agentflow-mcp
agentflow-mcp
MCP-сервер базы знаний по корпоративной архитектуре для демонстрационного конвейера agentflow. Создан на базе FastMCP + TypeScript и развернут в GCP Cloud Run.
Сервер предоставляет четыре инструмента, которые закрепляют агента-архитектора и агента проверки рисков на курируемых корпоративных паттернах, а не на общих рассуждениях LLM:
Инструмент | Кем вызывается | Результат |
| Агент-архитектор | Эталонный архитектурный паттерн, компоненты, диаграммные данные |
| Агент-архитектор | Рекомендация по платформе с учётом ограничений |
| Агент проверки рисков | Требуемые меры контроля, флаги рисков, триггер HITL |
| Агент-архитектор | Идентичность компании, позиционирование, логотип (через Brandfetch + logo.dev) |
Как это интегрируется
agentflow pipeline agentflow-mcp
┌──────────────────────┐ ┌───────────────────────┐
│ Qualifier Agent │ │ arch_pattern_lookup │
│ - clarifies the ask │ │ tool_selection_lookup │
└──────┬───────────────┘ │ risk_policy_lookup │
│ handoff │ brand_context_lookup │
┌──────▼───────────────┐ │ │
│ Architect Agent │──── MCP calls ───▶│ Source pack (data/) │
│ - pattern selection │ │ 102 markdown files │
│ - tool selection │◀── JSON response ─│ with YAML frontmatter │
│ - diagram rendering │ │ │
└──────┬───────────────┘ │ Brandfetch + logo.dev │
│ handoff │ (cached, additive) │
┌──────▼───────────────┐ └───────────────────────┘
│ Risk Checker Agent │──── risk_policy_lookup ──▶
│ - HITL gate trigger │◀── risk_flags, HITL ──
└──────────────────────┘MCP — это поставщик инструментов, а не оркестратор агентов. Промпты агентов и навык построения диаграмм архитектуры лежат в проекте agentflow. MCP предоставляет структурированные данные; агенты интерпретируют их и действуют на основе.
Related MCP server: MCP Architect
Быстрый старт
Предварительные требования
Node.js >= 20
(Необязательно) API-ключ Brandfetch и ключ logo.dev для
brand_context_lookup
Установка и запуск
npm install
npm run dev # stdio transport (local dev + MCP Inspector)HTTP-транспорт (Cloud Run)
MCP_TRANSPORT=http-stream PORT=8080 npm run dev
# agentflow-mcp listening on http://0.0.0.0:8080/mcpЗапуск тестов
npm test # 31 unit + integration tests
npm run typecheck # tsc --noEmit
npm run check # biome lint + formatПеременные среды
Скопируйте .env.example в .env и заполните ключи. Внешние API-ключи нужны только для brand_context_lookup — остальные три инструмента работают офлайн из исходного пакета данных.
Переменная | Требуется для | Назначение |
|
| Bearer-токен для Brandfetch Brand Context API |
|
| Bearer-токен для logo.dev Brand API |
|
| Издательский ключ для CDN URL logo.dev |
| Сервер |
|
| Сервер | HTTP-порт (по умолчанию 8080; используется при |
Если API-ключи отсутствуют, brand_context_lookup возвращает закешированные ответы для уже закешированных доменов и корректный недоступный ответ для остальных. Остальные три инструмента продолжают работать в обычном режиме.
Инструменты
arch_pattern_lookup
Сопоставить корпоративный запрос с эталонным курируемым архитектурным решением.
Ввод:
{
"industry": "media_agency",
"data_stack": ["BigQuery", "Snowflake"],
"cloud": "GCP",
"constraints": ["SAML SSO", "EU data residency", "cross-client governance"],
"latency": "batch"
}Вывод:
{
"pattern_id": "media_agency_audience_measurement",
"architecture_summary": "...",
"recommended_components": ["BigQuery", "Snowflake", "SAML SSO", "GCP EU Region"],
"data_zones": ["bronze", "silver", "gold"],
"integration_notes": ["..."],
"confidence": 0.87,
"diagram_data": {
"components": [{ "name": "BigQuery", "type": "database", "sublabel": "...", "zone": "gold" }],
"connections": [{ "from": "Users", "to": "SAML SSO", "label": "OAuth 2.0", "style": "dashed" }],
"boundaries": [{ "label": "GCP EU Region", "type": "region" }]
},
"source_references": [{ "path": "data/patterns/...", "title": "...", "source_url": "..." }]
}Логика сопоставления: детерминированная, на основе правил — отрасли (40%) → пересечение стека данных (30%) → ограничения (30%). Курируемые совпадения (confidence >= 0.85) включают diagram_data и ссылки на источники. При слабых совпадениях используется откат к общему корпоративному паттерну enterprise AI POC с confidence < 0.5.
tool_selection_lookup
Рекомендация платформы на основе workload, стека данных, ограничений и ожидаемой задержки.
