token-metrics-automation
作者 ComposioHQtoken-metrics-automation 可帮助 Claude 通过 Composio Rube MCP 运行 Token Metrics 工作流，并采用 schema-first 模式：先验证 Rube MCP，确认存在可用的 token_metrics 连接，使用 RUBE_SEARCH_TOOLS 搜索工具，再执行合适的工作流。
该 skill 评分为 66/100，表示它可以收录进目录，但更适合作为轻量级 MCP 工作流封装来展示，而不是完整的 Token Metrics 自动化实战手册。目录用户能够基本判断何时安装，以及 agent 应如何开始执行；但实际运行仍高度依赖实时 Rube 工具发现和外部 toolkit schema。
- 触发条件和适用范围清晰：它专门用于通过 Rube MCP 调用 Composio 的 Token Metrics toolkit，自动化 Token Metrics 相关操作。
- 包含必要的前置条件和设置检查，包括要求使用 Rube MCP、`RUBE_SEARCH_TOOLS`，并通过 `RUBE_MANAGE_CONNECTIONS` 确认已有可用的 `token_metrics` 连接。
- 提供了对 agent 更安全的“先发现再执行”模式，要求 agent 在执行前获取当前 tool schema，从而降低依赖过期工具假设带来的风险。
- 大部分操作细节都交由 `RUBE_SEARCH_TOOLS` 处理；现有内容没有展示具体的 Token Metrics 任务示例、schema，或发现/连接模式之外的端到端工作流。
- 没有提供配套脚本、参考资料、资源、README 或安装命令，因此采用者需要依赖单一的 SKILL.md 以及外部 Composio/Rube 的实际行为。
token-metrics-automation skill 概览
token-metrics-automation 能做什么
token-metrics-automation 是一个 Claude skill，用于通过 Composio 的 Rube MCP server 运行 Token Metrics 工作流。它的核心目的不是把某一个 Token Metrics 操作写死，而是让 agent 先发现当前可用的 Token Metrics 工具 schema，确认用户的 Token Metrics 连接状态，然后在更少假设的前提下执行合适的 MCP tool。
这一点很重要，因为 Token Metrics automation 依赖实时的工具可用性、认证状态以及不断变化的输入 schema。普通 prompt 可能会编造字段，或调用错误的工具；这个 skill 会引导 agent 在执行前先使用 RUBE_SEARCH_TOOLS。
最适合的用户和工作流
token-metrics-automation skill 适合已经在 Claude 中使用 MCP，并希望通过 Composio 自动化加密研究或 Token Metrics 操作的用户。它适用于发现可用 Token Metrics action、准备结构化 tool call、检查连接状态，以及把 Token Metrics 数据串入更大的研究或报告工作流等场景。
它尤其适合运营人员、分析师和自动化构建者：他们需要的是可重复的“发现、验证、执行”模式，而不是一次性的手动 prompt。
关键差异：以 schema 为先的自动化
这个 skill 最突出的差异，是要求始终先搜索工具。agent 不应假定固定的 API 形态，而应针对具体 Token Metrics 用例调用 RUBE_SEARCH_TOOLS，查看返回的 tool slug 和 schema，然后再继续执行。
这让该 skill 在 Workflow Automation 场景中更安全，因为集成能力会随时间变化。代价是，第一步可能比直接要答案显得慢一些，但它能减少调用失败和幻觉参数。
安装前需要确认什么
在使用 token-metrics-automation 前，请确认你的 AI client 支持 MCP servers，并且可以添加 https://rube.app/mcp 作为 server。上游 skill 只有一个源文件 SKILL.md，因此安装决策应重点判断这种 schema-discovery 模式是否符合你的工作流，而不是期待它提供大量 helper scripts。
如何使用 token-metrics-automation skill
token-metrics-automation 安装场景
典型的 token-metrics-automation 安装方式是通过 AI skill manager，例如：npx skills add ComposioHQ/awesome-claude-skills --skill token-metrics-automation。
添加 skill 后，在你的 client 中配置 Rube MCP：https://rube.app/mcp。然后确认 RUBE_SEARCH_TOOLS 可用。使用 RUBE_MANAGE_CONNECTIONS 并将 toolkit 设为 token_metrics，检查你的 Token Metrics 连接是否为 ACTIVE。如果不是 active，请先完成返回的授权流程，再请求任何 Token Metrics 操作。
这个 skill 需要你提供哪些输入
请给 agent 一个具体的 Token Metrics 任务、期望输出，以及相关约束。较弱的输入是：“Use Token Metrics for Bitcoin.” 更好的输入是：“Using Token Metrics via Rube MCP, discover the available tools first, then retrieve the most relevant BTC token analytics available through the active token_metrics connection. Return a short analyst brief with the tool used, key fields returned, and any missing data.”
