SurveyMonkey 自动化实战基于 awesome-codex-skills 通过 Rube MCP 编排 Composio 调查问卷工作流【免费下载链接】awesome-codex-skillsA curated list of practical Codex skills for automating workflows across the Codex CLI and API.项目地址: https://gitcode.com/GitHub_Trending/aw/awesome-codex-skills本篇技术指南以仓库中的 composio-skills/survey_monkey-automation/SKILL.md 为核心完整讲解如何让 Codex 通过 Rube MCPComposio 的 MCP 网关连接 SurveyMonkey实现问卷surveys、答卷responses、收集器collectors与分析数据的端到端自动化。读完本文你将掌握从 MCP 连接建立、工具发现、单步执行到多步骤批处理工作流的完整实战方法以及规避分页、鉴权过期、限流等典型坑位的落地经验。一、技能概览一份让 Codex 学会操作 SurveyMonkey 的指令包SKILL.md是 Codex Skills 的标准载体。本技能通过 YAML frontmatter 声明自身元数据--- name: survey_monkey-automation description: Automate SurveyMonkey tasks via Rube MCP (Composio): surveys, responses, collectors, and survey analytics. Always search tools first for current schemas. requires: mcp: [rube] ---name与descriptionCodex 依据 description 判断何时触发该技能参见仓库 README.md 中关于技能触发机制的说明安装后重启 Codex 即生效requires.mcp: [rube]声明本技能强依赖名为rube的 MCP 服务器未连接时技能无法工作。技能的核心理念是动态发现、按需执行所有 SurveyMonkey 工具都不做硬编码而是通过RUBE_SEARCH_TOOLS实时获取当前可用的工具 slug、输入 Schema 与执行建议再经由RUBE_MULTI_EXECUTE_TOOL统一执行。这一设计让技能能自动适配 Composio 端工具集的变更这正是 frontmatter 中反复强调 Always search tools first 的原因。二、前置条件在运行任何工作流之前需要满足以下条件Rube MCP 已连接客户端环境中存在可用的RUBE_SEARCH_TOOLS工具SurveyMonkey 连接处于 ACTIVE 状态通过RUBE_MANAGE_CONNECTIONS建立toolkit 参数为survey_monkey先搜索再执行每次操作前必须先调用RUBE_SEARCH_TOOLS获取当前工具 Schema禁止凭记忆硬编码工具 slug 或参数。三、环境搭建与连接管理获取 Rube MCP在客户端如 Codex、Claude Desktop的 MCP 服务器配置中添加端点https://rube.app/mcp即可。无需任何 API Key——添加端点后开箱即用鉴权由 Rube/Composio 侧统一托管。连接建立按以下 4 步执行验证 Rube MCP 可用确认RUBE_SEARCH_TOOLS能正常响应调用RUBE_MANAGE_CONNECTIONStoolkit 传入survey_monkey若返回的连接状态不是ACTIVE跟随返回的授权链接完成 OAuth 配置SurveyMonkey 走标准 OAuth 流程确认连接状态为ACTIVE后再运行任何工作流。注意OAuth 令牌会过期。任何工具执行失败时都应先回到这一步复核连接状态连接过期时需重新走授权流程。四、工具发现Tool Discovery执行任何工作流之前必须先做工具发现。标准查询写法如下RUBE_SEARCH_TOOLS: queries[{use_case: surveys, responses, collectors, and survey analytics, known_fields: }]该调用会返回四类关键信息当前可用的 SurveyMonkey 工具 slug 列表推荐的执行计划步骤recommended execution plan已知的陷阱与边界情况known pitfalls and edge cases每个工具的输入 Schemainput schemas。use_case字段应尽量贴合你的具体任务例如列出所有可用工具并说明能力、创建问卷并生成收集链接从而获得更精准的工具推荐known_fields用于补充你已经掌握的参数名可留空交由工具发现逻辑推断。五、三大核心工作流5.1 发现可用 SurveyMonkey 工具RUBE_SEARCH_TOOLS: queries: - use_case: list all available SurveyMonkey tools and capabilities执行后仔细审阅返回的工具列表、每个工具的描述与输入 Schema再进入执行阶段。