streamtime-automation
作者 ComposioHQstreamtime-automation 可帮助 Claude 通过 Composio Rube MCP 自动化 Streamtime 工作流：先发现当前工具 schema、检查 Streamtime 连接，再安全执行任务。
该 skill 评分为 67/100，适合收录但能力相对有限。目录用户可以了解何时使用它，以及如何通过 Rube MCP 开始进行 Streamtime 自动化；但也应预期它更像是围绕工具发现的轻量封装，而不是一套丰富的 Streamtime 专属工作流。
- 触发条件和适用范围清晰：通过 Rube MCP 使用 Composio 的 Streamtime toolkit 自动化 Streamtime 操作。
- 包含明确的前置条件和设置检查，包括 `RUBE_SEARCH_TOOLS` 可用性，以及使用 toolkit `streamtime` 的 `RUBE_MANAGE_CONNECTIONS`。
- 强调执行前先发现 schema，有助于减少 agent 基于过期工具信息进行猜测的风险。
- 完全依赖 Rube MCP 和已启用的 Streamtime 连接；该 skill 无法独立运行。
- 提供的 Streamtime 专属流程示例和边界场景处理较有限，主要依靠实时 `RUBE_SEARCH_TOOLS` 发现当前 schema。
streamtime-automation skill 概览
streamtime-automation 能做什么
streamtime-automation 是一个 Claude skill，用于通过 Composio 的 Rube MCP server 执行 Streamtime 工作流自动化。streamtime-automation skill 可以帮助 AI agent 发现当前可用的 Streamtime tool schema，验证用户的 Streamtime 连接状态，并在不依赖过时硬编码 API 假设的情况下执行 Streamtime 操作。
这个 skill 最适合已经使用 Streamtime 管理 job、排期、工时、任务、客户或项目运营的用户；他们希望 assistant 通过 MCP 执行可重复操作，而不只是生成操作说明。
最适合的用户与工作流
当你希望 Claude 作为 Streamtime 的运营 assistant，尤其是处理依赖实时 tool 可用性的工作流自动化时，可以使用 streamtime-automation skill。适合的场景包括：检查可用的 Streamtime action、准备结构化请求、更新记录、检索 project 或 job 数据，以及在确认当前连接有效后串联多个 Streamtime 步骤。
它对已经通过 Rube MCP 连接 Streamtime、并且需要可靠执行模式的团队最有价值；如果只是想要泛泛的效率建议，它并不是最佳选择。
关键差异：先搜索 tools
这个 skill 最重要的设计选择，是要求 agent 在做任何其他事情之前先调用 RUBE_SEARCH_TOOLS。这一点很关键，因为 Composio 的 tool schema 可能会变化，而 Streamtime action 可能要求特定字段名或输入格式。这个 skill 的价值不在于庞大的本地代码库，而在于一套严谨的执行模式：先发现 tools，再确认连接，最后用最新 schema 执行正确操作。
采用前需要考虑的事项
这是一个轻量级 skill，只有一个 SKILL.md，不包含打包脚本、示例或参考文件。这让安装更简单，但也意味着成功使用它依赖可用的 MCP 设置和清晰的用户意图。如果你无法使用 Rube MCP，或者不能通过 RUBE_MANAGE_CONNECTIONS 授权 Streamtime，这个 skill 就无法执行实时自动化。
如何使用 streamtime-automation skill
streamtime-automation 安装环境
从 Composio skills repository 安装该 skill，然后在支持 MCP 的 Claude 环境中使用：
npx skills add ComposioHQ/awesome-claude-skills --skill streamtime-automation
上游 SKILL.md 没有定义自定义安装脚本。运行时必需依赖是 Rube MCP。你需要在客户端配置中将 https://rube.app/mcp 添加为 MCP server，然后确认 MCP tools 可见。agent 预期使用的关键 tools 是 RUBE_SEARCH_TOOLS 和 RUBE_MANAGE_CONNECTIONS。
使用前的必要设置
在请求执行 Streamtime action 之前，请确保 assistant 能完成以下设置流程：
- 确认
RUBE_SEARCH_TOOLS有响应。 - 使用
RUBE_MANAGE_CONNECTIONS，并将 toolkit 设置为streamtime。 - 如果连接不是
ACTIVE，按返回的 authentication link 完成授权。 - 在执行任何工作流之前，重新检查连接状态。
这很重要，因为再好的 prompt 也无法弥补未激活的 Streamtime 连接。如果认证未完成，应要求 agent 在连接检查后停止，而不是编造结果。
如何写好 prompt 来使用这个 skill
较弱的请求是：“Update Streamtime.”
