Communitygithub.com

Integración de Correo Electrónico con Mailtrap

Guía a los agentes en la integración del envío de correos electrónicos transaccionales mediante Mailtrap.

¿Qué es Integración de Correo Electrónico con Mailtrap?

Esta habilidad está diseñada para desarrolladores y agentes de IA que necesitan implementar el envío de correos electrónicos transaccionales en sus aplicaciones utilizando la API de Correo Electrónico y el Sandbox de Mailtrap. Cubre aspectos fundamentales como la autenticación mediante tokens Bearer, la separación entre entornos de desarrollo/sandbox y producción, y la verificación de dominios para evitar entregas fallidas o marcas como spam. La habilidad proporciona ejemplos de código TypeScript para el envío tanto en producción como en sandbox, y detalla antipatrones comunes como hardcodear tokens o usar el endpoint de producción en pruebas. Sigue las mejores prácticas de manejo de errores, logging y gestión de secretos, y se relaciona con otras habilidades como diseño de APIs, seguridad y CI/CD.

Compatible con~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/affaan-m/ECC/tree/main/skills/mailtrap-email-integration

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

Documentación

¿Qué hace Integración de Correo Electrónico con Mailtrap?

Patrones para añadir envío de correos electrónicos transaccionales a una aplicación utilizando la API de Correo Electrónico y el Sandbox de Mailtrap, cubriendo autenticación, separación de entornos y errores comunes de entrega.

Cuándo Activar

  • Implementar una función de "enviar correo" (confirmación de registro, restablecimiento de contraseña, notificaciones, recibos)
  • Depurar por qué los correos no llegan en desarrollo/pruebas
  • Configurar la primera integración de envío de correo de un proyecto
  • Revisar código que llama directamente a una API de correo sin separación de sandbox

Conceptos Clave

Separación Sandbox vs. Producción. Mailtrap proporciona una API Sandbox que captura los correos sin entregarlos, utilizada en desarrollo/pruebas para que los correos de prueba nunca lleguen a bandejas de entrada reales. El envío en producción usa un endpoint separado con dominio verificado. Nunca apuntes un entorno de desarrollo al endpoint de envío de producción.

Autenticación. Las solicitudes usan un token Bearer en la cabecera Authorization. Los tokens tienen alcance por proyecto; sandbox y producción suelen usar tokens diferentes.

Verificación de dominio. El envío en producción requiere verificar un dominio de envío mediante registros DNS (SPF, DKIM, DMARC) antes de que Mailtrap entregue a destinatarios reales. Omitir esto provoca fallos de entrega silenciosos o el envío a la carpeta de spam.

Ejemplos de Código

// Envío a través de la API de Correo Electrónico de Mailtrap (producción)
async function sendEmail(to: string, subject: string, html: string) {
  const response = await fetch("https://send.api.mailtrap.io/api/send", {
    method: "POST",
    headers: {
      "Authorization": `Bearer ${process.env.MAILTRAP_API_TOKEN}`,
      "Content-Type": "application/json",
    },
    body: JSON.stringify({
      from: { email: "[email protected]", name: "Tu App" },
      to: [{ email: to }],
      subject,
      html,
    }),
  });

  if (!response.ok) {
    throw new Error(`Envío de correo falló: ${response.status}`);
  }
  return response.json();
}
// Misma llamada, enrutada al Sandbox en entornos que no son producción
const MAILTRAP_ENDPOINT = process.env.NODE_ENV === "production"
  ? "https://send.api.mailtrap.io/api/send"
  : `https://sandbox.api.mailtrap.io/api/send/${process.env.MAILTRAP_INBOX_ID}`;

Antipatrones

AntipatrónPor qué es un ProblemaEn su lugar
Usar el endpoint de producción en desarrollo/pruebasLos correos de prueba llegan a bandejas reales, arriesgando quejas de spam y filtración de datos de pruebaEnrutar entornos que no sean de producción al endpoint Sandbox
Hardcodear tokens API en el código fuenteRiesgo de filtración de credenciales si se sube al control de versionesCargar tokens desde variables de entorno / gestor de secretos
Enviar antes de completar la verificación de dominioLos correos fallan silenciosamente o caen en spamVerificar registros SPF/DKIM/DMARC antes de habilitar el envío en producción
Sin reintento/manejo de errores en fallos de envíoFallos silenciosos de notificación (ej: el usuario nunca recibe el correo de restablecimiento de contraseña)Verificar el estado de la respuesta, registrar fallos, mostrar errores accionables

Mejores Prácticas

  • Mantén los tokens de sandbox y producción en variables de entorno separadas; nunca compartas un token entre entornos
  • Verifica los registros DNS del dominio de envío antes de cualquier lanzamiento a producción que involucre correo
  • Registra los fallos de entrega con suficiente contexto para depurar (destinatario, plantilla, marca de tiempo, código de respuesta)
  • Trata el envío de correo como una llamada de red falible: envuélvelo en try/catch, nunca asumas éxito

