🚀 mcp-skill-workflow-runner

Serveur FastMCP Déterministe pour l'Exécution Progressive de Compétences (Skills) & Workflows Antigravity.

📖 Sommaire

1. Vision & Principes Fondamentaux

2. Format Déclaratif YAML (Niveau 1)

3. Architecture du Moteur

4. Outils FastMCP Exposés

5. Interface Ligne de Commande (CLI)

6. Installation & Configuration Antigravity

7. Politique de Robustesse (Zéro Fallback Silencieux)

Related MCP server: Workflow Orchestration MCP Server

🎯 Vision & Principes Fondamentaux

mcp-skill-workflow-runner applique le principe de Divulgation Progressive Déterministe (Deterministic Progressive Disclosure) pour les agents intelligents de l'écosystème Antigravity.

Au lieu d'injecter un prompt massif de 1000 lignes contenant toutes les étapes d'un workflow dans le contexte de l'agent :

1. L'agent ne reçoit à chaque instant que l'enveloppe directive de l'étape active (titre, instructions spécifiques, contraintes, outils mandatés, transitions possibles).

2. L'agent avance d'étape en étape via l'outil next_step.

3. Le moteur FastMCP évalue de façon déterministe les transitions, embranchements conditionnels (DAG) et boucles itératives.

4. L'état complet de la session est sauvegardé de manière atomique en mémoire et sur disque (<session_id>.json).

📜 Format Déclaratif YAML (Niveau 1)

Les workflows sont décrits directement dans le frontmatter YAML des fichiers SKILL.md ou workflow.md :

---
name: work
description: Cycle de travail itératif en 5 étapes
workflow:
  version: "1.0"
  type: "loop"                 # "sequential" | "dag" | "loop"
  initial_step: "step_1_exploration"
  
  context_schema:
    project:
      type: "string"
      required: true
      description: "Nom du projet cible"
    iteration:
      type: "integer"
      default: 1

  steps:
    - id: "step_1_exploration"
      title: "💡 Étape 1 : Exploration & Questions"
      section_matcher: "### 3.1"
      step_type: "standard"
      mandated_tools:
        - "view_file"
        - "recall"
      constraints:
        - "INTERDICTION ABSOLUE de poser une question sans recherche préalable"
      next: "step_2_scouts"

    - id: "step_2_scouts"
      title: "🔭 Étape 2 : Déploiement des Scouts"
      section_matcher: "### 3.2"
      step_type: "subagent_barrier"
      subagent_recommendation:
        type: "research"
        clustering_rule: "1 sous-agent par périmètre orthogonal distinct"
        model: "flash"
      next: "step_3_ask"

    - id: "step_3_ask"
      title: "🗣️ Étape 3 : Questionnement Décisionnel"
      section_matcher: "### 3.3"
      step_type: "interactive"
      next: "step_4_action"

    - id: "step_4_action"
      title: "🚀 Étape 4 : Déploiement des Actions"
      section_matcher: "### 3.4"
      step_type: "subagent_barrier"
      mandated_tools:
        - "write_to_file"
      next: "step_5_loop"

    - id: "step_5_loop"
      title: "🔄 Étape 5 : Relance du Cycle"
      section_matcher: "### 3.5"
      step_type: "loop_decision"
      next: "step_1_exploration"           # Boucle vers l'étape initiale
---

# Instructions Détaillées

### 3.1 Exploration & Questions
Consultez les fichiers locaux et mémoires avant de formuler des hypothèses...

### 3.2 Déploiement des Scouts
Lancez les sous-agents sur les clusters découverts...

🛠️ Outils FastMCP Exposés

Le serveur expose 3 outils MCP stdio déterministes :

1. start_workflow

Initialise un workflow dans un workspace donné, valide le graphe DAG, crée une session persistante et renvoie l'enveloppe de l'Étape 1.

• Paramètres :

  • skill_name (str, obligatoire) : Nom du skill (work, scout) ou chemin de fichier.