有用的细节包括 token symbol 或 ID、时间范围、报告格式、你需要原始数据还是摘要，以及结果是否会进入下一个自动化步骤。
实用的 token-metrics-automation 使用流程
一个良好的 token-metrics-automation 使用流程是：
- 要求 agent 确认 Rube MCP 可用。
- 要求它针对准确的 Token Metrics 用例运行
RUBE_SEARCH_TOOLS。 - 查看返回的 tools、schemas 和注意事项。
- 让 agent 选择最匹配的 tool，并说明必填字段。
- 只有在 Token Metrics 连接为 active 后才执行。
- 要求返回简洁结果，包括 tool names、使用的 parameters 和 limitations。
对于面向 Workflow Automation 的 token-metrics-automation 来说，这个顺序尤其重要，因为后续工作流步骤通常依赖可预测的字段和错误处理。
优先阅读的仓库文件
先阅读 composio-skills/token-metrics-automation/SKILL.md。它包含先决条件、设置步骤、tool discovery 模式和核心工作流。根据提供的目录树，没有可见的 scripts/、references/ 或 resources/ 等支持目录，因此这个 skill 的操作价值集中在这个单一文件中。
审阅时，请重点关注必需的 MCP 依赖、Token Metrics 连接要求，以及在调用工具前反复强调要搜索当前 schema 的说明。
token-metrics-automation skill 常见问题
token-metrics-automation 适合新手吗？
如果你已经熟悉如何把 MCP server 添加到 Claude 或其他兼容 client，那么它对新手是友好的。它不是一个通用的“解释加密货币”skill。主要学习成本在于理解：agent 必须先通过 Rube MCP 发现工具，并完成 Token Metrics toolkit 认证，之后才有可能进行有效的自动化。
它比普通 prompt 好在哪里？
普通 prompt 可能会基于通用知识作答，或猜测某个集成的结构。token-metrics-automation skill 增加了操作层面的护栏：检查 Rube MCP、管理 Token Metrics 连接、搜索工具以获取当前 schema，然后再执行。因此，它更适合真实 tool use，而不是纯对话式的加密市场评论。
什么时候不该使用这个 skill？
如果你只需要加密货币教育性解释、你的 client 无法连接 MCP servers，或者你无法通过 Composio 使用 active 的 Token Metrics 连接，就不适合使用它。如果你需要无需人工审核、保证确定性的生产级流水线，它也不是理想选择，因为实时 tool discovery 和返回的 schema 都可能变化。
它包含 scripts 或自定义代码吗？
不包含。根据仓库结构，token-metrics-automation 是一个围绕 SKILL.md 构建的 prompt-and-workflow skill，不是带有可执行 scripts 的 package。它的价值在于指导 agent 如何正确使用 Rube MCP。
如何改进 token-metrics-automation skill
改进 token-metrics-automation prompts
想获得更好的结果，prompt 需要明确 discovery、execution 和 output shape。例如：“Use token-metrics-automation. First run RUBE_SEARCH_TOOLS for Token Metrics tools that can analyze ETH market signals. If multiple tools match, compare them briefly, choose the best one, execute only with the active token_metrics connection, then return a table of fields retrieved and a short interpretation.”
这会同时给 agent 一个任务、一个决策规则和一个报告格式。
减少常见失败模式
最常见的失败模式包括：跳过 tool discovery、假设过期参数、认证前就尝试执行，以及生成摘要却不说明使用了哪个 tool。应对方法是要求 agent 在执行 action 前展示发现到的 tool slug、必填字段、连接状态以及任何缺失输入。
如果 agent 找不到合适的 tool，要求它清楚说明，而不是临场编造。
根据首次输出继续迭代
首次运行后，可以通过这些问题改进工作流：“Which fields were unavailable?”、“Which schema fields would improve precision?”、“Can this be narrowed by token, date range, or metric type?” 以及 “What should the next automation step consume?”
这样可以把 token-metrics-automation 从一次性请求，转化为可复用的 Workflow Automation 步骤，并让后续交接更清晰。
强化团队使用方式
如果团队共享使用，请在自己的项目说明中记录常用 Token Metrics 任务、批准的输出格式和审核要求。为 token screening、metric extraction 或 analyst briefs 等常见任务添加 prompt snippets。上游 skill 有意保持精简，因此本地约定才是让 token-metrics-automation 在团队内更可靠的关键。