Вводные:
{
"use_case": "AI-powered patient insights",
"data_stack": ["Databricks"],
"constraints": ["HIPAA", "PHI", "US data residency"],
"latency": "batch"
}Вывод:
{
"recommended_platform": "Databricks",
"cloud_fit": "Azure or AWS",
"reasoning": "Strong lakehouse fit for healthcare AI with HIPAA-compliant governance...",
"alternatives": [{ "platform": "Snowflake", "rationale": "..." }, { "platform": "BigQuery", "rationale": "..." }]
}risk_policy_lookup
Возвращает отраслевые проверки рисков и соответствия, включая триггеры HITL для регулируемых данных.
Вводные:
{
"industry": "healthcare",
"data_classification": ["PHI", "PII"],
"region": "US",
"deployment": "cloud",
"constraints": ["HIPAA"]
}Вывод:
{
"required_controls": ["RBAC", "audit logs", "data lineage", "SAML SSO"],
"risk_flags": ["prompt leakage", "overbroad analyst access"],
"hitl_required": true,
"review_reason": "PHI access requires human approval before final architecture signoff"
}HITL срабатывает для регулируемых типов данных (PHI, PII, регулируемые финансовые данные) с человекочитаемым review_reason.
brand_context_lookup
Получение расширенного контекста компании из Brandfetch и логотипа из logo.dev с многослойным кешированием.
Вводные:
{
"domain": "havas.com"
}Вывод:
{
"company_name": "Havas",
"domain": "havas.com",
"industry_hint": "media_agency",
"description": "...",
"tags": ["advertising", "marketing", "media"],
"positioning": { "value_proposition": "...", "target_audience": "...", "products_and_services": "..." },
"brand": { "voice": "...", "style": "..." },
"logo_url": "https://...",
"confidence": 0.85
}Уровни кеша: (1) Brandfetch с cachedOnly=true для мгновенных кэш-запросов, (2) локальный файловый кеш с TTL. Повторные запросы возвращают кешированные данные без расхода квоты API. Корректный откат при недоступности API.
Эти data/ содержит 102 markdown-файла со структурированным YAML-frontmatter, организованных так:
data/
├── industry/ # Industry-specific architecture notes
├── vendors/ # Vendor documentation (GCP, AWS, Azure, Snowflake, Databricks)
└── patterns/ # Curated reference architecture patterns (4 demo scenarios)Поля frontmatter: type, title, source_url, vendor, industry, data_stack, cloud, constraints, compliance, region, data_zones, latency, pattern_id, architecture_summary, recommended_components, integration_notes, confidence_baseline, diagram_data.
Пакет данных загружается в in-memory индекс при старте сервера, индексируется по industry, data_stack, constraints и pattern_id.
Демо-сценарии
Сценарий | Отрасль | Pattern ID |
Измерение аудитории медиаагентства |
|
|
Аналитика пациентов в здравоохранении |
|
|
Персонализация retail lakehouse |
|
|
Копилот управления финансовой услугой |
|
|
Развертывание
Docker
docker build -t agentflow-mcp .
docker run -p 8080:8080 agentflow-mcpGCP Cloud Run
gcloud run deploy agentflow-mcp \
--source . \
--region run.googleapis.com \
--port 8080 \
--set-env-vars "MCP_TRANSPORT=http-stream" \
--set-secrets "BRANDFETCH_API_KEY=brandfetch-api-key:latest,LOGO_DEV_SECRET_KEY=logo-dev-secret-key:latest,LOGO_DEV_PUBLISHABLE_KEY=logo-dev-publishable-key:latest"Полную конфигурацию сервиса см. в cloud-run.yaml.
Google App Engine
App Engine Standard не выполняет шаг сборки — сначала скомпилируйте локально, затем разверните:
npm run build # compile src/ -> dist/
# (Optional) Warm brand cache for demo domains before deploy
npx tsx scripts/brand-cache-warm.ts
gcloud app deploy # deploys with dist/ and data/ includedВ app.yaml задаётся MCP_TRANSPORT=http-stream и масштабирование до нуля в простое (дешевле для демо). App Engine сам задаёт PORT — сервер уже его читает.
Для секретов используйте Secret Manager:
# Create secrets
gcloud secrets create brandfetch-api-key --data-file=<(echo -n "$BRANDFETCH_API_KEY")
gcloud secrets create logo-dev-secret-key --data-file=<(echo -n "$LOGO_DEV_SECRET_KEY")
gcloud secrets create logo-dev-publishable-key --data-file=<(echo -n "$LOGO_DEV_PUBLISHABLE_KEY")
# Reference them in app.yaml (uncomment the includes: section)См. app.yaml и .gcloudignore для полной конфигурации.
Скрипты
Скрипт | Назначение |
| Проверяет все markdown-файлы в |
| Генерирует frontmatter для файлов пакета |
| Проверяет, что все четыре инструмента доступны через MCP tool listing |
| Прогревает кеш бренда для четырёх демо-доменов |
npx tsx scripts/validate-source-pack.ts # validate source pack
npx tsx scripts/mcp-list-check.ts # verify tool discovery
npx tsx scripts/brand-cache-warm.ts # warm brand cacheТестирование с MCP Inspector
npx @modelcontextprotocol/inspector npm run devЭто запускает интерфейс MCP Inspector, где вы можете вызывать инструменты интерактивно и проверять ответы.
