Click on "Install Server".
Wait a few minutes for the server to deploy. Once ready, it will show a "Started" state.
In the chat, type @ followed by the MCP server name and your instructions, e.g., "@pac-runner run the video-production task in examples/video-production.pac.md"
That's it! The server will respond to your query, and you can continue using it as needed.
Here is a step-by-step guide with screenshots.
PAC Runner 是一个配置化、可发布、可扩展的 Prompt-as-Code 多场景执行器。
它把 QClaw、WorkBuddy、Cursor、Claude Code 或其他智能体的任务，统一转换成标准任务，再交给本地 Codex 执行，并通过 CLI、MCP、任务文件和结果文件形成完整闭环。
多场景任务执行：通用、代码、调研、文档、视频制作、交付。
标准任务文件：.pac.md / .json。
标准结果文件：<任务ID>_结果.md。
CLI 入口：pac-runner。
MCP 入口：pac_run、pac_list、pac_validate。
配置化：支持 config.json 和环境变量，不依赖个人路径。
可扩展：新增模板、场景和工具无需改核心代码。
Related MCP server: windlass
npm install
npm link或者直接运行：
node bin/pac.mjs list复制配置模板：
cp config.example.json config.json常用环境变量：
export CODEX_EXE="/path/to/codex"
export CODEX_HOME="$HOME/.codex"
export PAC_DEFAULT_CWD="$PWD"
export PAC_DEFAULT_OUTPUT_DIR="$PWD/output"
export PAC_STATE_FILE="$PWD/.pac-runner/state.json"查看场景：
pac-runner list直接执行：
pac-runner run --scenario coding --prompt "整理当前目录的脚本说明" --json用标准任务文件：
pac-runner run --task examples/video-production.pac.md --json生成模板：
pac-runner template --scenario video-production --out my-video.pac.md校验任务文件：
pac-runner validate --task examples/video-production.pac.md --json启动 MCP server：
node src/mcp-relay.mjs通用 MCP 配置：
{
"mcpServers": {
"pac-runner": {
"command": "node",
"args": ["/absolute/path/to/pac-runner/src/mcp-relay.mjs"]
}
}
}MCP 工具：
pac_list：列出场景。
pac_run：执行标准任务。
pac_validate：校验任务文件。
场景 | 用途 |
| 通用分析、整理、执行 |
| 代码、脚本、自动化 |
| 调研、分析、根因排查 |
| Markdown、Word、PPT、Excel、PDF |
| 短视频、分镜、渲染 |
| 任务交付与回传 |
---
id: video_task_20260901_1200
scenario: video-production
title: 制作一条15秒短视频
status: ready
priority: normal
owner: pac-runner
cwd: .
outputDir: ./output
inputFiles: []
imagePaths: []
expectedOutputs: ["分镜脚本", "视频文件", "渲染日志"]
timeoutMs: 1200000
---
在这里写具体任务要求。执行成功后自动生成：
<outputDir>/<任务ID>_结果.mdQClaw 技能包调用 Codex 时使用：
--approve-for-me不绕过审批和沙箱，输出目录通过 --add-dir 授权写入。该模式已通过 QClaw 开放平台安全检测。
商业模式、定价和 Pro/Enterprise 边界见：
npm testRecent tool additions, removals, and schema changes observed during successful MCP inspections. Dates show when Glama detected each change.
No tool schema history has been recorded yet.
This server cannot be installed
Unclaimed servers have limited discoverability.
If you are the server author, to access and configure the admin panel.
Task management your AI agents can actually run. One line becomes a context-ready task over MCP.
Goal and task planning MCP for Codex and AI agents, with evidence-backed completion.
Local-first task manager: create, edit, and complete tasks, projects, and checklists via MCP.
Manage portable AI agent playbooks, Agent Skills, MCP configurations, personas, and memory.
We provide all the information about MCP servers via our MCP API.
curl -X GET 'https://glama.ai/api/mcp/v1/servers/h1e0f1u3y1o1u/pac-runner'
If you have feedback or need assistance with the MCP directory API, please join our Discord server
