LMNT 语音自动化实战基于 Rube MCP 与 Composio 的 Codex Skill 完整指南【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本指南围绕开源仓库中的 composio-skills/lmnt-automation/SKILL.md 展开讲解如何在 Codex CLI/API 中通过 Composio 的 Lmnt toolkit以 Rube MCP 为统一入口自动化 LMNT 的 AI 语音合成类任务。读完本篇你将掌握 Rube MCP 的接入与连接管理、基于RUBE_SEARCH_TOOLS的动态工具发现、标准的三阶段执行工作流以及 Schema 合规、会话复用、分页处理等关键最佳实践文中的所有命令均可直接复制运行。技能定位这份 SKILL 解决什么问题lmnt-automation是仓库composio-skills/目录下数百个“xxx-automation”技能之一其 YAML frontmatter 明确定义了它的元数据与触发条件name: lmnt-automation description: Automate Lmnt tasks via Rube MCP (Composio). Always search tools first for current schemas. requires: mcp: [rube]三个要点决定了这份技能的工作方式入口是 Rube MCP所有操作都通过requires.mcp声明的 Rube MCP 工具完成而不是直接调用 LMNT 的 REST API核心原则是“先搜索、再执行”description中反复强调Always search tools first for current schemas——LMNT 工具包的 Schema 会随版本变化硬编码工具名或参数是危险的它是模板化技能集群的一员与同目录下的 composio-skills/composio-automation/SKILL.md 等技能共用同一套 Rube MCP 工作流模式掌握本技能即可举一反三迁移到其他 toolkit。LMNTLmnt是聚焦 AI 语音合成领域的平台核心能力围绕文本转语音Text-to-Speech等语音生成服务展开。通过 Composio 的 Lmnt toolkitAgent 可以把这些语音能力编排进自己的工作流中而无需关心底层 OAuth、密钥与 API 细节。前置条件Prerequisites开始之前必须确认以下三项成立Rube MCP 已连接环境中存在RUBE_SEARCH_TOOLS工具可用LMNT 连接为 ACTIVE 状态已通过RUBE_MANAGE_CONNECTIONS以 toolkitlmnt建立有效连接先搜索后执行任何工作流执行前都必须先调用RUBE_SEARCH_TOOLS获取当前的工具 Schema。环境搭建接入 Rube MCP 并建立 LMNT 连接获取 Rube MCP在客户端的 MCP 配置中添加端点https://rube.app/mcp即可无需配置任何 API Key——添加端点后即可直接使用。这是 Rube MCP 作为网关的核心价值由它统一托管工具发现、连接管理与执行分发。四步验证流程确认RUBE_SEARCH_TOOLS有响应验证 Rube MCP 可用调用RUBE_MANAGE_CONNECTIONS传入 toolkitlmnt若连接状态不是 ACTIVE按照返回的 auth 链接完成授权设置在运行任何工作流前再次确认连接状态为ACTIVE。将技能安装到 Codex本仓库 README.md 说明了技能的装载方式每个技能存放在$CODEX_HOME/skills默认~/.codex/skills下包含name与descriptionfrontmatter 的SKILL.md是必选文件。你可以将composio-skills/lmnt-automation/整个目录复制到该位置然后重启 Codex 使其加载元数据也可以使用仓库自带的安装脚本 skill-installer/scripts/install-skill-from-github.py 完成安装。从该脚本源码_validate_skill与_copy_skill两段逻辑可以看到安装器会校验目标目录必须包含SKILL.md随后将整个技能目录复制到目标位置并以目录名作为技能名。安装完成后在会话中自然描述任务例如“用 LMNT 生成语音”Codex 会根据descriptionfrontmatter 自动匹配并触发该技能。工具发现RUBE_SEARCH_TOOLS在任何执行之前先做工具发现是这份技能的铁律。标准发现请求如下RUBE_SEARCH_TOOLS queries: [{use_case: Lmnt operations, known_fields: }] session: {generate_id: true}一次成功的搜索会返回四类关键信息可用工具的 slugtool slug后续RUBE_MULTI_EXECUTE_TOOL的执行依据输入 Schema每个工具的参数名、类型与必填项推荐的执行计划recommended execution plans已知陷阱known pitfalls。核心工作流三阶段模式LMNT 自动化遵循“发现 → 校验连接 → 执行”的三阶段模式这也是整个composio-skills技能集群的统一范式。