zoominfo-automation
作者 ComposioHQzoominfo-automation 可帮助 agent 使用 Rube MCP 进行 ZoomInfo 线索研究：它会验证连接，通过 RUBE_SEARCH_TOOLS 发现实时 tool schemas，并在不依赖硬编码假设的情况下执行受支持的工作流。
该 skill 得分为 68/100，说明它适合收录到目录中，但更应被定位为一个轻量级 MCP 编排指南，而不是完整的 Zoominfo 自动化套件。目录用户可以获得足够信息来判断何时使用它，以及 agent 应如何开始；但对于实际 Zoominfo 操作的 schemas 和执行细节，仍应预期依赖 Rube 的实时工具发现。
- 触发条件和适用范围清晰：专门用于通过 Rube MCP 调用 Composio 的 Zoominfo toolkit 来自动化 Zoominfo 操作。
- 可执行的前置条件和配置步骤明确提到 Rube MCP、RUBE_SEARCH_TOOLS、RUBE_MANAGE_CONNECTIONS，以及需要一个 ACTIVE 状态的 Zoominfo 连接。
- 该 skill 反复要求 agent 在执行前发现当前 tool schemas，从而降低因过时的硬编码 API 假设带来的风险。
- 除 SKILL.md 外，没有支持文件、脚本、示例或 README，因此采用效果完全取决于文件内的简要说明。
- 该工作流刻意依赖 RUBE_SEARCH_TOOLS 进行 schema 发现，几乎没有具体 Zoominfo 任务示例或边界情况处理的体现。
zoominfo-automation skill 概览
zoominfo-automation 能做什么
zoominfo-automation skill 可帮助 AI agent 通过 Composio 的 Rube MCP server 自动化处理 ZoomInfo 相关工作流。它的核心价值不在于提供一组固定的 ZoomInfo 操作，而是引导 agent 先发现当前可用的 ZoomInfo tool schemas、验证连接状态，然后再针对具体的线索研究或账户数据任务，执行合适的 Rube MCP tools。
最适合 Lead Research 团队的场景
这个 skill 很适合销售运营、RevOps、GTM research、招聘以及数据补全等工作流，尤其是在 ZoomInfo 已经是团队技术栈一部分的情况下。当你希望 agent 协助查找公司或联系人数据、准备潜客列表、检查账户属性，或补全 lead 上下文时，可以使用 zoominfo-automation for Lead Research；同时它仍会遵循 Rube 实时返回的 tool schemas，而不是凭空假设字段和操作。
这个 skill 的不同之处
很多普通 prompt 会直接假设工具名称和字段。zoominfo-automation 明确要求在执行前先调用 RUBE_SEARCH_TOOLS，从而减少因 schema 过期或 ZoomInfo action 变化导致的失败。它还把 setup、连接验证、工具发现和执行步骤拆开，比简单要求 agent “use ZoomInfo” 更可靠，也更适合实际工作流落地。
采用要求与限制
你需要一个支持 MCP 的客户端，在 https://rube.app/mcp 配置 Rube MCP，并通过 RUBE_MANAGE_CONNECTIONS 使用 toolkit zoominfo 管理一个有效的 ZoomInfo 连接。该仓库有意保持精简，主要包含 SKILL.md，因此使用时应预期依赖 Rube 的实时 tool discovery，而不是依赖内置脚本、示例或参考文件。
如何使用 zoominfo-automation skill
zoominfo-automation 安装前后要点
从 GitHub skill directory source 安装该 skill：
npx skills add ComposioHQ/awesome-claude-skills --skill zoominfo-automation
然后在你的 AI client 中使用以下 server endpoint 配置 Rube MCP：
https://rube.app/mcp
MCP server 可用后，先确认 RUBE_SEARCH_TOOLS 能正常响应。接着使用 RUBE_MANAGE_CONNECTIONS，toolkit 设为 zoominfo；如果连接状态不是 ACTIVE，就完成返回的认证流程。
你需要提供给 skill 的输入
为了获得更好的 zoominfo-automation usage 效果，请给 agent 明确的业务任务、目标市场、必需字段、筛选条件和输出格式。较弱的请求是：“Find leads in ZoomInfo.” 更好的请求可以是：
“Use zoominfo-automation to find B2B SaaS companies in the US with 200–1,000 employees, identify VP Sales or Head of Revenue contacts where available, return company name, website, contact name, title, location, LinkedIn URL if present, and note any missing fields. Search tools first and confirm the ZoomInfo connection before execution.”
