tavily-automation
作者 ComposioHQtavily-automation 可帮助 agent 通过 Composio Rube MCP 运行 Tavily Web Research：先用 RUBE_SEARCH_TOOLS 发现当前可用工具，检查 Tavily 连接，并在执行前使用实时 schemas。
该 skill 得分为 66/100，表示可以收录到目录中，但能力较有限。目录用户能获得足够信息，理解它如何通过 Rube MCP 启用 Tavily 自动化，以及 agent 应如何开始使用；但该条目更适合视为一个轻量级连接器工作流，而不是功能丰富、面向具体任务的自动化包。
- 有效的 skill 元数据清晰声明了所需的 MCP 依赖（`rube`），并简明说明了 Tavily 自动化用途。
- 提供了明确的配置前提：添加 `https://rube.app/mcp`、验证 `RUBE_SEARCH_TOOLS`、管理 Tavily 连接，并在使用前确认 ACTIVE 状态。
- 强调先进行工具发现，有助于在 Tavily 工具定义变化时减少对 schema 的猜测。
- 不包含支持文件、脚本或参考示例；该 skill 本质上只是一个单一的 MCP 工作流指南。
- 没有说明具体的 Tavily 使用场景或预期输出，因此 agent 在运行时仍然高度依赖 RUBE_SEARCH_TOOLS 及其返回的 schemas。
tavily-automation skill 概览
tavily-automation 能做什么
tavily-automation 是一个 Claude skill，用于通过 Composio 的 Rube MCP server 执行 Tavily web research 操作。它的核心规则不是硬编码 Tavily 工具名，也不是依赖可能过期的 schema，而是先调用 RUBE_SEARCH_TOOLS，发现当前可用的 Tavily tools，再根据返回的 schema 和执行指引完成任务。
最适合的 Web Research 工作流
tavily-automation skill 适合希望让 agent 在支持 MCP 的客户端中完成实时 web research、基于搜索的数据收集、来源发现，或使用 Tavily 做信息增强的用户。它尤其适用于依赖实时工具 schema 的工作流，因为该 skill 会明确要求 agent 在执行前先经过 Rube 的工具发现步骤。
安装前必须理解的关键依赖
这个 skill 不是一个独立的 Tavily wrapper。它需要 Rube MCP，并且需要通过 Composio 管理一个可用的 Tavily connection。仓库中的 SKILL.md 写明了 requires: mcp: [rube]，因此能否采用它，取决于你的 Claude 或 agent 客户端是否可以添加 https://rube.app/mcp 作为 MCP server，并暴露 RUBE_SEARCH_TOOLS、RUBE_MANAGE_CONNECTIONS 等工具。
相比通用 prompt 的主要差异
一个泛泛的“use Tavily”prompt，可能会在工具名、字段或连接状态未知时失败。tavily-automation 通过强制执行一套流程来减少这种猜测：发现工具、验证 Tavily connection、使用已发现的 schema、执行任务，并根据返回的工具指引进行调整。
如何使用 tavily-automation skill
tavily-automation 的安装与设置路径
从本目录使用的仓库路径安装该 skill：
npx skills add ComposioHQ/awesome-claude-skills --skill tavily-automation
然后在你的客户端中添加 Rube MCP：
https://rube.app/mcp
在期待它产生有用输出之前，先确认 RUBE_SEARCH_TOOLS 可用。接着，使用 RUBE_MANAGE_CONNECTIONS，toolkit 填 tavily；如果 connection 不是 ACTIVE，就完成返回的授权流程。不要跳过这一步：tavily-automation 的多数失败更可能是设置失败，而不是 prompt 写得不好。
你需要提供哪些输入
请给 agent 一个具体的研究任务，而不只是一个宽泛主题。好的输入通常包括：
- 你要支持的研究问题或决策
- 目标地区、日期范围、市场、公司或领域
- 所需输出格式，例如 table、source list、brief 或 JSON
- 来源偏好或排除项
- 时效性要求，例如“published in the last 30 days”
- 需要多少条结果或多少个来源
较弱的 prompt：“Research AI search tools.”
更强的 prompt：“Use tavily-automation for Web Research to find current AI search APIs for enterprise research workflows. Prioritize official docs and pricing pages, exclude opinion-only blog posts, and return a comparison table with product, API capability, pricing signal, source URL, and last-accessed note.”