5.2 执行 SurveyMonkey 操作完成工具发现后通过RUBE_MULTI_EXECUTE_TOOL执行RUBE_MULTI_EXECUTE_TOOL: tools: - tool_slug: discovered_tool_slug arguments: {schema-compliant arguments} memory: {} sync_response_to_workbench: false关键字段说明tool_slug必须是上一步工具发现返回的 slug严禁硬编码arguments必须严格符合工具返回的输入 Schema字段名、类型、必填项一一对应memory固定携带即使为空也须传{}sync_response_to_workbench是否将响应同步到工作台批量处理大数据量时通常置为false以减小响应体积。同类技能的写法可对照 composio-skills/composio-automation/SKILL.md它展示了相同的RUBE_MULTI_EXECUTE_TOOL调用骨架含session_id复用建议可作为本技能的语法参照。5.3 多步骤工作流复杂场景往往需要串联多个 SurveyMonkey 操作例如创建问卷 → 获取收集链接 → 查询答卷数 → 拉取答卷。编排原则用RUBE_SEARCH_TOOLS按具体 use case 搜索全部相关工具先执行前置步骤例如先 fetch 后 update先创建后配置利用前一个工具响应中的数据作为后一个工具的入参实现数据在步骤间流转批量操作或数据处理交给RUBE_REMOTE_WORKBENCH在其中以run_composio_tool()调用工具。六、常见模式Common Patterns搜索后再行动Search Before Action创建任何新资源前先搜索是否已存在同名/同类资源避免产生重复问卷或收集器。分页处理Pagination大量列表类操作都支持分页。检查响应中的next_cursor或page_token字段若存在则持续翻页拉取直到取完为止继续循环调用同一工具携带上一页返回的游标参数直至响应中不再出现分页标记。错误处理Error Handling执行下一步前先检查当前工具响应中是否携带错误工具失败时优先验证连接是否仍为ACTIVE若连接过期通过RUBE_MANAGE_CONNECTIONS重新认证后再重试。批处理Batch Operations批量场景如对多份问卷批量拉取答卷使用RUBE_REMOTE_WORKBENCH在远端工作台中用run_composio_tool()配合ThreadPoolExecutor并行执行。示意如下from concurrent.futures import ThreadPoolExecutor def fetch_responses(survey_id: str): return run_composio_tool( tool_slugdiscovered_response_tool_slug, arguments{survey_id: survey_id, status: completed}, ) with ThreadPoolExecutor(max_workers5) as pool: results list(pool.map(fetch_responses, survey_ids))并行度需配合限流策略见下文避免触发 SurveyMonkey/Composio 的速率限制。七、已知陷阱Known Pitfalls陷阱规避方式工具 Schema 可能随时变化永远先RUBE_SEARCH_TOOLS再执行绝不硬编码工具 slug这是本技能的第一原则连接状态失效执行任何工具前确认 SurveyMonkey 连接为ACTIVEOAuth 令牌过期需重新认证触发速率限制收到限流错误时降低请求频率实现退避backoff重试策略参数不符合 Schema始终传严格符合 Schema 的参数若工具返回的是schemaRef而非input_schema先用RUBE_GET_TOOL_SCHEMAS加载完整输入 Schema 再填参八、快速参考Quick Reference操作方法查找工具RUBE_SEARCH_TOOLS SurveyMonkey 专属 use case建立连接RUBE_MANAGE_CONNECTIONS toolkitsurvey_monkey执行操作RUBE_MULTI_EXECUTE_TOOL 已发现的工具 slug批量操作RUBE_REMOTE_WORKBENCHrun_composio_tool()获取完整 SchemaRUBE_GET_TOOL_SCHEMAS处理schemaRef场景九、仓库内配套从 Rube 编排层到 SurveyMonkey 具体能力本技能解决的是如何通过 Rube MCP 安全、动态地调用 Composio 的 SurveyMonkey 工具集。仓库中还提供了另一份直接展示底层能力的姊妹技能 composio-skills/survey-monkey-automation/SKILL.md它把 SurveyMonkey 常见操作枚举为具体工具与参数可作为理解发现到的工具长什么样的参照SURVEY_MONKEY_CREATE_SURVEY创建问卷关键参数title必填、nickname内部名不对受访者展示、languageISO 639-1默认en、footer是否显示 SurveyMonkey 品牌页脚默认true。