Step 1发现可用工具RUBE_SEARCH_TOOLS queries: [{use_case: your specific Lmnt task}] session: {id: existing_session_id}与首次发现不同此处session传入已有会话 ID 以保持上下文连贯详见下文“会话复用”。Step 2检查连接状态RUBE_MANAGE_CONNECTIONS toolkits: [lmnt] session_id: your_session_id确认返回状态为 ACTIVE 后再进入执行阶段避免因连接失效导致的运行时错误。Step 3执行工具RUBE_MULTI_EXECUTE_TOOL tools: [{ tool_slug: TOOL_SLUG_FROM_SEARCH, arguments: {/* schema-compliant args from search results */} }] memory: {} session_id: your_session_id关键点tool_slug必须取自 Step 1 的搜索结果arguments必须严格遵循搜索返回的 Schemamemory参数即使为空也必须显式传入{}。已知陷阱Known Pitfalls逐条详解这份技能把最容易踩坑的六点明确列出逐一展开始终先搜索Always search first工具 Schema 会变。绝不要在未调用RUBE_SEARCH_TOOLS的情况下硬编码工具 slug 或参数——这是本技能description与正文共同强调的第一原则检查连接Check connection执行工具前必须通过RUBE_MANAGE_CONNECTIONS确认 ACTIVE 状态未授权的连接会直接导致执行失败Schema 合规Schema compliance参数名与类型必须与搜索结果完全一致多字段、少字段或类型不匹配都会造成请求被拒memory 参数Memory parameter所有RUBE_MULTI_EXECUTE_TOOL调用都必须包含memory即便为空也要传{}否则调用可能不被接受会话复用Session reuse同一工作流内复用 session ID 以保持状态与上下文开启新工作流时再生成新的 session ID分页Pagination响应中可能出现分页 token必须检查并持续拉取直到数据完整避免因截断而遗漏结果。快速参考表OperationApproachFind toolsRUBE_SEARCH_TOOLSwith Lmnt-specific use caseConnectRUBE_MANAGE_CONNECTIONSwith toolkitlmntExecuteRUBE_MULTI_EXECUTE_TOOLwith discovered tool slugsBulk opsRUBE_REMOTE_WORKBENCHwithrun_composio_tool()Full schemaRUBE_GET_TOOL_SCHEMASfor tools withschemaRef其中批量操作Bulk ops通过RUBE_REMOTE_WORKBENCH的run_composio_tool()完成适合批量语音生成等吞吐型任务当搜索结果中的工具带有schemaRef引用时则用RUBE_GET_TOOL_SCHEMAS拉取完整 Schema。从源码看这套模式的普适性本技能并非孤例。对比同目录下的 composio-skills/composio-automation/SKILL.md 可以看到二者的前置条件、Setup 步骤、RUBE_SEARCH_TOOLS发现请求、三阶段工作流、六条 Known Pitfalls 与快速参考表完全同构差异仅在于 toolkit 名lmntvscomposio与 use_case 描述。这说明composio-skills目录下的技能由同一套生成模板批量产出掌握其中任一技能的执行模式即可快速上手其余数百个 toolkit 的自动化仓库中 composio-skills/ 目录包含从 ElevenLabs 到 Zoho 的上百个同类技能均遵循该模式。从 README.md 的“What Are Codex Skills?”一节可知Codex 仅在任务匹配到技能description时才加载SKILL.md正文从而保持上下文精简。这也解释了为什么本技能的description要写成“Always search tools first”——它既要承担触发匹配又要传递最关键的运行约束。小结LMNT 语音自动化本质上是一套“通过 Rube MCP 网关、以 Schema 驱动的动态工具编排”方法论在语音场景的落地。记住四件事即可稳定复现先RUBE_SEARCH_TOOLS发现当前 Schema、再RUBE_MANAGE_CONNECTIONS确认 ACTIVE、用RUBE_MULTI_EXECUTE_TOOL严格按 Schema 执行、全程带上memory与 session。这套模式不限于 LMNT也不限于语音领域——它是整个composio-skills技能集群统一的自动化基座。【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
