Structured Workflow MCP

MCP开发工具

提供方 kingdomseed

开发工具 未标注 无需鉴权 社区 / 第三方 Claude

一个强制执行结构化编程实践的MCP服务器,要求AI助手在开发的每个阶段审核工作并生成经过验证的输出。

一句话选型结论

按资料字段整理

Structured Workflow MCP 属于开发工具类 MCP 服务器,传输方式未标注,无需鉴权,可直接接入 Claude,没有现成安装命令,需按官方文档接入。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。

分类开发工具 传输方式未标注 鉴权无需鉴权 部署方式本地部署
GitHub 星标 11 仓库热度,无公开仓库时显示未标注
工具数 20 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

开发工具
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20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

支持客户端

适用场景

AI编程辅助TypeScript本地部署结构化工作流代码审核开发流程管理测试驱动开发

安装与配置

未标注 无需鉴权
上游未给出传输方式
  1. 1
    准备运行环境

    stdio 服务在本地起进程,需要先装好 Node.js 等运行时,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 20 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
代码与仓库操作

在对话里直接查代码、提 issue、走 PR,省掉来回切工具。

本地命令与脚本

把构建、测试、格式化这类重复命令交给模型执行。

接口联调与测试

让模型调你的接口、跑一遍用例,快速定位问题。

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 20 个工具,覆盖面较广,能满足多种调用。
  • 已适配 Claude,换客户端不用重新研究配置。
  • 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。
  • 没有现成安装命令,需要按官方文档自己填启动命令和参数。
  • 版本更新与行为细节以官方仓库为准。

更适合

  • 需要在开发工具场景里让模型直接调用外部能力的人。
  • 已经在用 Claude 的用户,接入路径最短。
  • 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
Structured Workflow MCP当前 20 未标注 本地部署 无 2026-05-17
Git 838e2ec1 12 stdio · 本地进程 本地部署 有 2026-05-17
Markitdown MCP 2c653a5f 1 stdio · 本地进程 本地部署 有 2026-05-17
JavaGuide 未标注 stdio · 本地进程 本地部署 有 2026-04-11
awesome-claude-skills 未标注 stdio · 本地进程 本地部署 有 2026-04-26
Context7 831acf40 未标注 stdio · 本地进程 本地部署 有 2026-05-17

服务器档案

开发工具
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kingdomseed上游标注的维护方 kingdomseed
分类开发工具本站按上游分类展示
连接方式未标注上游未给出传输方式
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 · 未标注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

12.5 KB
来自项目仓库与上游目录的原文,未做删改

结构化工作流MCP服务器

注意:我目前没有处理或积极维护它。在制作此MCP服务器时,我学到了一些关于提示和代理的知识。它有很多非常有价值的想法,可以作为MCP服务器使用或改进,但我也在寻找将核心想法融入代理的方法,例如在Claude中。这里的核心思想是,人工智能应该遵循特定的、预先确定的步骤来解决问题,就像我们人类一样,除了这个MCP服务器之外,可能还有其他方法来实现这一点。

一种MCP服务器,通过要求人工智能助手在开发的每个阶段审核他们的工作并产生经过验证的输出,来强制执行有纪律的编程实践。

我为什么建造这个

太长,读不下去了:我厌倦了在每个人工智能平台和提示中重复“库存和审计优先”,所以我构建了一个MCP服务器来自动执行这种有纪律的方法。它迫使人工智能系统地思考并遵循结构化的阶段,而不是直接进入代码更改。

因此,我构建了一个MCP服务器,它适合我在编程时的工作流程和思维过程。我通过npx提供了它,如果你想在本地下载,你可以自己下载。

本质上,我在用人工智能做一些重复的任务,我希望它能完成一个更大项目的一部分重构工作。我一直在挣扎,因为它经常遗漏或掩盖关键的东西:已经存在的类或系统(例如偏好服务),创建重复的东西,或者在纠正错误时,在周围留下孤立的未使用的方法/代码,在编写测试时,它通常会引入错误的导入或以错误的方式将它们组合在一起,导致语法错误,但会直接编写下一个测试,而不修复第一个损坏的测试。