Структура проекта
agentflow-mcp/
├── src/
│ ├── index.ts # MCP server entry point (stdio + http-stream)
│ ├── tools/
│ │ ├── archPatternLookup.ts # Pattern matching + confidence scoring
│ │ ├── toolSelectionLookup.ts # Platform recommendation
│ │ ├── riskPolicyLookup.ts # Risk/governance checks + HITL
│ │ └── brandContextLookup.ts # Brandfetch + logo.dev with caching
│ ├── data/
│ │ ├── loader.ts # Source pack parser + in-memory index
│ │ ├── brandfetchClient.ts # Brandfetch Brand Context API client
│ │ ├── logoDevClient.ts # logo.dev Brand API client
│ │ └── brandCache.ts # Local file cache with TTL
│ └── types/
│ ├── source.ts # Source pack entry types
│ ├── arch-pattern.ts # arch_pattern_lookup types
│ ├── tool-selection.ts # tool_selection_lookup types
│ ├── risk-policy.ts # risk_policy_lookup types
│ └── brand-context.ts # brand_context_lookup types
├── data/ # Source pack (102 markdown files)
│ ├── industry/
│ ├── vendors/
│ └── patterns/
├── tests/ # Unit + integration tests
├── docs/ # PRD, MCP overview
├── scripts/ # Validation + cache warming scripts
├── openspec/ # OpenSpec specs (4 capabilities)
│ ├── specs/ # Main specs (synced from archived change)
│ └── changes/archive/ # Archived change proposals
├── Dockerfile # Multi-stage build for Cloud Run
├── cloud-run.yaml # Cloud Run service config
└── package.jsonТехнологический стек
Runtime: Node.js >= 20
MCP-фреймворк: FastMCP версия 4
Язык: TypeScript (строгий)
Валидация: Zod v4
Линтинг/форматирование: Biome
Тестирование: встроенный тестовый раннер Node.js
Развертывание: Docker + GCP Cloud Run
OpenSpec
Проект использует OpenSpec для разработки по спецификациям. Возможности четырёх инструментов описаны в openspec/specs/:
arch-pattern-lookup(7 требований)brand-context-lookup(6 требований)risk-policy-lookup(4 требования)tool-selection-lookup(5 требований)
Проверка спецификаций с помощью:
openspec validate --specs
openspec doctorЛицензия
MIT
Maintenance
Resources
Unclaimed servers have limited discoverability.
Looking for Admin?
If you are the server author, to access and configure the admin panel.
Related MCP Servers
FlicenseAqualityCmaintenanceProvides a persistent memory and governance layer that allows AI coding agents to query documented architecture rules and validate code against team standards. It enables agents to verify compliance across categories like security and testing before suggesting changes to ensure consistency across development sessions.317- AlicenseNot gradedqualityDmaintenanceProvides comprehensive architectural expertise through specialized agents, resources, and tools for generating, evaluating, and modifying architectural designs.785ISC
- FlicenseNot gradedqualityBmaintenanceEnables AI agents to index, search, and retrieve architectural documentation and store self-learning notes from codebases.1
- FlicenseNot gradedqualityCmaintenanceProvides a set of MCP tools (file, database, GitHub, Slack, browser, calendar, email, vector search, Python execution) with safety constraints and OpenAI integration for enterprise architecture automation.
Related MCP Connectors
Shared, permission-aware company context for AI agents, with provenance, approvals and audit.
Your company's brain for AI agents. Cited, permission-aware knowledge across every system.
Curated knowledge API for AI agents - skill packs, semantic search, validated patterns.
Latest Blog Posts
- Who's Calling? MCP Hosts Are an Identity Blind Spot (And the Spec Knows It)By Om-Shree-0709 on .mcpAgent IdentityOAuth 2.1
- Your AI Chatbot Just Exposed Your CEO's Salary to an InternBy Om-Shree-0709 on .Agent IdentityMCP SecurityOAuth Delegation
- Why MCP Servers Need Execution Sandboxing (And Why Your Current Stack Isn't Enough)By Om-Shree-0709 on .Agentic AiPrompt InjectionWebAssembly
MCP directory API
We provide all the information about MCP servers via our MCP API.
curl -X GET 'https://glama.ai/api/mcp/v1/servers/ishfuseini/agentflow-mcp'
If you have feedback or need assistance with the MCP directory API, please join our Discord server