Unif API DocsSkills
Wie UnifAPI Skills Aufgaben-Prompts in MCP-Aufrufe über Live-Public-Data-APIs verwandeln.
Skills sind aufgabenspezifische Workflows, die ein Agent mit UnifAPI MCP ausführen kann. Sie starten von einem Ergebnis aus — einem KOL-Pricing-Briefing, einer Creator-Shortlist, einer Social-Listening-Zusammenfassung oder einer Wettbewerber-Launch-Analyse — und lassen den Agenten dann nach Bedarf Public-Data-Operationen entdecken und aufrufen.
Der empfohlene Weg ist Skills-first: Wähle das Aufgabenergebnis, nutze den Installationspfad, den dein KI-Client unterstützt, und melde dich dann an, wenn der MCP-Server Live-Public-Data benötigt. Nicht-Entwickler-Nutzer sollten weder npx skills ausführen noch rohe Skill-Dateien von Hand verdrahten müssen.
Nutzungspfad
Starte von einem Skill aus. Nutze den UnifAPI-Skill-Katalog, um das Artefakt auszuwählen, das der Agent produzieren soll.
Füge UnifAPI zu deinem Agent-Client hinzu. Nutze den verifizierten MCP-Einrichtungspfad, den
dein Client unterstützt: Claude Connectors, ChatGPT Developer Mode Custom Apps, OpenClaw- oder
Hermes-MCP-Konfiguration, Codex-/Claude-Code-CLI-Einrichtung oder Cursor-/VS-Code-mcp.json.
Wenn der Client nach einer Connector- URL fragt, nutze https://mcp.unifapi.com.
Behalte rohe Skills als Entwickler-Fallback. npx skills add unifapi-agent/agents bleibt
für lokale Roh-Skill-Installationen unterstützt, ist aber nicht der Haupt-Onboarding-Pfad.
Skill-Modell
Starte mit dem Ergebnis. Ein Skill-Prompt benennt das Artefakt, das der Agent produzieren soll, etwa eine geordnete Creator-Tabelle oder ein Wettbewerbs-Briefing.
Entdecke Operationen über MCP. Der Agent nutzt list_operations und get_operation, um
Public-Data-APIs zu finden, die zur Aufgabe passen.
Rufe Live-Public-Data auf. Der Agent nutzt call_api nur, wenn er Belege benötigt, und
liefert dann das Ergebnis mit Annahmen, Konfidenz und Folgefragen zurück.
Erster Benchmark-Skill
Der erste öffentliche Benchmark ist KOL Pricing:
Analyze these Twitter/X KOLs for an AI developer-tool campaign: @vercel, @shadcn, @rauchg.
Use UnifAPI public data, compare recent engagement, audience fit, posting cadence, and collaboration risk.
Return a ranked table with estimated sponsored-post price ranges, confidence, evidence, and follow-up questions.Das läuft gut in Claude, ChatGPT Custom Apps, OpenClaw, Hermes, Codex, Claude Code, Cursor, VS Code oder jedem kompatiblen MCP-Client. Der Nutzer behält seinen bestehenden Agent-Plan; UnifAPI rechnet nur die von call_api zurückgegebenen Public-Data-Records ab.
Datengrenze
UnifAPI Skills nutzen öffentliche Daten. OAuth autorisiert den UnifAPI-MCP-Workspace und das Credit-Guthaben; es gewährt keinen Zugriff auf das private Twitter/X-, Google-, CRM- oder SaaS-Konto eines Nutzers.
Nutze eine Connector-Plattform, wenn ein Workflow nutzerautorisierte SaaS-Daten benötigt. Nutze UnifAPI, wenn der Workflow öffentliche Social-Records, Posts, Kommentare, Profile, Videos, Trends, Communities oder Unternehmenssignale benötigt.
Erwartungen an die Ausgabe
Ein Skill sollte ein Entscheidungs-Artefakt zurückgeben, keine rohen API-Dumps:
- belegbasierte Tabellen oder Briefings
- Annahmen und Konfidenznotizen
- verwendete Quelloperationen
- Folgesuchen, die der Agent ausführen sollte
- Risiken, fehlende Belege und nächste Schritte
Verwandte Ressourcen
MCP-Integration
Verbinde Claude, ChatGPT Custom MCP Apps, OpenClaw, Hermes, Codex, Claude Code, Cursor, VS Code und andere MCP-Clients.
API-Referenz
Live-Public-Data-Operationen, die Skills aufrufen können.
Authentifizierung
OAuth für MCP und API keys für HTTP.
Marketing-Skills-Seite
Nutzerseitiger Skills-Katalog und KOL-Pricing-Benchmark.