更好的请求是：
“Use the streamtime-automation skill. First call RUBE_SEARCH_TOOLS for current Streamtime schemas. Then check the streamtime connection. If active, find the relevant tool for updating a job status. I need job <job name or ID> changed to <status>. Show me the tool name, required fields, and ask before executing if any required identifier is missing.”
这样更有效，因为它同时给出了目标对象、期望动作、安全边界和发现要求。对于只读任务，请明确说明。对于写入操作，请说明 agent 是否可以立即执行，还是必须先给出 dry-run plan。
优先阅读的 repository 文件
先阅读 composio-skills/streamtime-automation/SKILL.md。该 skill 目录中没有额外的 README.md、rules/、resources/、references/ 或 scripts/ 文件夹，因此 SKILL.md 是唯一可信来源。
审阅时重点看 prerequisite list、setup sequence，以及 “Tool Discovery” 模式。最重要的操作指令是：针对具体的 Streamtime 任务搜索 tools，而不是只用泛泛的 “Streamtime operations” 查询。
streamtime-automation skill 常见问题
streamtime-automation 只适合开发者吗？
不是。Streamtime 用户不需要写代码，但需要有人在客户端中配置 MCP access。Rube MCP 和 Streamtime 连接激活后，非开发者也可以通过业务语言描述 Streamtime 任务，让 agent 发现正确的 tool schema，从而使用 streamtime-automation skill。
它为什么比普通 prompt 更好？
普通 prompt 可能会猜测 Streamtime API 结构，或者只生成手动操作说明。这个 skill 会指示 agent 使用 Rube MCP，搜索当前 Streamtime tools，检查认证状态，并遵循返回的 schemas。对于字段名、tool slug 和必填输入都很重要的实时工作流自动化，它更可靠。
什么时候不应该使用这个 skill？
如果你只需要通用的 Streamtime 操作指南、政策文档，或不涉及实时执行的工作流图，不要使用它。你的环境无法暴露 Rube MCP tools、无法完成 Streamtime 授权，或需要完全离线自动化时，也应避免使用。该 skill 依赖外部 Rube MCP tool layer。
安装前应该验证什么？
确认你的 AI client 支持 MCP servers，可以添加 https://rube.app/mcp，并且你的组织允许通过 Composio/Rube 连接 Streamtime。还要检查你计划的工作流是否会写入生产数据。对于破坏性变更或与计费相关的变更，应要求 agent 在执行前展示发现到的 tool 和拟提交的 payload。
如何改进 streamtime-automation skill
用标识符改进 streamtime-automation prompt
提升结果质量最快的方法，是提供稳定的标识符：job ID、client name、task name、date range、team member、project status，或准确的 Streamtime object name。如果你只给出模糊描述，agent 可能需要额外查询步骤，也可能找到多条匹配记录。
推荐写法：“Find active jobs for client Acme Studio created after 2025-01-01, then summarize matching IDs before any update.”
避免写法：“Clean up Acme jobs.”
用明确执行规则减少失败
对于写入类工作流，请加入确认规则。例如：
“Discover the current Streamtime tool schema, prepare the payload, and stop for approval before executing any update.”
对于只读工作流，可以授权立即运行：
“This is read-only. You may execute the discovered search/list tools after confirming the Streamtime connection is active.”
这些规则可以减少误改数据的风险，也能帮助 agent 选择更合适的执行计划。
根据第一次输出继续迭代
第一次运行后，要求返回发现到的 tool slug、必填字段、可选字段，以及 RUBE_SEARCH_TOOLS 返回的任何注意事项。你可以把这些信息保存到团队内部工作流笔记中，但后续会话仍应要求重新发现，因为 schemas 可能变化。
如果结果不完整，不要只说 “try again”。应补充缺失约束：date range、Streamtime object type、status、owner，或是否应包含 archived records。
如果团队反复执行同类任务，添加本地指导
由于上游 skill 有意保持极简，团队可以通过添加自己的 wrapper prompts 或内部 runbooks 来提升实际使用效果。值得补充的内容包括：已批准的 Streamtime actions、未经审批绝不能更改的字段、标准日期格式、命名约定，以及安全 dry-run request 示例。这样既能保持 streamtime-automation 的聚焦，又能让它更可靠地服务于你们特定的 Workflow Automation 需求。