MCP HubMCP Hub
SKILL·6E85A7

converting-email-templates

mailtrap
Mis à jour 27 days ago
4 vues
9
1
9
Voir sur GitHub
Métaai

À propos

Cette compétence convertit les modèles d'email de fournisseurs comme SendGrid ou Mailgun en syntaxe Handlebars compatible avec Mailtrap. Elle traite les fichiers individuels, les répertoires en masse ou le HTML en ligne, en utilisant à la fois la correspondance de motifs et l'intelligence des LLM pour les cas particuliers. Utilisez-la lors de la migration de modèles vers Mailtrap pour automatiser la conversion syntaxique.

Installation rapide

Claude Code

Recommandé
Principal
npx skills add mailtrap/mailtrap-skills -a claude-code
Commande PluginAlternatif
/plugin add https://github.com/mailtrap/mailtrap-skills
Git CloneAlternatif
git clone https://github.com/mailtrap/mailtrap-skills.git ~/.claude/skills/converting-email-templates

Copiez et collez cette commande dans Claude Code pour installer cette compétence

Documentation

Converting email templates

Purpose

Automatically convert email templates from other email service providers into Mailtrap-compatible Handlebars syntax. Handles both deterministic pattern conversions (via a Python script) and complex edge cases (via LLM intelligence).

Related skills: using-email-templates (Handlebars syntax, API template send), sending-emails (stream bases and auth), authorizing-api-requests (tokens, env vars, account_id resolution — needed when creating templates or sending via the Templates API after conversion).

Input

  • Source provider (required): sendgrid, mailgun, mandrill-handlebars, mandrill-mergetags, postmark, brevo, or ses
  • Input: a single template file path, a directory of .html template files, or raw HTML pasted inline
  • Output directory (optional): defaults to a /converted/ subdirectory next to the input

If the user does not specify the source provider, ask before proceeding. If the user provides template HTML inline (pasted in chat), save it to a temporary .html file first.

Workflow

Step 1: Detect mode

Fast mode (default): For providers with deterministic conversion patterns. The Python script handles these reliably.

Deep mode: Triggered when:

  • Provider is brevo AND the template contains nested loops, multiple filters, or complex conditional nesting
  • The script flags patterns that could benefit from LLM judgment
  • The user explicitly requests deep mode
  • Inline HTML is provided (run LLM conversion directly)

Step 2: Run the converter script

Execute the Python converter script:

python3 {skill_dir}/scripts/converter.py \
  --provider {provider} \
  --input {input_path} \
  --output {output_dir}

Where {skill_dir} is the directory containing this SKILL.md file.

Read the output:

  • Exit code 0: clean conversion, no flags. Proceed to Step 4.
  • Exit code 1: conversion completed with flags. Proceed to Step 3.
  • Exit code 2: error. Report to user and stop.

Read the .report.txt file(s) generated alongside each converted template. For bulk conversions, also read _summary.txt.

Note: When flags are present, the script automatically:

  • Prepends a <!-- WARNING: ... --> comment at the top of the converted file
  • Wraps unsupported syntax in <!-- FLAGGED [RULE]: message --> HTML comments so the file can be pasted into the Mailtrap editor without triggering parser errors

Step 3: Handle flags (Deep mode)

For each flag in the report:

  1. Read the flagged line in the original template.
  2. Consult references/conversion-rules.md for the specific rule and recommended action.
  3. Categorize the flag:
    • App-layer change required (e.g., formatDate, comparison helpers): Cannot be resolved in the template. Report to the user with a clear explanation of what they need to change in their application code. Suggest the replacement variable name.
    • Template-level fix possible (e.g., Brevo nested loops, Mandrill mc:edit regions): Apply the conversion using LLM judgment. Show the user the before/after and ask for confirmation before writing.
    • Ambiguous (e.g., Postmark closing tag mismatch): Show the user both the original context and the converted output. Ask them to verify.

Present flags grouped by category:

## Conversion Complete

### Auto-converted: [count] changes
[Brief summary or collapsed details]

### Needs your application code: [count] flags
[For each: what to change, why, suggested variable name]

### Needs verification: [count] flags
[For each: show before/after, ask for confirmation]

Step 4: Present results

Single file:

Converted: {filename}
Changes: [count] | Flags: [count]
Output: {output_path}

[Show the conversion report summary]
[If flags exist, show the categorized flag breakdown from Step 3]

Bulk conversion:

Converted: [count] files
Total changes: [count] | Total flags: [count]
Clean: [count] files | Needs review: [count] files
Output: {output_dir}

[Show the summary report]
[List files needing review with their specific flags]

Step 5: API field mapping reminder

After template conversion, always remind the user about the API-side changes they need to make. Reference the quick mapping table:

ProviderOld template fieldOld variables fieldMailtrap fieldMailtrap variables
SendGridtemplate_idpersonalizations[].dynamic_template_datatemplate_uuidtemplate_variables
Mailguntemplatet:variablestemplate_uuidtemplate_variables
Mandrilltemplate_nameglobal_merge_vars + merge_varstemplate_uuidtemplate_variables
PostmarkTemplateId/TemplateAliasTemplateModeltemplate_uuidtemplate_variables
BrevotemplateIdparamstemplate_uuidtemplate_variables
Amazon SESTemplateName/TemplateArnTemplateDatatemplate_uuidtemplate_variables

Only show the row for the provider that was just converted.