  • workspace_dir (str, obligatoire) : Répertoire racine du workspace cible pour la résolution prioritaire (.agent/skills/, .agents/skills/, skills/).

  • restart (bool, optionnel, défaut False) : Si True, réinitialise/remplace toute session active existante. Si False et qu'une session existe pour ce workflow, la réutilise.

  • initial_context (dict, optionnel) : Variables de contexte initiales.

2. next_step

Enregistre le livrable de l'étape courante, met à jour le contexte, résout la prochaine étape via le DAG et retourne la nouvelle enveloppe directive.

• Paramètres :

  • user_response (str, optionnel) : Réponse ou livrable textuel.

  • step_output (str/dict, optionnel) : Données structurées ou rapport d'étape.

  • transition_choice (str, optionnel) : Choix explicite de transition pour les embranchements.

  • variables (dict, optionnel) : Mises à jour des variables de session.

3. end_workflow

Clôture la session active, calcule les métriques d'exécution (durée, nombre d'étapes, cycles) et produit le rapport d'audit.

• Paramètres :

  • final_summary (str, optionnel) : Résumé de clôture.

  • status (str, défaut: "completed") : Statut final (completed, aborted, paused).

💻 Interface Ligne de Commande (CLI)

Le package inclut l'utilitaire skill-workflow (propulsé par Click et Rich) :

# Valider la structure d'un skill (YAML, Markdown, DAG)
skill-workflow validate work
skill-workflow validate path/to/SKILL.md

# Lister tous les workflows disponibles (local + global)
skill-workflow list

# Consulter les sessions en cours et passées
skill-workflow sessions

# Exécuter interactivement un workflow étape par étape
skill-workflow run work

# Lancer le serveur FastMCP en mode stdio
skill-workflow serve

📦 Installation & Configuration Antigravity

⚡ Installation Automatisée Tout-en-Un (Recommandé)

Les installateurs automatisés s'occupent de tout : détection de Python 3.10+, création du virtualenv, installation des dépendances en mode éditable, enregistrement dans ~/.gemini/config/mcp_config.json, déploiement des schémas MCP dans ~/.gemini/antigravity/mcp/skill-workflow-runner/, et création du wrapper CLI skill-workflow.

🪟 Windows (PowerShell)

# Exécution locale depuis le dépôt cloné :
powershell -ExecutionPolicy Bypass -File .\install.ps1

# Ou en une ligne directe (curl / irm) :
irm https://raw.githubusercontent.com/UNIL-DESI/mcp-skill-workflow-runner/main/install.ps1 | iex

🐧 Linux / macOS (Bash)

# Exécution locale :
bash install.sh

# Ou en une ligne directe (curl) :
curl -fsSL https://raw.githubusercontent.com/UNIL-DESI/mcp-skill-workflow-runner/main/install.sh | bash

⚙️ Enregistrement Automatique Antigravity MCP

L'installateur génère et maintient l'entrée dans ~/.gemini/config/mcp_config.json :

{
  "mcpServers": {
    "skill-workflow-runner": {
      "command": "C:\\Users\\hjamet\\Documents\\code\\mcp-skill-workflow-runner\\venv\\Scripts\\python.exe",
      "args": ["-m", "mcp_skill_workflow_runner.server"],
      "disabled": false,
      "alwaysAllow": []
    }
  }
}

🛡️ Politique de Robustesse

• Zéro fallback silencieux : Toute anomalie (YAML syntaxiquement invalide, section Markdown introuvable, transition orpheline, condition non évaluable) déclenche une exception typée explicite (WorkflowResolutionError, WorkflowParseError, SectionNotFoundError, InvalidDAGStructureError, TransitionEvaluationError, SessionError).

• Zéro pollution stdio : Tous les logs de diagnostic sont envoyés sur sys.stderr pour garantir l'intégrité du protocole JSON-RPC de FastMCP sur sys.stdout.

• Persistance Atomique : Écriture systématique dans un fichier temporaire <session_id>.tmp suivi d'un os.replace atomique vers <session_id>.json.