composio/Rube 工具的 agent 遇到 schema 漂移的风险。
- 除 SKILL.md 外没有支持文件、脚本、示例或 README，因此执行高度依赖实时的 Rube 工具发现，而不是仓库内置指引。
- 配置需要 Rube MCP 和有效的 Deepgram 连接；该仓库未提供安装命令，也没有更深入的故障排查路径。
deepgram-automation skill 概览
deepgram-automation 适合做什么
deepgram-automation 是一个 Claude skill，用于通过 Composio 的 Rube MCP server 自动化处理 Deepgram 相关操作。它不会硬编码 Deepgram tool 名称，也不会依赖可能已经过时的请求结构；相反，这个 skill 会要求 agent 先发现当前可用的 Deepgram tools，确认用户的 Deepgram connection，然后再使用返回的 schema 执行所选 workflow。
最适合的用户与 workflow
这个 deepgram-automation skill 更适合已经在使用支持 MCP 的 agent，并希望把 Deepgram 相关任务放进更大自动化流程中的用户。它适用于 Workflow Automation 场景：例如准备转写任务、检查当前可用的 Deepgram actions，或把 Deepgram steps 接入可重复执行的 agent 流程，让 speech AI 操作能够与其他工具协同运行。
核心差异：以 schema 优先执行
这里最重要的设计选择是“先搜索 tools”。Deepgram 和 Composio 的 tool schemas 可能发生变化，因此 deepgram-automation 会指示 agent 在执行任务前先调用 RUBE_SEARCH_TOOLS。这样可以减少脆弱的 prompt，避免猜测参数，并让 agent 在尝试 Deepgram 操作之前拿到最新的 tool slugs、输入字段、执行计划和潜在问题。
安装前需要先确认的条件
安装前，请确认你的 client 能使用 MCP servers，并且 Rube MCP 可通过 https://rube.app/mcp 访问。你还需要在 Rube 中通过 RUBE_MANAGE_CONNECTIONS 使用 toolkit deepgram 建立有效的 Deepgram connection。这个 skill 有意保持轻量：repository path 主要包含 SKILL.md，没有额外 scripts、examples 或本地 helper files。
如何使用 deepgram-automation skill
deepgram-automation 的安装方式与 repository path
从 skills repository 安装：
npx skills add ComposioHQ/awesome-claude-skills --skill deepgram-automation
然后查看源码位置：
composio-skills/deepgram-automation/SKILL.md
当前 skill 文件夹中没有单独的 README 或 script directory，因此应优先阅读 SKILL.md。它包含 prerequisites、setup flow、tool discovery pattern，以及预期的操作顺序。
配置 Rube MCP 与 Deepgram 访问权限
在你的 AI client 中将 Rube 添加为 MCP server：
https://rube.app/mcp
server 可用后，先验证 RUBE_SEARCH_TOOLS 是否有响应。然后使用 RUBE_MANAGE_CONNECTIONS 并指定 deepgram toolkit。如果返回的 connection status 不是 ACTIVE，请按照 Rube 提供的 authentication link 完成授权，并在要求 agent 执行 Deepgram actions 之前再次检查 connection 状态。
一个更可靠的 setup 顺序是：
- 确认 client 中可以看到
RUBE_SEARCH_TOOLS。 - 针对 toolkit
deepgram调用RUBE_MANAGE_CONNECTIONS。 - 如果 Rube 返回 connection link，先完成 auth。
- 再次检查 Deepgram connection 是否为
ACTIVE。 - 之后再要求 agent 发现并执行具体的 Deepgram workflow。
把模糊目标改写成可执行的 prompt
较弱的 prompt 是：“Use Deepgram to transcribe this.”
更好的 deepgram-automation 使用 prompt 会告诉 agent 任务、来源、期望输出和执行约束：
“Use the deepgram-automation skill. First call RUBE_SEARCH_TOOLS for the current Deepgram tools and schemas. Confirm the Deepgram connection is active with RUBE_MANAGE_CONNECTIONS. Then run the appropriate Deepgram workflow for this audio URL: https://example.com/call.mp3. I need speaker-aware transcript output if supported by the returned schema, plus timestamps and a short summary. Do not guess parameter names; use only fields returned by tool discovery.”
