aiflow (Garrickvan)

MCPAI代理

提供方 garrickvan

AI代理 stdio · 本地进程 无需鉴权 社区 / 第三方
查看接入方式

智流MCP是一个通过管理技能和处理任务来提升AI工作流效率的MCP服务。

一句话选型结论

按资料字段整理

aiflow (Garrickvan) 属于AI代理类 MCP 服务器,stdio · 本地进程,无需鉴权,有可直接执行的安装命令。接入前先确认权限范围;涉及写入、删除或付款的操作,建议先在测试环境验证。

分类AI代理 传输方式stdio · 本地进程 鉴权无需鉴权 部署方式本地部署
GitHub 星标 7 仓库热度,无公开仓库时显示未标注
工具数 7 暴露给模型的工具数量
资源 / 提示词 0 / 0 资源与提示词模板数量
维护方 社区 / 第三方 核验等级 仅资料核对

工具与能力

AI代理
数量来自来源目录的标注,具体工具清单以官方文档为准
工具数量7暴露给模型可调用的工具个数
资源数量0可读取的资源条目
提示词数量0内置提示词模板数量

能力标签

适用场景

AI工作流Go本地部署任务管理技能管理MCP工具

安装与配置

stdio · 本地进程 无需鉴权
客户端在本机拉起子进程,数据不出本机
python scripts/builder.py

这条命令只是入口,具体启动参数请按官方文档补齐,不要直接照搬到别的服务器。

  1. 1
    准备运行环境

    stdio 服务在本地起进程,需要先装好 Python,再按安装命令拉取依赖。

  2. 2
    安装服务

    复制上面的安装命令执行;命令里带占位符的位置,换成自己的密钥或路径。

  3. 3
    写入客户端配置

    在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4
    验证是否可用

    连接成功后客户端会列出约 7 个工具,随便调一个只读工具确认能返回结果。

典型使用场景

3 类
按分类与标签整理的常见用法,具体以官方文档为准
给代理接外部能力

让代理在任务中途调用搜索、数据库等真实工具。

多步任务编排

把一串操作拆成步骤,由代理按顺序执行。

自动化重复流程

把固定流程交给代理跑,减少手工操作。

选择建议

选之前先看这几条
按条目字段给出的判断,不替你决定用不用

值得选的地方

  • 资料标注 7 个工具,职责相对集中,接入后不容易误操作。
  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。
  • 资料标注无需鉴权,装好就能连。

先想清楚的地方

  • stdio 方式要求本地装好运行时(如 Node.js),换机器要重新装一遍。
  • 版本更新与行为细节以官方仓库为准。

更适合

  • 需要在AI代理场景里让模型直接调用外部能力的人。
  • 想先快速试一下、能接受在本地或自有环境跑服务的人。

不太适合

  • 完全不想在本地装环境的人。
  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

6 个同类
同分类里挑最接近的几条,字段以各自详情页为准
MCP 服务器工具数传输方式部署方式安装命令最后核验
aiflow (Garrickvan)当前 7 stdio · 本地进程 本地部署 有 2026-05-17
Filesystem 560c4363 13 未标注 本地部署 无 2026-05-17
Server Everything (everything) 11 stdio · 本地进程 本地部署 有 2026-05-17
Time 7365cb6d 2 SSE · 服务端推送 远程部署 有 2026-05-18
Everything Claude Code 未标注 stdio · 本地进程 本地部署 有 2026-05-17
Openmemory 557e1585 未标注 stdio · 本地进程 本地部署 有 2026-05-17

服务器档案

AI代理
字段来自项目仓库与公开索引,中文说明由本站标注
提供方garrickvan上游标注的维护方 garrickvan
分类AI代理本站按上游分类展示
连接方式stdio · 本地进程客户端在本机拉起子进程,数据不出本机
鉴权方式无需鉴权远程服务建议用最小权限凭据
维护方社区 / 第三方核验等级 仅资料核对
包名 / 运行时未标注 · Python本地安装时用到的包标识与运行时
部署类型本地部署上游给出的部署形态
最近核验2026-05-17上游最后核验时间

详细介绍

5.9 KB
来自项目仓库与上游目录的原文,未做删改

智流MCP AiFlow

> 智流MCP,你的AI工作助手

智流MCP是一个提高AI工作流效率的MCP服务,通过管理技能、处理任务来提升AI工作流的效率。

功能特性

技能管理

  • 技能存储 - 支持创建、查看、更新、删除技能
  • 标签分类 - 为技能添加标签,便于分类管理
  • 回收站 - 软删除机制,支持恢复误删技能
  • 导入导出 - 支持技能导出为Markdown格式
  • 关键词搜索 - 支持分词搜索技能

任务管理

  • 任务跟踪 - 创建任务并跟踪执行过程
  • 执行记录 - 每次执行都有独立记录,支持多次重试
  • 项目分类 - 按项目组织任务
  • 状态流转 - 已创建 → 处理中 → 处理完成/失败 → 验收通过
  • 批量导出 - 支持CSV、JSON、Markdown格式导出

MCP工具

智流MCP提供以下MCP工具供AI调用:

工具名 功能
skill_get 查询技能列表(支持标签筛选和关键词搜索)
skill_detail 查看技能详情
skill_save 保存/更新技能
job_new 创建新任务
job_get 查询任务详情
job_report 报告任务执行结果
job_redo 重新执行任务(新思路)

支持范围

理论上所有支持MCP协议的AI都可以使用智流MCP,目前在Trae ID、Codebuddy插件中都测试通过。

使用方法

  1. 先运行aiflow程序,确保MCP服务已启动
  2. 确保AI Agent或IDE已连接到智流MCP服务
  3. 调用MCP工具,例如:skill_get、job_new等
  4. 浏览器打开http://localhost:9990/web,可管理skill,查看执行结果和任务状态

