PlanExe

Примеры планов, созданных с помощью PlanExe

• Бизнес-план для квеста в стиле Minecraft.

• Бизнес-план для компании по производству клеток Фарадея.

• Пилотный проект для модели «Человек как услуга» (Human as-a Service).

• Посмотреть больше примеров здесь.

Related MCP server: Planning System MCP Server

Что такое PlanExe?

PlanExe — это инструмент с открытым исходным кодом и передовое средство планирования для ИИ-агентов. Он превращает одно утверждение цели, написанное простым языком, в 40-страничный стратегический план примерно за 15 минут, используя локальные или облачные модели. Это ускоритель для создания набросков, но не «волшебная таблетка» для готовых планов.

Типичный результат содержит:

• Резюме для руководства

• Диаграмму Ганта

• Структуру управления

• Описание ролей

• Карты заинтересованных сторон

• Реестры рисков

• SWOT-анализ

PlanExe создает хорошо структурированный, профессионально ориентированный результат: правильную терминологию, логическую последовательность задач и связные разделы. Для технических тем (инженерные программы, регулируемые отрасли) он часто подбирает верную лексику и структуру. Рассматривайте это как каркас первого черновика, который дает вам что-то конкретное для критики и доработки.

Тем не менее, у результата есть постоянные слабые места, которые имеют значение: бюджеты предполагаются, а не рассчитываются, оценки сроков не основаны на реальных ресурсных ограничениях, меры по снижению рисков тяготеют к общим советам, а юридические/нормативные детали звучат правдоподобно, но не проверены. Результат следует рассматривать как структурированную отправную точку, а не как готовый продукт. То, сколько работы он экономит, сильно зависит от проекта. Для мозгового штурма или первого наброска он может сэкономить часы. Для плана, готового к показу клиенту, ожидайте значительной переработки каждого числа, графика и раздела рисков.

Протокол контекста модели (MCP)

PlanExe предоставляет MCP-сервер для ИИ-агентов по адресу https://mcp.planexe.org/

При условии, что у вас есть MCP-совместимый клиент (Claude, Cursor, Codex, LM Studio, Windsurf, OpenClaw, Antigravity).

Рабочий процесс инструмента:

1. example_plans (необязательно, предварительный просмотр того, как выглядит результат PlanExe)

2. example_prompts

3. model_profiles (необязательно, помогает выбрать model_profile)

4. шаг без использования инструментов: составление/утверждение промпта

5. plan_create

6. plan_status (опрос каждые 5 минут до завершения)

7. необязательно в случае сбоя: plan_retry

8. загрузка результата через plan_file_info

Примечание о параллелизме: каждый вызов plan_create возвращает новый plan_id; глобальный параллелизм на стороне сервера для каждого клиента не ограничен, поэтому клиенты должны отслеживать свои собственные параллельные планы.

Вариант А: Удаленный MCP (самый быстрый путь)

Предварительные требования

• Аккаунт на https://home.planexe.org.

• Достаточно средств для создания планов.

• API-ключ PlanExe (pex_...) из вашего аккаунта.

Используйте этот эндпоинт напрямую в вашем MCP-клиенте:

{
  "mcpServers": {
    "planexe": {
      "url": "https://mcp.planexe.org/mcp",
      "headers": {
        "X-API-Key": "pex_your_api_key_here"
      }
    }
  }
}

Вариант Б: Запуск MCP-сервера локально с помощью Docker

Предварительные требования

• Docker

• Аккаунт OpenRouter

• Создайте файл .env для PlanExe с OPENROUTER_API_KEY.

Запустите полный стек:

docker compose up --build

Перед переходом к MCP убедитесь, что вы можете создавать планы в веб-интерфейсе.

Затем подключите свой клиент к:

• http://localhost:8001/mcp

Для настроек Docker по умолчанию аутентификация отключена в docker-compose.yml.