这种写法效果更好，因为它强化了该 skill 的 schema-first 规则，并给了 agent 足够的判断条件来选择合适的 Deepgram operation。
用于可重复自动化的实用 workflow
对于可重复执行的 workflow，第一次运行应保持探索性。可以要求 agent 在执行前展示已发现的 Deepgram tool slug、必填字段、可选字段和假设条件。成功运行后，把可用的 prompt pattern 保存到你自己的项目笔记中。由于这个 skill 依赖 Rube 的实时 tool discovery，不要在没有重新检查 schema 的情况下直接复用旧会话里的参数名。
deepgram-automation skill 常见问题
deepgram-automation 能替代 Deepgram SDK 吗？
不能。deepgram-automation 不是本地 SDK wrapper，也不是独立 CLI。它是一个 agent skill，会通过 Rube MCP 和 Composio 的 Deepgram toolkit 来路由 Deepgram 工作。当你希望支持 MCP 的 assistant 在自动化 workflow 中发现并执行 Deepgram actions 时，适合使用它。
什么情况下不适合使用这个 skill？
如果你的环境无法连接 MCP servers、需要完全离线执行，或你的团队要求通过 Deepgram SDK 进行直接的代码级控制，就不适合使用它。如果你想要的是完整的生产集成模板，它也不是理想选择，因为当前 skill 文件夹提供的是操作说明，而不是应用代码。
它为什么比普通 prompt 更可靠？
普通 prompt 可能导致 agent 编造 Deepgram tool 名称、假设过时字段，或跳过 authentication 检查。deepgram-automation skill 会给 agent 一个更严格的操作顺序：搜索 Rube tools、检查当前 schemas、确认 Deepgram connection，然后再执行。这让它在 Workflow Automation 中比泛泛的“call Deepgram”指令更可靠。
它适合新手吗？
如果你已经有支持 MCP 的 client，并且能按照 authentication link 完成授权，它对新手是友好的。如果你从未配置过 MCP 或外部 tool connections，上手难度会更高。需要理解的核心概念是：在 Rube 确认可用 tools 和有效的 Deepgram connection 之前，agent 不应该执行 Deepgram actions。
如何改进 deepgram-automation skill
提供更完整的任务输入
要让 deepgram-automation 得到更好的结果，请提供音频来源、期望输出格式、语言预期、是否需要时间戳、是否需要说话人标注，以及后续用途。例如，“Return a JSON-ready transcript with timestamps and speaker labels if the discovered Deepgram schema supports them” 比 “transcribe this meeting” 更具可执行性。
避免常见失败模式
最常见的失败是跳过 discovery，直接猜字段。请在 prompt 中明确说明：“Call RUBE_SEARCH_TOOLS first and use only the returned schema.” 另一个常见问题是在 authentication 尚未激活前就尝试执行。可以要求 agent 在运行 workflow 前，先报告 RUBE_MANAGE_CONNECTIONS 返回的 deepgram connection status。
首次运行后继续迭代
拿到第一次结果后，根据真正重要的目标继续优化：准确率、格式、时间戳、diarization、摘要，或下游自动化。可以询问 agent 当前 schema 中有哪些可选字段可用但未使用。如果结果结构不正确，不要只要求重写；应要求 agent 重新发现相关 Deepgram tool，并把上一次 request 与当前 schema 进行对比。
面向团队使用改进这个 skill
团队可以通过补充本地示例来改进这份 deepgram-automation 指南，覆盖常见 Deepgram jobs：标准 transcript formats、命名规范、存储目标、重试预期，以及外部音频的审批规则。如果你 fork 或扩展这个 skill，请继续突出 schema-first 规则，因为它是避免 Deepgram 自动化说明过时的主要保障。