Agent使用时,配合rules文件,可实现自动处理任务。

规则文件

rules文件是一个YAML格式的文件,用于定义任务处理规则。例如:```markdown

项目名:myproject

【执行前必做】

  1. 检查任务编号:无则调用 job_new创建,有则提取
  2. 无论任务大小,响应首行必须是任务状态声明
  3. 判断是否需要 job_report

【规则正文】

  1. 【任务识别】无"任务编号: JT-{项目名}-{日期}-{序号}"时调用 job_new创建,有则提取复用,但绝对不能编造任务编号
  2. 【任务报告】代码修改完成/告知完成/任务失败时调用 job_report。测试/编译验收先执行再调用,人工验收可直接调用
  3. 【验收选择】有测试脚本→测试验收;有编译命令→编译验收;其他→人工验收
  4. 【任务重开】重新执行时先 job_get查看历史,再调整 job_redo
  5. 【强制输出】响应首行声明状态:创建后输出"任务编号: JT-XXX"、执行中输出"任务: JT-XXX 执行中"、完成后输出"任务: JT-XXX 已归档"

【违规处理】

未遵守规则时立即停止,说明违规点,重新按正确流程执行


## 项目结构```
aiflow/
├── goend/             # Go后端代码(MCP服务 + HTTP API)
│   ├── cmd/
│   │   ├── api/       # HTTP服务入口
│   │   └── migrate/   # 数据库迁移工具
│   ├── internal/
│   │   ├── api/       # HTTP API handlers和路由
│   │   ├── cache/     # 本地缓存
│   │   ├── config/    # 配置管理
│   │   ├── mcp/       # MCP工具实现
│   │   ├── models/    # 数据模型
│   │   ├── repositories/  # 数据访问层
│   │   ├── services/  # 业务逻辑层
│   │   └── utils/     # 工具函数
│   └── scripts/       # 构建脚本
├── frontend/          # 前端代码(React + TypeScript + Vite)
│   ├── src/
│   │   ├── components/    # 组件
│   │   ├── pages/         # 页面
│   │   ├── services/      # API服务
│   │   └── stores/        # 状态管理
│   └── public/
├── vsplugin/          # VSCode插件
├── docs/              # 项目文档
├── .trae/rules/       # 项目规则配置
├── README.md          # 项目说明
├── LICENSE            # 开源许可证
├── CHANGELOG.md       # 版本变更记录
├── go.mod             # Go模块文件
└── package.json       # 前端依赖

项目开发

前置要求

  • Go 1.20+
  • Node.js 18+
  • Yarn

后端启动```bash

进入后端目录

cd goend

安装依赖

go mod tidy

启动服务(默认端口9900)

go run cmd/api/main.go

或使用自定义端口

go run cmd/api/main.go -http localhost:9990


服务启动后访问:
- Web后台: http://localhost:9900/web
- MCP端点: http://localhost:9900/mcp

### 前端启动```bash
# 进入前端目录
cd frontend

# 安装依赖
yarn install

# 启动开发服务器
yarn dev

前端开发服务器默认运行在 http://localhost:5173

构建完整应用

项目提供了构建脚本,用于将前端静态资源打包到Go可执行文件中。```bash

1. 首先构建前端

cd frontend
yarn build

2. 执行构建脚本

cd ../goend
python scripts/builder.py


构建成功后,会在 `goend/release` 目录下生成 `aiflow.exe` 可执行文件,包含完整的前端静态资源和后端服务。

## 配置说明

配置文件 `config.yml`:```yaml
server:
name: "智流MCP"           # 服务名称
version: "0.5.0"          # 版本号
addr: "localhost:9900"    # 监听地址
web_path: "/web"          # Web后台路径
root_path: "/"            # MCP根路径
mcp_path: "/mcp"          # MCP协议路径

log:
level: "info"             # 日志级别: debug/info/warn/error
output_type: "console"    # 输出方式: console/file
file_path: ""             # 日志文件路径(output_type为file时生效)

项目文档

  • API文档
  • 系统架构
  • 数据库设计
  • 部署指南
  • 开发环境搭建

VSCode插件

智流MCP提供配套的VSCode插件,可在编辑器内直接访问管理后台。

详见 vsplugin/README.md

许可证

本项目采用 MIT 许可证 - 详情请参阅 LICENSE 文件。

常见问题

7 问
答案由本站依据条目字段整理,不引用上游原文
aiflow (Garrickvan) 怎么安装?

在客户端按下面的安装命令接入:python scripts/builder.py。装完在客户端配置里引用同一个包或端点。

aiflow (Garrickvan) 怎么在客户端里配置?

它的传输方式未标注,在客户端 MCP 配置里按官方文档填写启动命令和参数,保存后重启客户端生效。

aiflow (Garrickvan) 收费吗?

本站不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

aiflow (Garrickvan) 需要 API Key 吗?

资料标注为无需认证,装好就能连;如果实际调用时报鉴权错误,按官方文档补上凭据。

aiflow (Garrickvan) 能提供哪些能力?

资料显示约 7 个工具;能力标签包括 AI工作流、技能管理、Go、任务管理、Python。具体工具清单以官方文档为准。

aiflow (Garrickvan) 需要什么运行环境?

运行时为 Python;属于本地进程,需要在本机装好运行环境。

aiflow (Garrickvan) 是本地还是远程?

它是本地进程(stdio),由客户端在本机拉起。传输方式为stdio · 本地进程。

热门专题

按标签挑服务器
全部专题 →

服务器信息以作者仓库与官方文档为准;分类、传输方式与鉴权方式的中文说明为中文整理,最近核验 2026-05-17。