LMNT 语音自动化实战：基于 Rube MCP 与 Composio 的 Codex Skill 完整指南
LMNT 语音自动化实战基于 Rube MCP 与 Composio 的 Codex Skill 完整指南【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本指南围绕开源仓库中的 composio-skills/lmnt-automation/SKILL.md 展开讲解如何在 Codex CLI/API 中通过 Composio 的 Lmnt toolkit以 Rube MCP 为统一入口自动化 LMNT 的 AI 语音合成类任务。读完本篇你将掌握 Rube MCP 的接入与连接管理、基于RUBE_SEARCH_TOOLS的动态工具发现、标准的三阶段执行工作流以及 Schema 合规、会话复用、分页处理等关键最佳实践文中的所有命令均可直接复制运行。技能定位这份 SKILL 解决什么问题lmnt-automation是仓库composio-skills/目录下数百个“xxx-automation”技能之一其 YAML frontmatter 明确定义了它的元数据与触发条件name: lmnt-automation description: Automate Lmnt tasks via Rube MCP (Composio). Always search tools first for current schemas. requires: mcp: [rube]三个要点决定了这份技能的工作方式入口是 Rube MCP所有操作都通过requires.mcp声明的 Rube MCP 工具完成而不是直接调用 LMNT 的 REST API核心原则是“先搜索、再执行”description中反复强调Always search tools first for current schemas——LMNT 工具包的 Schema 会随版本变化硬编码工具名或参数是危险的它是模板化技能集群的一员与同目录下的 composio-skills/composio-automation/SKILL.md 等技能共用同一套 Rube MCP 工作流模式掌握本技能即可举一反三迁移到其他 toolkit。LMNTLmnt是聚焦 AI 语音合成领域的平台核心能力围绕文本转语音Text-to-Speech等语音生成服务展开。通过 Composio 的 Lmnt toolkitAgent 可以把这些语音能力编排进自己的工作流中而无需关心底层 OAuth、密钥与 API 细节。前置条件Prerequisites开始之前必须确认以下三项成立Rube MCP 已连接环境中存在RUBE_SEARCH_TOOLS工具可用LMNT 连接为 ACTIVE 状态已通过RUBE_MANAGE_CONNECTIONS以 toolkitlmnt建立有效连接先搜索后执行任何工作流执行前都必须先调用RUBE_SEARCH_TOOLS获取当前的工具 Schema。环境搭建接入 Rube MCP 并建立 LMNT 连接获取 Rube MCP在客户端的 MCP 配置中添加端点https://rube.app/mcp即可无需配置任何 API Key——添加端点后即可直接使用。这是 Rube MCP 作为网关的核心价值由它统一托管工具发现、连接管理与执行分发。四步验证流程确认RUBE_SEARCH_TOOLS有响应验证 Rube MCP 可用调用RUBE_MANAGE_CONNECTIONS传入 toolkitlmnt若连接状态不是 ACTIVE按照返回的 auth 链接完成授权设置在运行任何工作流前再次确认连接状态为ACTIVE。将技能安装到 Codex本仓库 README.md 说明了技能的装载方式每个技能存放在$CODEX_HOME/skills默认~/.codex/skills下包含name与descriptionfrontmatter 的SKILL.md是必选文件。你可以将composio-skills/lmnt-automation/整个目录复制到该位置然后重启 Codex 使其加载元数据也可以使用仓库自带的安装脚本 skill-installer/scripts/install-skill-from-github.py 完成安装。从该脚本源码_validate_skill与_copy_skill两段逻辑可以看到安装器会校验目标目录必须包含SKILL.md随后将整个技能目录复制到目标位置并以目录名作为技能名。安装完成后在会话中自然描述任务例如“用 LMNT 生成语音”Codex 会根据descriptionfrontmatter 自动匹配并触发该技能。工具发现RUBE_SEARCH_TOOLS在任何执行之前先做工具发现是这份技能的铁律。标准发现请求如下RUBE_SEARCH_TOOLS queries: [{use_case: Lmnt operations, known_fields: }] session: {generate_id: true}一次成功的搜索会返回四类关键信息可用工具的 slugtool slug后续RUBE_MULTI_EXECUTE_TOOL的执行依据输入 Schema每个工具的参数名、类型与必填项推荐的执行计划recommended execution plans已知陷阱known pitfalls。