注意新建问卷只含一个空页、无任何题目需用返回的survey_id继续配置SURVEY_MONKEY_GET_SURVEYS枚举账户内问卷支持按title部分匹配搜索、按title/date_modified/num_responses排序、page/per_page分页默认 50最大 100、include附加字段、folder_id与起止修改时间过滤SURVEY_MONKEY_GET_SURVEY_DETAILS按survey_id获取完整元数据题目数、页数、答卷数、预览/编辑/分析/收集 URL 等SURVEY_MONKEY_GET_COLLECTORS获取收集器分发渠道与分享链接支持includetype/status/response_count/url 等、名称过滤与创建时间过滤SURVEY_MONKEY_GET_RESPONSES按statuscompleted/partial/overquota/disqualified、邮箱、姓名、IP、答题耗时、创建/修改时间等多维度拉取答卷。两者配合使用的最佳实践是以本文技能为执行框架以其姊妹技能文档为能力字典先RUBE_SEARCH_TOOLS确认当前 schema再对照已知能力编写参数。十、安装到 Codex 并触发本技能与仓库内其他技能一样可按 README.md 的方式安装# 方式一使用技能安装器推荐 python skill-installer/scripts/install-skill-from-github.py --repo ComposioHQ/awesome-codex-skills --path composio-skills/survey_monkey-automation # 方式二手动拷贝 # 将 composio-skills/survey_monkey-automation 目录复制到 $CODEX_HOME/skills/默认 ~/.codex/skills/安装后重启 Codex 加载元数据然后在会话中自然描述任务如帮我列出最近 30 天完成的所有问卷答卷Codex 会依据description自动匹配并触发本技能技能触发后Rube MCP 将接管连接与工具调度你只需关注业务目标本身。总结survey_monkey-automation技能的价值在于把连接管理、工具发现、Schema 校验、分页与重试、批量并行这些易错环节封装成固定流程让 Codex 能够稳定、合规地操作 SurveyMonkey 数据。牢记四条铁律先搜索、验连接、守 Schema、防限流即可将这套模式复用到仓库中数百个同构的 Composio 自动化技能上参考 composio-skills 目录下的*-automation系列。【免费下载链接】awesome-codex-skillsA curated list of practical Codex skills for automating workflows across the Codex CLI and API.项目地址: https://gitcode.com/GitHub_Trending/aw/awesome-codex-skills创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 SurveyMonkey 自动化实战：基于 awesome-codex-skills 通过 Rube MCP 编排 Composio 调查问卷工作流
SurveyMonkey 自动化实战基于 awesome-codex-skills 通过 Rube MCP 编排 Composio 调查问卷工作流【免费下载链接】awesome-codex-skillsA curated list of practical Codex skills for automating workflows across the Codex CLI and API.项目地址: https://gitcode.com/GitHub_Trending/aw/awesome-codex-skills本篇技术指南以仓库中的 composio-skills/survey_monkey-automation/SKILL.md 为核心完整讲解如何让 Codex 通过 Rube MCPComposio 的 MCP 网关连接 SurveyMonkey实现问卷surveys、答卷responses、收集器collectors与分析数据的端到端自动化。读完本文你将掌握从 MCP 连接建立、工具发现、单步执行到多步骤批处理工作流的完整实战方法以及规避分页、鉴权过期、限流等典型坑位的落地经验。一、技能概览一份让 Codex 学会操作 SurveyMonkey 的指令包SKILL.md是 Codex Skills 的标准载体。本技能通过 YAML frontmatter 声明自身元数据--- name: survey_monkey-automation description: Automate SurveyMonkey tasks via Rube MCP (Composio): surveys, responses, collectors, and survey analytics. Always search tools first for current schemas. requires: mcp: [rube] ---name与descriptionCodex 依据 description 判断何时触发该技能参见仓库 README.md 中关于技能触发机制的说明安装后重启 Codex 即生效requires.mcp: [rube]声明本技能强依赖名为rube的 MCP 服务器未连接时技能无法工作。技能的核心理念是动态发现、按需执行所有 SurveyMonkey 工具都不做硬编码而是通过RUBE_SEARCH_TOOLS实时获取当前可用的工具 slug、输入 Schema 与执行建议再经由RUBE_MULTI_EXECUTE_TOOL统一执行。这一设计让技能能自动适配 Composio 端工具集的变更这正是 frontmatter 中反复强调 Always search tools first 的原因。