amplitude-automation

📊 Amplitude 数据自动化管家

基于 Composio Rube MCP 的 Amplitude 自动化指南,支持事件追踪、用户分群与行为分析,助力产品团队高效获取数据洞察。

收藏
10.8k
安装
2.4k
版本
v0.1.0
CLS 安全性认证2026-05-05
点击查看完整报告 >

使用说明

Amplitude Automation 是一款面向产品分析场景的自动化技能文档,通过 Rube MCP (Composio) 平台桥接 Amplitude 产品分析 API,为用户提供事件上报、用户行为追踪、分群管理及用户属性识别等核心能力。

核心用法

该技能采用"文档指导 + MCP 工具调用"的架构模式,涵盖五大核心工作流:事件上报(AMPLITUDE_SEND_EVENTS)支持批量发送带自定义属性的用户行为事件;用户活动查询(FIND_USER + GET_USER_ACTIVITY)支持通过内部 ID 检索用户事件流;用户识别与属性管理(IDENTIFY)支持通过 $set$add 等操作符更新用户画像;分群管理(LIST/GET/UPDATE_COHORTS)支持查看和异步更新用户队列成员;事件类别浏览(GET_EVENT_CATEGORIES)支持探索预配置的事件 taxonomy。

显著优点

首先,文档结构极为严谨,每个工作流都配备详细的参数说明、工具调用顺序及"Pitfalls"风险提示,显著降低开发者的试错成本。其次,依托 Composio 成熟的 MCP 生态,用户无需直接管理 Amplitude API 密钥和端点,通过标准化的 RUBE_MANAGE_CONNECTIONS 即可完成身份认证和连接状态维护。此外,技能支持异步操作模式(如队列更新),通过 request_id 轮询机制确保大批量数据操作的可靠性。

潜在缺点与局限性

该技能本质为操作指南而非独立执行程序,必须依赖外部 Rube MCP 服务才能生效,若 MCP 服务不可用或 Amplitude 连接状态异常,所有工作流将中断。此外,Amplitude 内部用户 ID 与业务系统 user_id 的转换逻辑较为繁琐,查询用户活动前必须额外调用 FIND_USER 进行 ID 解析。异步操作的最终一致性也可能导致数据延迟,事件上报成功后无法立即查询验证,对实时性要求高的场景存在局限。

适合的目标群体

主要面向产品运营团队增长黑客数据分析师以及后端开发工程师。适用于需要自动化埋点验证、批量更新用户属性、动态管理营销分群的技术团队,特别是已采用 Composio 工具链进行多平台集成的组织。

使用风险

数据隐私方面,向 Amplitude 传输事件数据时需确保符合 GDPR/CCPA 等合规要求,避免上报 PII 敏感信息。性能层面,事件摄入存在吞吐量限制,大批量数据需分块处理;异步队列操作可能因并发限制导致延迟。权限管理上,需遵循最小权限原则配置 Amplitude API 密钥,防止过度授权导致的数据泄露风险。此外,时间戳格式错误(毫秒 vs 秒)或 user_id/device_id 缺失等参数问题可能导致数据丢失,需严格遵循文档规范。

安全解读

核心用法

Amplitude Automation 是一个纯文档型 MCP Skill,用于通过 Rube (Composio) MCP 服务自动化 Amplitude 产品分析平台的操作。该 Skill 不包含任何可执行代码,仅提供标准化的工具使用说明和最佳实践指南。

主要功能模块

1. 事件追踪 (AMPLITUDE_SEND_EVENTS):批量发送用户行为事件,支持自定义事件属性和用户属性。关键注意:时间戳必须为毫秒级 Unix 时间戳(13位数字),且每个事件必须包含 user_iddevice_id 之一。

2. 用户洞察 (AMPLITUDE_FIND_USERAMPLITUDE_GET_USER_ACTIVITY):查询特定用户的事件流历史。必须先通过 FIND_USER 将应用层 user_id 解析为 Amplitude 内部 ID,才能获取活动数据。

3. 用户画像管理 (AMPLITUDE_IDENTIFY):支持 $set$setOnce$add$append$unset 等属性操作,实现精细化用户分群和标签管理。

4. 分群运营 (AMPLITUDE_LIST_COHORTS / UPDATE_COHORT_MEMBERSHIP):管理用户分群,支持异步批量增删成员,需通过 CHECK_COHORT_STATUS 轮询确认操作完成状态。

显著优点

  • 零代码安全风险:纯 Markdown 文档,无脚本、无可执行代码,从根本上杜绝注入攻击
  • 标准化接口:基于 MCP 协议,工具调用由 Rube 服务层统一处理,符合安全最佳实践
  • 详尽的错误防范:文档中明确标注了 10+ 个常见陷阱,包括 ID 解析、时间戳格式、异步状态检查等
  • 工作流化设计:每个功能都提供完整的工具调用序列和参数说明,降低使用门槛
  • T2 来源可信度:托管于 GitHub openclaw 组织账号,有社区监督

潜在局限

  • 依赖第三方服务:所有 API 调用需经 Rube MCP 服务中转,存在服务可用性依赖和数据流经第三方的问题
  • 无直接 API 备选:文档未提供绕过 MCP 直接调用 Amplitude API 的方案
  • 实时性限制:事件处理、用户属性更新、分群操作均为最终一致性,非实时生效
  • 批量限制:未明确说明具体的事件批量上限和频率限制数值
  • 隐私合规提示不足:虽自身不收集数据,但未充分说明数据经 Rube 中转的合规影响

适合人群

  • 产品分析师/运营人员:需要自动化 Amplitude 数据追踪和分群管理
  • 数据工程师:构建 ETL 流程,将外部数据写入 Amplitude
  • MCP 生态用户:已在使用 Claude、Cursor 等支持 MCP 的 AI 工具
  • 中小团队:无资源维护自研埋点 SDK,希望快速接入标准化方案

常规风险

  • 数据主权问题:事件数据流经 Composio/Rube 服务器,对数据出境敏感的场景需谨慎评估
  • MCP 服务可用性:Rube 服务中断将完全阻断功能使用
  • 授权范围失控:用户可能在不知情的情况下授权过度宽泛的 Amplitude 数据访问权限
  • ID 解析错误:混淆应用 user_id 与 Amplitude 内部 ID 将导致数据查询失败或关联错误
  • 异步操作误判:未轮询确认 cohort 更新状态可能导致后续操作基于过期数据

amplitude-automation 内容

手动下载zip · 3.3 kB
SKILL.mdtext/markdown
请选择文件