MCP travrse flow executor

MCP运维云端

提供方 ideabosque

运维云端 stdio · 本地进程 无需鉴权 社区 / 第三方
查看接入方式

一个轻量级的MCP集成工具,用于发现和执行Travrse AI中的流程,提供简洁的API和高效的HTTP/2支持。

一句话选型结论

按资料字段整理

MCP travrse flow executor 属于运维云端类 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。

分类运维云端 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 0 仓库热度,无公开仓库时显示未标注
工具数 未标注 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

运维云端
数量来自来源目录的标注,具体工具清单以官方文档为准
工具数量未标注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

流程发现Python本地部署流程执行API集成HTTP/2支持轻量级

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
pip install -e .

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 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

    连接成功后随便调一个只读工具,确认能返回结果,再接入正式流程。

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
云资源查询

查实例、存储、账单等云上资源状态。

部署与发布

把部署、重启、回滚这类操作接进对话。

监控与告警

拉取监控指标,异常时让模型帮你判断。

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

  • 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。
  • 资料没标注工具数量,实际能力要装好后确认。
  • 版本更新与行为细节以官方仓库为准。

更适合

  • 需要在运维云端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
MCP travrse flow executor当前 未标注 stdio · 本地进程 本地部署 有 2026-05-17
lobehub 未标注 stdio · 本地进程 本地部署 有 2026-04-11
TrendRadar 未标注 stdio · 本地进程 本地部署 有 2026-04-13
Ui Tars Desktop 8a825770 未标注 stdio · 本地进程 本地部署 有 2026-05-17
ruflo 未标注 stdio · 本地进程 本地部署 有 2026-04-13
FastGPT 未标注 stdio · 本地进程 本地部署 有 2026-04-11

服务器档案

运维云端
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ideabosque上游标注的维护方 ideabosque
分类运维云端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 · 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

3.1 KB
来自项目仓库与上游目录的原文,未做删改

MCP Travrse流执行器

Travrse AI的轻量级MCP(模型上下文协议)集成,提供流发现和执行功能。

特性

  • 流量发现:列出并获取可用流的详细信息
  • 流程执行:使用消息执行流(标准和流式)
  • 简单API:具有所有功能的单个类
  • HTTP/2支持:采用HTTP/2的现代httpx客户端,性能更好
  • 连接池:可重复使用的连接可提高效率
  • 最小依赖性:只需要 httpx 图书馆

安装```bash

Install from local directory

pip install -e .

Or install with dev dependencies

pip install -e ".[dev]"


## 快速开始

### 1.设置环境变量

创建 `.env` 文件或设置环境变量:```bash
TRAVRSE_API_KEY=tv_test_your_api_key_here
TRAVRSE_API_BASE=https://api.travrse.ai/v1
TRAVRSE_TIMEOUT=60

2.基本用法```python

from mcp_travrse_flow_executor import MCPTravrseExecutor

Initialize (reads from environment)

executor = MCPTravrseExecutor()

List available flows

flows = executor.list_flows(limit=10)
print(f"Found {flows['total']} flows")

Get specific flow

flow = executor.get_flow("flow_01k9pf...")
print(f"Flow: {flow['name']}")

Execute flow

result = executor.execute_flow(
flow_id="flow_01k9pf...",
messages=[{"role": "user", "content": "Hello!"}],
)
print(result)


### 3.流媒体执行```python
# Execute with streaming
for line in executor.execute_flow(
flow_id="flow_01k9pf...",
messages=[{"role": "user", "content": "Hello!"}],
stream=True,
):
print(line)

API 参考

MCPTravrse执行器

具有所有功能的主执行器类。

方法

流量发现:

  • list_flows(limit=50, offset=0) -列出可用流
  • get_flow(flow_id) -按ID获取流量详细信息

流程执行:

  • execute_flow(flow_id, messages, record_name="execution", stream=False) -使用可选流媒体执行流

例子

看 examples/ 更多示例的目录:

  • basic_usage.py -基本使用示例

测试```bash

Run tests

pytest

Run tests with coverage

pytest --cov=mcp_travrse_flow_executor

Run specific test

pytest tests/test_executor.py


## 发展```bash
# Install dev dependencies
pip install -e ".[dev]"

# Run tests
pytest

# Format code (if using black)
black mcp_travrse_flow_executor tests examples

项目结构```

mcp_travrse_flow_executor/
├── mcp_travrse_flow_executor/
│ ├── init.py # Package exports
│ ├── config.py # Configuration
│ ├── client.py # HTTP client
│ ├── mcp_travrse_flow_executor.py # Main executor
│ └── tests/ # Test suite
│ ├── conftest.py # Test fixtures
│ └── test_executor.py # Tests
├── examples/
│ └── basic_usage.py # Usage examples
├── .env.example # Environment template
├── pyproject.toml # Project config
└── README.md # This file
```

许可证

MIT许可证

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
MCP travrse flow executor 怎么安装?

在客户端按下面的安装命令接入:pip install -e .。装完在客户端配置里引用同一个包或端点。

MCP travrse flow executor 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。

MCP travrse flow executor 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。

MCP travrse flow executor 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。

MCP travrse flow executor 能提供哪些能力?

资料显示能力标签包括 Python、轻量级、API集成。具体工具清单以官方文档为准。

MCP travrse flow executor 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。

MCP travrse flow executor 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。