二、前置条件在运行任何工作流之前需要满足以下条件Rube MCP 已连接客户端环境中存在可用的RUBE_SEARCH_TOOLS工具SurveyMonkey 连接处于 ACTIVE 状态通过RUBE_MANAGE_CONNECTIONS建立toolkit 参数为survey_monkey先搜索再执行每次操作前必须先调用RUBE_SEARCH_TOOLS获取当前工具 Schema禁止凭记忆硬编码工具 slug 或参数。三、环境搭建与连接管理获取 Rube MCP在客户端如 Codex、Claude Desktop的 MCP 服务器配置中添加端点https://rube.app/mcp即可。无需任何 API Key——添加端点后开箱即用鉴权由 Rube/Composio 侧统一托管。连接建立按以下 4 步执行验证 Rube MCP 可用确认RUBE_SEARCH_TOOLS能正常响应调用RUBE_MANAGE_CONNECTIONStoolkit 传入survey_monkey若返回的连接状态不是ACTIVE跟随返回的授权链接完成 OAuth 配置SurveyMonkey 走标准 OAuth 流程确认连接状态为ACTIVE后再运行任何工作流。注意OAuth 令牌会过期。任何工具执行失败时都应先回到这一步复核连接状态连接过期时需重新走授权流程。四、工具发现Tool Discovery执行任何工作流之前必须先做工具发现。标准查询写法如下RUBE_SEARCH_TOOLS: queries[{use_case: surveys, responses, collectors, and survey analytics, known_fields: }]该调用会返回四类关键信息当前可用的 SurveyMonkey 工具 slug 列表推荐的执行计划步骤recommended execution plan已知的陷阱与边界情况known pitfalls and edge cases每个工具的输入 Schemainput schemas。use_case字段应尽量贴合你的具体任务例如列出所有可用工具并说明能力、创建问卷并生成收集链接从而获得更精准的工具推荐known_fields用于补充你已经掌握的参数名可留空交由工具发现逻辑推断。五、三大核心工作流5.1 发现可用 SurveyMonkey 工具RUBE_SEARCH_TOOLS: queries: - use_case: list all available SurveyMonkey tools and capabilities执行后仔细审阅返回的工具列表、每个工具的描述与输入 Schema再进入执行阶段。5.2 执行 SurveyMonkey 操作完成工具发现后通过RUBE_MULTI_EXECUTE_TOOL执行RUBE_MULTI_EXECUTE_TOOL: tools: - tool_slug: discovered_tool_slug arguments: {schema-compliant arguments} memory: {} sync_response_to_workbench: false关键字段说明tool_slug必须是上一步工具发现返回的 slug严禁硬编码arguments必须严格符合工具返回的输入 Schema字段名、类型、必填项一一对应memory固定携带即使为空也须传{}sync_response_to_workbench是否将响应同步到工作台批量处理大数据量时通常置为false以减小响应体积。同类技能的写法可对照 composio-skills/composio-automation/SKILL.md它展示了相同的RUBE_MULTI_EXECUTE_TOOL调用骨架含session_id复用建议可作为本技能的语法参照。5.3 多步骤工作流复杂场景往往需要串联多个 SurveyMonkey 操作例如创建问卷 → 获取收集链接 → 查询答卷数 → 拉取答卷。编排原则用RUBE_SEARCH_TOOLS按具体 use case 搜索全部相关工具先执行前置步骤例如先 fetch 后 update先创建后配置利用前一个工具响应中的数据作为后一个工具的入参实现数据在步骤间流转批量操作或数据处理交给RUBE_REMOTE_WORKBENCH在其中以run_composio_tool()调用工具。六、常见模式Common Patterns搜索后再行动Search Before Action创建任何新资源前先搜索是否已存在同名/同类资源避免产生重复问卷或收集器。分页处理Pagination大量列表类操作都支持分页。检查响应中的next_cursor或page_token字段若存在则持续翻页拉取直到取完为止继续循环调用同一工具携带上一页返回的游标参数直至响应中不再出现分页标记。错误处理Error Handling执行下一步前先检查当前工具响应中是否携带错误工具失败时优先验证连接是否仍为ACTIVE若连接过期通过RUBE_MANAGE_CONNECTIONS重新认证后再重试。批处理Batch Operations批量场景如对多份问卷批量拉取答卷使用RUBE_REMOTE_WORKBENCH在远端工作台中用run_composio_tool()配合ThreadPoolExecutor并行执行。示意如下from concurrent.futures import ThreadPoolExecutor def fetch_responses(survey_id: str): return run_composio_tool( tool_slugdiscovered_response_tool_slug, arguments{survey_id: survey_id, status: completed}, ) with ThreadPoolExecutor(max_workers5) as pool: results list(pool.map(fetch_responses, survey_ids))并行度需配合限流策略见下文避免触发 SurveyMonkey/Composio 的速率限制。