Habilidades Relacionadas

api-and-interface-design, security-and-hardening, ci-cd-and-automation

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

accessibility

Design, implement, and audit inclusive digital products using WCAG 2.2 Level AA. Use when building or auditing UI that must meet WCAG 2.2 Level AA, or when reviewing a change for keyboard, contrast, or screen-reader support.

affaan-m/content-engine

Create platform-native content systems for X, LinkedIn, TikTok, YouTube, newsletters, and repurposed multi-platform campaigns. Use when the user wants social posts, threads, scripts, content calendars, or one source asset adapted cleanly across platforms.

affaan-m/ECC

Multi-platform content distribution across X, LinkedIn, Threads, and Bluesky. Adapts content per platform using content-engine patterns. Never posts identical content cross-platform. Use when the user wants to distribute content across social platforms.

affaan-m/fal-ai-media

Unified media generation via fal.ai MCP — image, video, and audio. Covers text-to-image (Nano Banana), text/image-to-video (Seedance, Kling, Veo 3), text-to-speech (CSM-1B), and video-to-audio (ThinkSound). Use when the user wants to generate images, videos, or audio with AI.

affaan-m/manim-video

日本語翻訳:このファイルは manim-video 用の日本語翻訳が必要です

affaan-m/remotion-video-creation

Remotion のベストプラクティス - React で動画を作成する。3D、アニメーション、音声、字幕、チャート、トランジションなどをカバーするドメイン固有の29のルール。

affaan-m/video-editing

AI-assisted video editing workflows for cutting, structuring, and augmenting real footage. Covers the full pipeline from raw capture through FFmpeg, Remotion, ElevenLabs, fal.ai, and final polish in Descript or CapCut. Use when the user wants to edit video, cut footage, create vlogs, or build video content.

agent-architecture-audit

Full-stack diagnostic for agent and LLM applications. Audits the 12-layer agent stack for wrapper regression, memory pollution, tool discipline failures, hidden repair loops, and rendering corruption. Produces severity-ranked findings with code-first fixes. Essential for developers building agent applications, autonomous loops, or any LLM-powered feature. Use when an agent or LLM feature misbehaves and the failing layer is unknown, or before shipping an agent stack.

agent-eval

Head-to-head comparison of coding agents (Claude Code, Aider, Codex, etc.) on custom tasks with pass rate, cost, time, and consistency metrics. Use when choosing between coding agents, or when a change to an agent setup needs measured pass rate, cost, and time rather than an impression.

agent-harness-construction

Design and optimize AI agent action spaces, tool definitions, and observation formatting for higher completion rates. Use when defining or revising an agent

agentic-engineering

Operate as an agentic engineer using eval-first execution, decomposition, and cost-aware model routing. Use when planning or executing engineering work that agents will carry out end to end.

agentic-os

Build persistent multi-agent operating systems on Claude Code. Covers kernel architecture, specialist agents, slash commands, file-based memory, scheduled automation, and state management without external databases. Use when building a persistent multi-agent system on Claude Code with its own memory, commands, and scheduling.

agent-introspection-debugging

Structured self-debugging workflow for AI agent failures using capture, diagnosis, contained recovery, and introspection reports. Use when an agent run fails and you need a reproducible diagnosis instead of a retry.

agent-payment-x402

Add x402 payment execution to AI agents with per-task budgets, spending controls, and non-custodial wallets. Supports Base through agentwallet-sdk and X Layer through OKX Payments / OKX Agent Payments Protocol. Use when an agent must pay for something itself and needs per-task budgets, spending controls, and a non-custodial wallet.

agent-self-evaluation

Use after completing any non-trivial task. The agent self-rates its output on 5 axes — accuracy, completeness, clarity, actionability, conciseness — with concrete evidence per criterion. Produces a structured 1-5 scorecard with specific improvement suggestions.

agent-sort

Build an evidence-backed ECC install plan for a specific repo by sorting skills, commands, rules, hooks, and extras into DAILY vs LIBRARY buckets using parallel repo-aware review passes. Use when ECC should be trimmed to what a project actually needs instead of loading the full bundle.

ai-first-engineering

Engineering operating model for teams where AI agents generate a large share of implementation output. Use when setting team process, review gates, or ownership rules for a codebase largely written by agents.

ai-regression-testing

Regression testing strategies for AI-assisted development. Sandbox-mode API testing without database dependencies, automated bug-check workflows, and patterns to catch AI blind spots where the same model writes and reviews code. Use when adding regression coverage to AI-assisted code, or when the same model both wrote and reviewed a change.

android-clean-architecture

Clean Architecture patterns for Android and Kotlin Multiplatform projects — module structure, dependency rules, UseCases, Repositories, and data layer patterns. Use when structuring modules, layers, or data flow in an Android or KMP project.

angular-developer

Generates Angular code and provides architectural guidance. Trigger when creating projects, components, or services, or for best practices on reactivity (signals, linkedSignal, resource), forms, dependency injection, routing, SSR, accessibility (ARIA), animations, styling (component styles, Tailwind CSS), testing, or CLI tooling.

Skills relacionados