yelp-automation
作者 ComposioHQyelp-automation 是一个用于 Yelp 工作流的 Claude skill，通过 Composio Rube MCP 运行。它会引导 agent 搜索当前可用工具、验证 Yelp 连接，并按返回的 schema 执行任务。
该 skill 评分为 66/100，作为目录条目属于可接受但能力有限。目录用户可以获得足够信息，了解它能帮助 agent 通过 Composio 的 Rube MCP 路由 Yelp 相关请求，并包含连接检查和工具发现；但应预期它更像一个轻量封装，而不是完整自包含的 Yelp 工作流库。
- 有效的 skill frontmatter 清楚标识触发领域为通过 Rube MCP 进行 Yelp 自动化，并声明了所需的 `rube` MCP 依赖。
- 前置条件和设置步骤说明了必须连接 Rube MCP、Yelp 授权必须为 ACTIVE，并且应在工作流开始前调用 `RUBE_SEARCH_TOOLS`。
- 核心工作流模式为 agent 提供了可重复的流程：先发现工具，再检查 Yelp 连接，然后使用当前 schema 执行，而不是猜测可能已过时的参数。
- 仓库中未记录具体的 Yelp 操作和 schema；该 skill 依赖实时 `RUBE_SEARCH_TOOLS` 发现当前工具 slug、输入项和潜在注意点。
- 未包含支持文件、脚本、README 或安装命令，因此采用它的前提是用户已经熟悉如何配置 Rube MCP 和 Yelp 连接。
yelp-automation skill 概览
yelp-automation 适合用来做什么
yelp-automation 是一个 Claude skill，用于通过 Composio 的 Rube MCP server 执行 Yelp 相关工作流。它不会把某一种 Yelp API 格式写死，而是要求 agent 先发现当前可用的 Yelp tools，验证 Yelp connection，再按照 Rube 返回的 schema 执行任务。
当你希望 agent 在更大的 Workflow Automation 设置中处理 Yelp 操作时，可以使用 yelp-automation，尤其适合工具可用性或输入 schema 可能变化的场景。
最适合的用户和任务
yelp-automation skill 最适合已经在使用 Claude 或其他支持 MCP 的客户端，并希望把 Yelp actions 接入可复用工作流的用户。典型任务包括：为某个任务找到合适的 Yelp tool、检查 Yelp connection 是否处于可用状态，以及在完成 schema discovery 后安全执行 Yelp operation。
它对运营人员、自动化构建者、本地商家研究人员和 agent workflow 开发者尤其有用，适合偏好通过工具执行任务、而不是手动浏览 Yelp 的团队或个人。
这个 skill 有什么不同
它最核心的差异是“先搜索工具”的模式。该 skill 不假设 Yelp tool name 或输入参数是固定的。它要求先调用 RUBE_SEARCH_TOOLS，再执行任务，这样 agent 可以使用 Rube 返回的最新 tool slugs、schemas、execution plans 和 pitfalls。
因此，相比“use Yelp to find businesses”这类泛泛的 prompt，yelp-automation 更可靠：它会在尝试执行任务之前，引导 agent 先完成连接检查和工具发现流程。
采用前需要注意的限制
这不是一个独立的 Yelp scraper、浏览器自动化脚本，也不是直接的 Yelp API wrapper。它依赖 Rube MCP，并且需要通过 Composio 建立可用的 Yelp toolkit connection。仓库路径中只有 SKILL.md，所以这个 skill 很轻量：安装前应该阅读源码，但不要期待其中包含辅助脚本、示例或打包好的参考数据。
如何使用 yelp-automation skill
yelp-automation 安装与设置背景
从 Composio skills repository 安装该 skill：
npx skills add ComposioHQ/awesome-claude-skills --skill yelp-automation
然后使用下面的地址把 Rube MCP 添加到你的客户端配置中：
https://rube.app/mcp
在请求 Yelp 相关任务之前，先确认 MCP server 暴露了 RUBE_SEARCH_TOOLS。该 skill 还要求你使用 RUBE_MANAGE_CONNECTIONS，并将 toolkit 设为 yelp；如果 connection 不是 ACTIVE，请按照返回的授权链接完成授权，并在运行任何 Yelp workflow 前重新检查状态。
这个 skill 需要哪些输入
一个较弱的请求是：“Find restaurants on Yelp.” 更好的 yelp-automation 使用 prompt 应该告诉 agent 任务、地点、筛选条件、输出格式和任何限制：
Use yelp-automation to find highly rated Italian restaurants in Austin, Texas. First discover the current Yelp tools through Rube, confirm the Yelp connection is active, then return up to 10 results with name, rating, review count, price if available, Yelp URL, neighborhood, and a short reason each result matches. Do not invent missing fields.