七、已知陷阱Known Pitfalls陷阱规避方式工具 Schema 可能随时变化永远先RUBE_SEARCH_TOOLS再执行绝不硬编码工具 slug这是本技能的第一原则连接状态失效执行任何工具前确认 SurveyMonkey 连接为ACTIVEOAuth 令牌过期需重新认证触发速率限制收到限流错误时降低请求频率实现退避backoff重试策略参数不符合 Schema始终传严格符合 Schema 的参数若工具返回的是schemaRef而非input_schema先用RUBE_GET_TOOL_SCHEMAS加载完整输入 Schema 再填参八、快速参考Quick Reference操作方法查找工具RUBE_SEARCH_TOOLS SurveyMonkey 专属 use case建立连接RUBE_MANAGE_CONNECTIONS toolkitsurvey_monkey执行操作RUBE_MULTI_EXECUTE_TOOL 已发现的工具 slug批量操作RUBE_REMOTE_WORKBENCHrun_composio_tool()获取完整 SchemaRUBE_GET_TOOL_SCHEMAS处理schemaRef场景九、仓库内配套从 Rube 编排层到 SurveyMonkey 具体能力本技能解决的是如何通过 Rube MCP 安全、动态地调用 Composio 的 SurveyMonkey 工具集。仓库中还提供了另一份直接展示底层能力的姊妹技能 composio-skills/survey-monkey-automation/SKILL.md它把 SurveyMonkey 常见操作枚举为具体工具与参数可作为理解发现到的工具长什么样的参照SURVEY_MONKEY_CREATE_SURVEY创建问卷关键参数title必填、nickname内部名不对受访者展示、languageISO 639-1默认en、footer是否显示 SurveyMonkey 品牌页脚默认true。注意新建问卷只含一个空页、无任何题目需用返回的survey_id继续配置SURVEY_MONKEY_GET_SURVEYS枚举账户内问卷支持按title部分匹配搜索、按title/date_modified/num_responses排序、page/per_page分页默认 50最大 100、include附加字段、folder_id与起止修改时间过滤SURVEY_MONKEY_GET_SURVEY_DETAILS按survey_id获取完整元数据题目数、页数、答卷数、预览/编辑/分析/收集 URL 等SURVEY_MONKEY_GET_COLLECTORS获取收集器分发渠道与分享链接支持includetype/status/response_count/url 等、名称过滤与创建时间过滤SURVEY_MONKEY_GET_RESPONSES按statuscompleted/partial/overquota/disqualified、邮箱、姓名、IP、答题耗时、创建/修改时间等多维度拉取答卷。两者配合使用的最佳实践是以本文技能为执行框架以其姊妹技能文档为能力字典先RUBE_SEARCH_TOOLS确认当前 schema再对照已知能力编写参数。十、安装到 Codex 并触发本技能与仓库内其他技能一样可按 README.md 的方式安装# 方式一使用技能安装器推荐 python skill-installer/scripts/install-skill-from-github.py --repo ComposioHQ/awesome-codex-skills --path composio-skills/survey_monkey-automation # 方式二手动拷贝 # 将 composio-skills/survey_monkey-automation 目录复制到 $CODEX_HOME/skills/默认 ~/.codex/skills/安装后重启 Codex 加载元数据然后在会话中自然描述任务如帮我列出最近 30 天完成的所有问卷答卷Codex 会依据description自动匹配并触发本技能技能触发后Rube MCP 将接管连接与工具调度你只需关注业务目标本身。总结survey_monkey-automation技能的价值在于把连接管理、工具发现、Schema 校验、分页与重试、批量并行这些易错环节封装成固定流程让 Codex 能够稳定、合规地操作 SurveyMonkey 数据。牢记四条铁律先搜索、验连接、守 Schema、防限流即可将这套模式复用到仓库中数百个同构的 Composio 自动化技能上参考 composio-skills 目录下的*-automation系列。【免费下载链接】awesome-codex-skillsA curated list of practical Codex skills for automating workflows across the Codex CLI and API.项目地址: https://gitcode.com/GitHub_Trending/aw/awesome-codex-skills创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考