返回 MCP 目录
public公开dns本地运行

workflow-mcp-server

一个基于Python的MCP服务器,用于引导代理按照预定义的结构化工作流程执行任务,同时保持执行灵活性。

article

README

🚀 工作流 MCP 服务器

这是一个用 Python 开发的结构化工作流引导代理的 MCP 服务器。此服务器可确保代理按照预定义步骤执行任务,同时还能保持执行过程的灵活性。

🚀 快速开始

此部分将为你介绍项目的开发方法、安装步骤、使用方法、工作流定义、可用工具以及许可证信息。

✨ 主要特性

  • 借助 Python 开发,实现结构化工作流引导。
  • 利用 UV 进行高效包管理,保障执行的灵活性。
  • 支持通过 SSE 进行通信。

📦 安装指南

设置环境

# 创建虚拟环境
uv venv

# 激活虚拟环境
source .venv/bin/activate  # Linux/macOS
# 或者
.venv\Scripts\activate     # Windows

# 安装包
uv pip install -e .

# 开发环境(带测试工具)
uv pip install -e ".[dev]"

💻 使用示例

基础用法

运行服务器

# 使用入口脚本
uv run workflow-mcp

# 或者直接使用模块
uv run python -m workflow_mcp_server

运行测试

uv run pytest

高级用法

使用 SSE 而不是 stdio:

uv run workflow-mcp --sse --port 8888

📚 详细文档

工作流定义

frameworks 目录中创建 YAML 文件,结构如下:

name: "Simple Workflow"
description: "A linear workflow with basic steps"
version: "1.0"
steps:
  - id: "step1"
    type: "instruction"
    content: "这是你需要首先完成的事情"
    next: "step2"
    
  - id: "step2"
    type: "tool_call"
    tool: "工具名称"
    parameters:
      param1: "值1"
    next: "step3"
    
  - id: "step3"
    type: "end"
    content: "工作流完成"

可用工具

  • list_workflows(): 列出可用的工作流框架
  • start_workflow(workflow_id): 启动新的工作流会话
  • complete_step(session_id, result): 标记当前步骤为完成并获取下一个步骤

📄 许可证

本项目采用 MIT 许可证。

help

运行方式说明

cloud

托管运行

托管运行通常表示这个 MCP Server 由服务方环境承载,用户一般按页面提供的连接方式或授权流程接入,不需要在本地长期启动一个 MCP 进程

  1. 打开服务方连接页
  2. 完成授权或复制端点
  3. 在 MCP 客户端中连接
terminal

本地运行 / 其它方式

本地运行通常需要用户在自己的电脑或服务器上安装依赖,把 server_config 复制到 MCP 客户端,并按 env_schema 补齐环境变量、密钥或其它配置

  1. 复制 server_config
  2. 安装所需依赖
  3. 补齐环境变量后重启客户端