核心工作流三阶段模式LMNT 自动化遵循“发现 → 校验连接 → 执行”的三阶段模式这也是整个composio-skills技能集群的统一范式。Step 1发现可用工具RUBE_SEARCH_TOOLS queries: [{use_case: your specific Lmnt task}] session: {id: existing_session_id}与首次发现不同此处session传入已有会话 ID 以保持上下文连贯详见下文“会话复用”。Step 2检查连接状态RUBE_MANAGE_CONNECTIONS toolkits: [lmnt] session_id: your_session_id确认返回状态为 ACTIVE 后再进入执行阶段避免因连接失效导致的运行时错误。Step 3执行工具RUBE_MULTI_EXECUTE_TOOL tools: [{ tool_slug: TOOL_SLUG_FROM_SEARCH, arguments: {/* schema-compliant args from search results */} }] memory: {} session_id: your_session_id关键点tool_slug必须取自 Step 1 的搜索结果arguments必须严格遵循搜索返回的 Schemamemory参数即使为空也必须显式传入{}。已知陷阱Known Pitfalls逐条详解这份技能把最容易踩坑的六点明确列出逐一展开始终先搜索Always search first工具 Schema 会变。绝不要在未调用RUBE_SEARCH_TOOLS的情况下硬编码工具 slug 或参数——这是本技能description与正文共同强调的第一原则检查连接Check connection执行工具前必须通过RUBE_MANAGE_CONNECTIONS确认 ACTIVE 状态未授权的连接会直接导致执行失败Schema 合规Schema compliance参数名与类型必须与搜索结果完全一致多字段、少字段或类型不匹配都会造成请求被拒memory 参数Memory parameter所有RUBE_MULTI_EXECUTE_TOOL调用都必须包含memory即便为空也要传{}否则调用可能不被接受会话复用Session reuse同一工作流内复用 session ID 以保持状态与上下文开启新工作流时再生成新的 session ID分页Pagination响应中可能出现分页 token必须检查并持续拉取直到数据完整避免因截断而遗漏结果。快速参考表OperationApproachFind toolsRUBE_SEARCH_TOOLSwith Lmnt-specific use caseConnectRUBE_MANAGE_CONNECTIONSwith toolkitlmntExecuteRUBE_MULTI_EXECUTE_TOOLwith discovered tool slugsBulk opsRUBE_REMOTE_WORKBENCHwithrun_composio_tool()Full schemaRUBE_GET_TOOL_SCHEMASfor tools withschemaRef其中批量操作Bulk ops通过RUBE_REMOTE_WORKBENCH的run_composio_tool()完成适合批量语音生成等吞吐型任务当搜索结果中的工具带有schemaRef引用时则用RUBE_GET_TOOL_SCHEMAS拉取完整 Schema。从源码看这套模式的普适性本技能并非孤例。对比同目录下的 composio-skills/composio-automation/SKILL.md 可以看到二者的前置条件、Setup 步骤、RUBE_SEARCH_TOOLS发现请求、三阶段工作流、六条 Known Pitfalls 与快速参考表完全同构差异仅在于 toolkit 名lmntvscomposio与 use_case 描述。这说明composio-skills目录下的技能由同一套生成模板批量产出掌握其中任一技能的执行模式即可快速上手其余数百个 toolkit 的自动化仓库中 composio-skills/ 目录包含从 ElevenLabs 到 Zoho 的上百个同类技能均遵循该模式。从 README.md 的“What Are Codex Skills?”一节可知Codex 仅在任务匹配到技能description时才加载SKILL.md正文从而保持上下文精简。这也解释了为什么本技能的description要写成“Always search tools first”——它既要承担触发匹配又要传递最关键的运行约束。小结LMNT 语音自动化本质上是一套“通过 Rube MCP 网关、以 Schema 驱动的动态工具编排”方法论在语音场景的落地。记住四件事即可稳定复现先RUBE_SEARCH_TOOLS发现当前 Schema、再RUBE_MANAGE_CONNECTIONS确认 ACTIVE、用RUBE_MULTI_EXECUTE_TOOL严格按 Schema 执行、全程带上memory与 session。这套模式不限于 LMNT也不限于语音领域——它是整个composio-skills技能集群统一的自动化基座。【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