对于商家查询或评论相关任务，可以补充已知标识符、商家名称、城市、类别、日期范围、排序偏好，以及你需要的是原始 tool output 还是整理后的表格。
建议遵循的实际工作流
先阅读 composio-skills/yelp-automation/SKILL.md。这个 skill 文件夹中没有额外的 README.md、rules/、resources/ 或脚本，因此源文件就是主要操作指南。
一个较好的执行流程是：
- 要求 agent 针对你的具体 Yelp use case 调用
RUBE_SEARCH_TOOLS。 - 在可能的情况下复用返回的 session ID。
- 要求它针对
yelp调用RUBE_MANAGE_CONNECTIONS。 - 如果连接处于 active 状态，使用 discovery 返回的准确 schema 执行选定的 Rube tool。
- 要求输出简明结果摘要，并附上后续步骤可能需要的 raw IDs。
这个顺序很重要，因为 Rube 返回的 tool name 或必填字段，可能与你预期的不一样。
获得更好结果的 prompt 写法
为了在 Workflow Automation 中更可靠地使用 yelp-automation，prompt 最好把发现、执行和格式化分开：
Discover the available Yelp tools for searching local businesses near
94103. Check the Yelp connection. If active, run the appropriate tool for “coffee shops open now with at least 4 stars.” Return a markdown table with name, rating, review count, address, phone, Yelp URL, and any missing fields markedUnavailable. Explain which Rube tool was selected and why.
这样可以提升输出质量，因为 agent 有足够上下文来选择正确的工具，避免猜测 schema，并生成下游工作流可以解析的数据。
yelp-automation skill 常见问题
yelp-automation 是 Yelp API client 吗？
不是。yelp-automation 是一个 skill，用来引导支持 MCP 的 agent 通过 Rube MCP 使用 Composio 的 Yelp toolkit。实际的 tools、schemas 和授权都由 Rube 处理，而不是由这个 skill 内部附带的代码处理。
什么时候不该使用这个 skill？
如果你需要离线数据集、大规模抓取、直接控制 Yelp API credentials，或者需要不受 Rube 当前 toolkit schema 影响的固定字段，就不适合使用它。如果你的客户端无法连接 MCP servers，或者你无法完成 Yelp connection 授权，它也不是合适选择。
它比普通 prompt 好在哪里？
普通 prompt 可能会让模型凭记忆推理 Yelp 信息，或者以不稳定的方式浏览网页。yelp-automation skill 强制使用 tool-first 工作流：发现当前 Yelp tools、检查连接状态，并按照返回的 schema 执行。这可以减少虚构 tool calls，也让工作流更容易复用。
yelp-automation skill 对新手友好吗？
如果你已经理解 MCP 的基础概念，它对新手是友好的。设置流程很短，但用户需要能检查 tool availability、完成 connection 授权，并要求 agent 使用返回的 schemas。新手应先从简单的搜索任务开始，再把 Yelp 结果串入更大的自动化流程。
如何改进 yelp-automation skill
用更清晰的约束改进 yelp-automation prompts
最大的质量提升来自明确的任务约束。请包含地点、类别、结果数量、排序标准、必需字段，以及缺失值如何处理。例如，“top-rated dentists in Denver”不如“return 15 dentists within Denver, sorted by rating then review count, with phone, address, Yelp URL, and Unavailable for missing fields.”有用。
避免常见失败模式
常见问题包括跳过 RUBE_SEARCH_TOOLS、假设旧 schema 仍然有效、在 connection 尚未 active 前尝试运行 Yelp actions，或请求选定 tool 并不返回的字段。请明确告诉 agent：“Do not execute until tool discovery and connection check are complete,” 以及 “Use only fields present in the tool response.”
根据第一次输出继续迭代
第一次运行后，可以通过要求去重、更严格的筛选、用于后续调用的 raw identifiers，或不同的输出结构来改进工作流。如果结果太少，可以放宽半径、类别或价格筛选。如果结果太宽泛，可以添加 neighborhood、open-now status、minimum review count 或 business attributes。
维护者可以补充的改进
如果增加一个小型示例区，展示常见 Yelp workflows、sample prompts、预期的 RUBE_SEARCH_TOOLS 用法，以及 inactive connections 的 troubleshooting notes，yelp-automation skill 会更完善。补充一个简短的“when not to use”部分和示例输出表格，也能帮助用户更快判断是否值得安装该 skill。