实用的 tavily-automation 使用流程
一个较好的 tavily-automation 使用模式是：
- 要求 agent 针对你的具体 Tavily 任务调用
RUBE_SEARCH_TOOLS。 - 让它检查返回的 tool slugs、input schemas、execution plans 和 known pitfalls。
- 要求它用
RUBE_MANAGE_CONNECTIONS检查 Tavily connection。 - 只有在 connection 处于 active 状态后，才运行 Tavily 操作。
- 要求返回 citations、URLs，并简要说明结果是如何筛选的。
- 如果第一批结果太宽泛，用更窄的后续搜索继续迭代。
这一点很重要，因为 Rube 可以返回当前 schema 和推荐执行方案。如果你让模型自己猜字段名，就会失去这个 skill 的核心价值。
优先阅读的仓库文件
上游 skill 目前主要由 composio-skills/tavily-automation 下的 SKILL.md 构成。请先阅读这个文件，因为它包含前置条件、Rube MCP endpoint、connection 工作流，以及必须“先 search tools”的行为要求。在提供的目录树中，没有可见的辅助 scripts/、references/、resources/ 或 rules/ 文件夹，因此应把 SKILL.md 视为权威操作指南。
tavily-automation skill 常见问题
tavily-automation 适合新手吗？
适合，前提是你能添加 MCP server，并能按照 auth link 完成 Tavily connection 授权。如果你的客户端不能清楚显示可用的 MCP tools，它对新手就不太友好，因为这个 skill 依赖你能看到并调用 RUBE_SEARCH_TOOLS 和 RUBE_MANAGE_CONNECTIONS。
什么时候不该使用 tavily-automation？
不要把 tavily-automation 用于离线分析、私有文档审阅，或不需要实时 web search 的任务。如果你的环境无法使用 Rube MCP、外部 web 访问受限，或者你需要一个完全本地、没有第三方工具连接的研究栈，也不适合使用它。
它和直接调用 Tavily 有什么不同？
直接集成 Tavily 通常需要你了解 API、认证方式和请求 schema。tavily-automation 则通过 Composio，把可用工具发现和连接处理委托给 Rube MCP。这对 agent 工作流很方便，但也意味着你是在 Rube/Composio 工具层之上操作，而不是使用手写的 Tavily API client。
这个 skill 能保证研究结果准确吗？
不能。它能帮助 agent 正确发现并运行 Tavily tools，但搜索结果仍然需要人工审阅。请要求返回 source URLs、可用时的发布日期，并区分已验证事实和模型解读。对于高风险工作，应把 tavily-automation 当作研究加速器，而不是最终权威来源。
如何改进 tavily-automation skill
用更清晰的范围改进 tavily-automation prompts
提升 tavily-automation 输出质量最快的方法，是收紧研究任务范围。把模糊目标改成可以直接用于搜索的指令：受众、市场、时效、来源类型、排除项和最终格式。例如，“find recent regulatory updates affecting fintech KYC in the EU” 会比 “research fintech rules” 更容易执行。
需要留意的常见失败模式
最常见的失败是跳过工具发现。如果 agent 在调用 RUBE_SEARCH_TOOLS 之前就尝试调用 Tavily tool，请把它拉回正确流程。另一个失败点是在 Tavily connection 尚未 active 时就运行任务；应使用 RUBE_MANAGE_CONNECTIONS 验证。第三类失败是直接接受过宽的结果而不再细化。当来源过旧、偏题、重复或过于营销化时，请使用后续搜索继续收窄。
在第一次输出后继续迭代
第一次 Tavily 运行后，让 agent 对缺口进行分类：缺失地区、来源较弱、页面过时，或仍未回答的子问题。然后在合适情况下，使用同一 session 发起第二个更有针对性的查询。好的迭代 prompt 包括：“search only official documentation”、“find contrary evidence”、“limit to 2024-2026 sources”，或 “expand with competitor pricing pages”。
维护者下一步可以补充什么
如果增加一个简短的示例 prompt 库、面向常见 Web Research 任务的 sample RUBE_SEARCH_TOOLS requests，以及针对 inactive Tavily connections 的排障说明，tavily-automation skill 会更容易上手。再加入一个输出质量小清单——citations、dates、deduplication 和 confidence notes——也能帮助用户在不先阅读外部 toolkit docs 的情况下，获得更可靠的研究结果。