Inline conversion (no file)

If the user pastes template HTML directly in chat instead of providing a file path:

  1. Identify the source provider (ask if not stated).
  2. Apply the conversion rules from references/conversion-rules.md directly using LLM intelligence.
  3. Comment out unsupported syntax in the converted output by wrapping it in <!-- FLAGGED [RULE]: message --> HTML comments (same format as the script). This prevents editor errors when the user pastes the output into Mailtrap.
  4. If there are flags, prepend a <!-- WARNING: ... --> comment at the top of the converted output noting how many flagged patterns need resolution.
  5. Present the converted Handlebars output with a list of changes made.
  6. Flag any patterns that need app-layer changes.
  7. Offer to save the result to a file.

This mode always uses Deep mode (LLM) since there is no file to pass to the script.

Rules

  • Never silently skip a flagged pattern. Every flag must be reported to the user.
  • Never modify the original file. Converted output always goes to the output directory.
  • Preserve HTML structure. Only modify template syntax (variables, conditionals, loops, helpers). Do not touch HTML tags, attributes, CSS, or non-template content.
  • When in doubt, flag. If a pattern is ambiguous, flag it for manual review rather than making an incorrect conversion.
  • Report counts. Always show the number of changes and flags so the user knows the scope.
  • One provider at a time. If a directory contains templates from multiple providers, ask the user to separate them or specify the provider for the batch.

Dépôt GitHub

mailtrap/mailtrap-skills
Chemin: skills/converting-email-templates
0
FAQ

Questions fréquentes

Qu’est-ce que le Skill converting-email-templates ?

converting-email-templates est un Skill Claude créé par mailtrap. Un Skill regroupe des instructions et des ressources que Claude charge à la demande pour effectuer des tâches liées à converting-email-templates sans consigne supplémentaire.

Comment installer converting-email-templates ?

Utilisez les commandes d’installation de cette page : ajoutez converting-email-templates à Claude Code comme plugin ou clonez son dépôt dans votre dossier skills, puis redémarrez Claude pour charger le Skill.

À quelle catégorie appartient converting-email-templates ?

converting-email-templates appartient à la catégorie Méta.

converting-email-templates est-il gratuit ?

Oui. converting-email-templates est référencé sur AIMCP et son installation est gratuite.

Compétences associées

content-collections
Méta

Cette compétence propose une configuration éprouvée en production pour Content Collections, un outil axé sur TypeScript qui transforme des fichiers Markdown/MDX en collections de données typées de manière sûre avec une validation Zod. Utilisez-la lors de la création de blogs, de sites de documentation ou d'applications Vite + React riches en contenu pour garantir la sécurité de typage et la validation automatique du contenu. Elle couvre tout, de la configuration du plugin Vite et de la compilation MDX à l'optimisation des déploiements et la validation des schémas.

Voir la compétence
polymarket
Méta

Cette compétence permet aux développeurs de créer des applications avec la plateforme de marchés prédictifs Polymarket, incluant l'intégration d'API pour le trading et les données de marché. Elle fournit également une diffusion de données en temps réel via WebSocket pour surveiller les transactions en direct et l'activité du marché. Utilisez-la pour mettre en œuvre des stratégies de trading ou pour créer des outils traitant les mises à jour de marché en direct.

Voir la compétence
creating-opencode-plugins
Méta

Cette compétence aide les développeurs à créer des plugins OpenCode qui s'interconnectent avec plus de 25 types d'événements tels que les commandes, les fichiers et les opérations LSP. Elle fournit la structure du plugin, les spécifications de l'API événementielle et les modèles d'implémentation pour les modules JavaScript/TypeScript. Utilisez-la lorsque vous avez besoin d'intercepter, de surveiller ou d'étendre le cycle de vie de l'assistant IA OpenCode avec une logique personnalisée pilotée par les événements.

Voir la compétence
sglang
Méta

SGLang est un framework de service LLM haute performance spécialisé dans la génération rapide et structurée pour les workflows JSON, regex et agentiques grâce à son cache de préfixe RadixAttention. Il offre une inférence nettement plus rapide, particulièrement pour les tâches avec des préfixes répétés, ce qui le rend idéal pour les sorties complexes et structurées ainsi que les conversations multi-tours. Choisissez SGLang plutôt que des alternatives comme vLLM lorsque vous avez besoin d'un décodage contraint ou que vous construisez des applications avec un partage étendu de préfixes.

Voir la compétence