我偶然发现了这样一个想法,即模型需要在进入任何类型的实现阶段之前对当前项目(甚至不是整个项目——只是项目中的一层或功能)进行审计和盘点,这需要一个lint迭代lint阶段。我用规则尝试了这一点,取得了有限的成功,然后得到了更好的成功,但我一直在重复自己。

所以我开始研究MCP服务器的想法,它迫使人工智能分阶段或分通道解决问题。这就是它的作用。有许多不同的工作流程风格,我对任何其他想法或改进都持开放态度。

如果它对您的用例有帮助,请随时查看。这是一项正在进行的工作,但就我目前使用的情况而言,它做得很好。如果你感兴趣,很乐意分享更多。

特性

强制工作流阶段 -人工智能必须按顺序完成特定阶段(设置、审计、分析、规划、实施、测试等)

强制性输出工件 -每个阶段在继续之前都需要结构化的文件或经过验证的输出

多种工作流类型:

  • 重构工作流程以改进代码
  • 功能开发与集成测试
  • 以测试为重点的工作流程,以提高覆盖率
  • 测试驱动开发(TDD)周期
  • 针对特定需求定制工作流程

输出验证 -服务器验证输出是否包含有意义的内容和适当的结构

会话状态管理 -跟踪进度并防止跳过阶段

运作原理

以下是人工智能如何在结构化的工作流程中移动:```mermaid
graph TD
A[🚀 Start Workflow] --> B[AI Gets Phase Guidance]
B --> C{Create Phase Output}
C --> D[Auto-Save with Numbered Naming
00-setup-confirmation-2025-01-07.md]
D --> E[Phase Validation]
E --> F{All Phases Done?}
F -->|No| G[Move to Next Phase]
G --> B
F -->|Yes| H[Workflow Complete!]

style A fill:#e1f5fe
style B fill:#f3e5f5
style C fill:#fff3e0
style D fill:#e8f5e8
style E fill:#fff9c4
style H fill:#e8f5e8


**每一步都会发生什么:**

1. **启动工作流** -AI调用工作流工具(重构工作流、创建特征工作流等)
1. **AI获得阶段指导** -服务器为当前阶段(审计、分析、实施等)提供具体说明
1. **创建相位输出** -AI在整个阶段工作并创建文档/工件
1. **自动保存** -文件会自动以编号命名保存在任务目录中
1. **阶段验证** -服务器在继续之前验证输出是否符合要求
1. **下一阶段** -重复该过程,直到工作流完成

这种分解的一个好处是,AI代理接收的指令集与当前阶段相关,而不是与整个工作流程相关。这有助于防止人工智能迷失在整个工作流程的杂草中,而是专注于当前阶段。一篇有趣的文章可以在这里阅读: LLMs在多回合对话中迷失方向

## 工作流输出

### 人工智能生成的文档

服务器 **建议** 在各个阶段进行时,对工作流文件进行编号。AI助手使用自己的工具处理实际的文件创建:```
workflows/
├── your-task-name/
│   ├── 01-audit-inventory-2025-01-04.md
│   ├── 02-compare-analyze-2025-01-04.json
│   ├── 03-question-determine-2025-01-04.md
│   ├── 04-write-or-refactor-2025-01-04.md
│   ├── 05-test-2025-01-04.json
│   ├── 06-lint-2025-01-04.json
│   ├── 07-iterate-2025-01-04.md
│   └── 08-present-2025-01-04.md

工作流体系结构

文件处理:服务器提供建议的路径和格式,但不直接写入文件。相反,它指示AI助手使用自己的文件系统访问权限创建这些文件。

一致性命名:文件遵循标准化的命名约定,包括阶段编号、名称和时间戳。

环境独立性:该架构适用于AI具有适当文件系统权限的任何环境。

优雅降级:如果AI无法创建文件,工作流程将以仅内存模式继续,您的进度不会中断。

安装

快速启动(推荐)-零安装

添加到您的AI助手配置 -自动使用npx:

> 💡 备注:我建议使用 @latest 以确保您始终获得最新的功能和修复。没有 @latest,npx可能会缓存旧版本。

VS代码/光标/风帆 -添加到MCP设置中:```json
{
"mcp": {
"servers": {
"structured-workflow": {
"command": "npx",
"args": ["structured-workflow-mcp@latest"],
"env": {}
}
}
}
}


**克劳德桌面版** -添加到您的 `claude_desktop_config.json`:```json
{
"mcpServers": {
"structured-workflow": {
"command": "npx",
"args": ["structured-workflow-mcp@latest"],
"env": {}
}
}
}

全局安装(可选)

您可以使用NPM在您的计算机上全局安装:```bash
npm install -g structured-workflow-mcp


然后在AI助手配置中使用:```json
{
"mcp": {
"servers": {
"structured-workflow": {
"command": "structured-workflow-mcp",
"args": [],
"env": {}
}
}
}
}

具有自定义输出目录:```json
{
"mcp": {
"servers": {
"structured-workflow": {
"command": "structured-workflow-mcp",
"args": ["--output-dir", "/home/user/workflow-outputs"],
"env": {}
}
}
}
}


### 手动安装

对于开发人员,您可以克隆存储库并在本地构建:```bash
git clone https://github.com/kingdomseed/structured-workflow-mcp
cd structured-workflow-mcp
npm install && npm run build

用法

在您的AI助手中配置后,从以下工作流工具开始:

  • mcp__structured-workflow__build_custom_workflow -创建自定义工作流
  • mcp__structured-workflow__refactor_workflow -结构化重构
  • mcp__structured-workflow__create_feature_workflow -功能开发
  • mcp__structured-workflow__test_workflow -测试覆盖工作流程

输出伪影示例

服务器强制AI生成以下结构化输出:

AUDIT_INVENTORY相位输出:```json
{
"filesAnalyzed": ["lib/auth/user_service.dart", "lib/auth/auth_middleware.dart"],
"dependencies": {
"providers": ["userProvider", "authStateProvider"],
"models": ["User", "AuthToken"]
},
"issues": [
"Single Responsibility Principle violation - handles too many concerns",
"File approaching 366 lines - recommended to keep widgets smaller"
],
"changesList": [
{
"action": "CREATE",
"file": "lib/auth/components/auth_form.dart",
"description": "Extract authentication form logic",
"justification": "Component focused on form validation only"
}
]
}


**比较分析相位输出:**```json
{
"approaches": [
{
"name": "Incremental Component Extraction",
"complexity": "Medium",
"risk": "Low",
"timeEstimate": "30-45 minutes"
}
],
"recommendation": "Incremental Component Extraction",
"justification": "Provides best balance of benefits vs. risk",
"selectedImplementationOrder": [
"1. Extract form component (lowest risk)",
"2. Create validation service",
"3. Refactor main view"
]
}

在人工智能开始实施之前,每个阶段都需要有文件记录的分析和规划。

工具

工作流入口点

重构工作流 -从所需的分析和规划阶段开始结构化重构过程

创建功能工作流 -开发具有集成测试和文档要求的新功能

测试工作流程 -添加测试覆盖率,强制分析需要测试的内容

tdd工作流 -使用强制的红绿重构周期实施测试驱动开发

构建定制工作流 -创建具有自定义阶段和验证要求的工作流

阶段指导工具

  • 审计库存指南 -强制进行彻底的代码分析和变更编目

  • 比较分析指南 -需要评估多种方法的优缺点

  • 问题_决定_指南 -要求澄清和最终规划

  • 阶段输出 -验证并记录每个阶段的结构化输出

  • 工作流_状态 -检查当前进度和验证状态

用法

服务器通过强制阶段强制执行结构化工作流。每种工作流类型都有不同的阶段要求:

  • 重构工作流:AUDIT_INVENTORY→ 比较分析→ 问题_确定→ 写或重构→ LINT → 迭代→ 当前

  • 功能工作流:规划→ 问题_确定→ 写或重构→ TEST → LINT → 迭代→ 当前

  • 测试工作流程:AUDIT_INVENTORY→ 问题_确定→ 写或重构→ TEST → 迭代→ 当前

  • TDD工作流程:规划→ 写或重构→ TEST → (红绿重构周期)→ LINT → 当前

输入验证

服务器需要:

  • task (string):描述你想要完成的任务
  • outputArtifacts (数组):每个已完成阶段的结构化文档

输出验证

每个阶段的完成都经过以下验证:

  • 有意义的内容长度(至少10个字符)
  • 结构化输出的有效JSON格式
  • 阶段特定内容要求
  • 正确记录决策和分析

安全规则

修改前必须读取文件。这可以防止意外数据丢失,并确保做出明智的更改。

发展```bash

npm run dev # TypeScript compiler in watch mode
npm run lint # Run linter
npm run typecheck # Type checking
npm test # Run tests


## 运作原理

1. AI使用入口点工具之一启动工作流
1. 服务器创建会话并跟踪阶段进展
1. 每个阶段在继续之前都需要特定的输出
1. 这 `phase_output` 工具验证工件是否具有有意义的内容
1. 在没有经过验证的输出的情况下,AI不能跳过阶段或完成索赔
1. 会话状态可防止绕过结构化方法

## 测试MCP服务器

您可以使用此存储库中包含的测试提示和帮助脚本快速试用Structured Workflow MCP服务器。

1. 构建服务器(如果您还没有):```bash
npm run build
  1. 启动服务器:```bash
    node dist/index.js
1. 打开测试提示 `docs/test_prompt/mcp_server_test_prompt.md` 在您首选的MCP兼容AI客户端中粘贴内容。
1. 或者,打开位于中的示例项目 `refactor-test/` 用于端到端重构工作流演示。按照其 `README.md` 运行并观察结构化工作流的运行情况。
1. 观察AI在每个阶段的进展,并验证产生的结构化输出。

## 示例提示

这 `docs/sample_prompts` 目录包含几个现成的提示,说明了典型的工作流程:

- `feature_workflow_prompt.md`
- `refactor_workflow_prompt.md`
- `test_workflow_prompt.md`
- `tdd_workflow_prompt.md`
- `custom_workflow_prompt.md`

将这些作为起点,并使其适应您的项目。

## 建筑```bash
npm install
npm run build

服务器使用TypeScript和@modelcontextprotocol/sdk,并通过stdio传输在本地运行。

拉取请求欢迎

我欢迎并鼓励拉取请求!无论你是在修复bug、添加功能还是改进文档,你的贡献都是有价值的。

请按照以下步骤操作:

  1. 在GitHub上分叉存储库。
  2. 创建新分支: git checkout -b feature/your-feature.
  3. 用清晰、描述性的信息进行更改和提交。
  4. 为任何新功能编写测试,并确保所有现有测试通过。
  5. 推到您的分支: git push origin feature/your-feature.
  6. 打开一个pull请求,并清楚地描述您的更改。

看 贡献.md 了解更多详细信息(如果有的话)。

感谢您的贡献!

许可证

此MCP服务器根据MIT许可证获得许可。这意味着您可以根据MIT许可证的条款和条件自由使用、修改和分发软件。

常见问题

8 问
答案由本站依据条目字段整理,不引用上游原文
Structured Workflow MCP 怎么安装?

资料没有给出安装命令,请到官方仓库或文档按说明接入;这类条目多数是生态应用,或尚未发布可安装包。

Structured Workflow MCP 怎么在 Claude 里配置?

它的传输方式未标注,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,配置才会生效。

Structured Workflow MCP 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。

Structured Workflow MCP 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。

Structured Workflow MCP 支持哪些客户端?

资料标注支持 Claude;其他客户端只要能配置 MCP Server,也能用同样的命令或地址接入。

Structured Workflow MCP 能提供哪些能力?

资料显示约 20 个工具;能力标签包括 AI编程辅助、TypeScript、Claude。具体工具清单以官方文档为准。

Structured Workflow MCP 需要什么运行环境?

属于本地进程,需要在本机装好运行环境。

Structured Workflow MCP 是本地还是远程?

它是本地进程(stdio),由客户端在本机拉起。

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。