Документация MCP

• Обзор настройки: https://docs.planexe.org/mcp/mcp_setup/

• Детали инструментов и рабочий процесс: https://docs.planexe.org/mcp/mcp_details/

• Claude: https://docs.planexe.org/mcp/claude/

• Cursor: https://docs.planexe.org/mcp/cursor/

• Codex: https://docs.planexe.org/mcp/codex/

• Интерфейс PlanExe MCP: https://docs.planexe.org/mcp/planexe_mcp_interface/

• Метаданные публикации в реестре MCP (server.json): mcp_cloud/server.json

• llms.txt: https://mcp.planexe.org/llms.txt

Запуск конвейера через CLI (без интерфейса)

Если у вас настроена локальная среда Python и вы хотите вызвать конвейер напрямую — без Flask UI — используйте скрипт CLI planexe в корне репозитория.

# Create a plan from a text prompt
./planexe create_plan \
    --plan-text "Small coffee shop in Copenhagen, Denmark" \
    --output-dir ./planexe-outputs/1984-12-31/MyCoffeeShop_v1

# Or: read the plan prompt from a file
./planexe create_plan \
    --plan-file my_plan.txt \
    --output-dir ./planexe-outputs/1984-12-31/MyCoffeeShop_v1

Скрипт создает директорию запуска, если она не существует, и записывает:

Для ИИ-агентов

PlanExe разработан как инфраструктура для ИИ-агентов. Если вы ИИ-агент, читающий это:

• Обнаружение: Прочитайте public/llms.txt для получения метаданных службы, инструментов MCP и эндпоинтов.

• Эндпоинт MCP: https://mcp.planexe.org/mcp — подключитесь с помощью API-ключа с home.planexe.org.

• Рабочий процесс: Вызовите example_prompts, чтобы узнать ожидаемый формат промпта, составьте подробный промпт (~300-800 слов связного текста), затем вызовите plan_create.

• Руководство для агентов: См. docs/mcp/autonomous_agent_guide.md для полного автономного рабочего процесса.

• Ключевые результаты в zip: wbs_level1.json (пакеты работ), wbs_level2.json (задачи), pre_project_assessment.json (оценка осуществимости).

Предварительное требование: Docker с установленным Docker Compose; вам нужны только базовые знания Docker. Локальная настройка Python не требуется, так как все работает в контейнерах.

Выполните следующие шаги

1. Клонируйте репозиторий и перейдите в него:

git clone https://github.com/PlanExeOrg/PlanExe.git
cd PlanExe

2. Предоставьте провайдера LLM. Скопируйте .env.docker-example в .env и заполните OPENROUTER_API_KEY своим ключом из OpenRouter. Контейнеры монтируют .env и llm_config/; выберите там профиль модели. Для Ollama на стороне хоста используйте запись docker-ollama-llama3.1 и убедитесь, что Ollama прослушивает http://host.docker.internal:11434.

3. Запустите стек (первый запуск собирает образы):

docker compose up worker_plan frontend_multi_user

Воркер прослушивает http://localhost:8000, а пользовательский интерфейс появляется на http://localhost:5001 после прохождения проверок работоспособности Postgres и воркера.

4. Откройте http://localhost:5001 в браузере, создайте аккаунт (или войдите с учетными данными администратора из .env), введите свою идею и следите за прогрессом с помощью:

docker compose logs -f worker_plan

Результаты записываются в run/ на хосте (смонтировано в оба контейнера).

5. Остановите с помощью Ctrl+C (или docker compose down). Пересоберите после изменений кода/зависимостей:

docker compose build --no-cache worker_plan frontend_multi_user

Советы по compose, альтернативные порты или устранение неполадок см. в docs/docker.md или docker-compose.md.

Конфигурация

Конфигурация А: Запуск модели в облаке с использованием платного провайдера. Следуйте инструкциям в OpenRouter.

Конфигурация Б: Запуск моделей локально на мощном компьютере. Следуйте инструкциям для Ollama или LM Studio. При использовании инструментов на стороне хоста с Docker указывайте URL модели на хост (например, http://host.docker.internal:11434 для Ollama).

Рекомендация: Я рекомендую Конфигурацию А, так как она предлагает наиболее простой путь к надежной работе PlanExe.

Для получения помощи или обратной связи.

Присоединяйтесь к Discord PlanExe.