这样的约束足够清晰，agent 在完成 schema discovery 后，才能更准确地选择合适的 tools。
推荐遵循的实际工作流
一个可靠的 zoominfo-automation guide 通常按以下顺序执行：
- 要求 agent 读取已安装的 skill instructions。
- 确认
RUBE_SEARCH_TOOLS可用。 - 使用
RUBE_MANAGE_CONNECTIONS检查 ZoomInfo 连接。 - 针对具体 use case 运行
RUBE_SEARCH_TOOLS，不要只用笼统的 “ZoomInfo operations” 查询。 - 审查返回的 tool slugs、input schemas、execution plans 和 pitfalls。
- 只使用 schema 支持的字段执行所选 tool。
- 要求 agent 汇总结果、缺失数据以及建议的后续搜索。
这个顺序很重要，因为该 skill 的设计基础是实时发现，而不是硬编码假设。
优先阅读的仓库文件
先阅读 composio-skills/zoominfo-automation/SKILL.md。它包含 prerequisites、setup flow、discovery requirement 和核心 workflow pattern。在提供的 repository preview 中，没有可见的 scripts/、resources/、references/ 或 rules/ 等支持目录，因此 SKILL.md 是主要的操作指南来源。
zoominfo-automation skill 常见问题
zoominfo-automation 只能用于 lead lists 吗？
不是。Lead research 是常见用例，但只要 Composio 的 ZoomInfo toolkit 通过 RUBE_SEARCH_TOOLS 暴露了相关工具，这个 skill 就可以支持对应的 ZoomInfo 操作。可能的工作流包括 contact lookup、company research、enrichment 或 account qualification，但具体可执行的 actions 取决于当前实时 schema。
为什么不直接让 AI 使用 ZoomInfo？
通用 prompt 可能会编造 tool names、使用过期参数，或跳过 authentication checks。zoominfo-automation skill 提供了更安全的操作模式：先发现 tools，检查 schemas，验证连接，然后再执行。对于基于 MCP 的工作流尤其有用，因为可用 actions 可能会发生变化。
适合新手吗？
如果你的 AI client 已经支持 MCP tools，并且你可以按认证链接完成 ZoomInfo 授权，那么它对新手是友好的。但如果你期待的是无代码可视化工作流、内置模板或离线示例，它就不太适合。这个 skill 默认 agent 能够直接调用 Rube MCP tools。
什么时候不应该使用这个 skill？
如果你没有 ZoomInfo 访问权限、无法连接 Rube MCP，或需要 ZoomInfo 在你的账户中并未暴露的保证字段，就不要使用 zoominfo-automation。对于合规敏感的外联场景，也应谨慎使用；除非你的团队已经明确数据使用、同意机制、留存规则以及地区隐私要求。
如何改进 zoominfo-automation skill
优化 zoominfo-automation prompts
更好的 prompt 可以减少不必要的 tool calls，并获得更干净的输出。请包含目标细分市场、地理区域、职位、行业、公司规模、排除项、必需字段、可选字段和首选格式。同时说明你想要原始结果、排序后的 shortlist、enrichment notes，还是 CSV-style table。
改进示例：不要只说 “research fintech leads”，而是要求 “US fintech companies with 50–500 employees, exclude banks and crypto exchanges, prioritize payments infrastructure vendors, return 25 accounts with decision-maker roles and flag missing contact data.”
减少常见失败模式
最常见的失败是跳过 discovery，直接调用一个假设存在的 ZoomInfo tool。可以通过明确要求来避免：“Call RUBE_SEARCH_TOOLS first and use only the returned schema.” 另一个常见问题是在 ZoomInfo connection 尚未激活前就开始运行。请要求 agent 在任何 lookup 或 enrichment 步骤前，先验证 RUBE_MANAGE_CONNECTIONS 状态。
基于第一次输出继续迭代
把第一批结果当作校准。检查记录是否符合你的 ICP、title 是否过于宽泛、地理筛选是否生效，以及必需字段是否缺失。然后在下一次调用中收紧条件，例如 seniority、department、revenue band、technology category 或 excluded keywords。
添加团队专属操作规则
为了让 zoominfo-automation install 在生产级销售工作流中更有价值，请配合内部规则一起使用：approved regions、allowed data fields、CRM formatting standards、deduplication requirements，以及何时停止搜索。上游 skill 提供的是 MCP workflow；你的本地说明应定义对团队而言什么才算“可用的 lead research”。