Servidor MCP ligero para Qontinui Runner: habilita la automatización visual impulsada por IA.
pip install qontinui-mcpRelated MCP server: RPA MCP Server
Inicie el Qontinui Runner (aplicación de escritorio)
Configure su cliente de IA (Claude Desktop, Claude Code, Cursor, etc.)
Añada a su configuración de MCP:
{
"mcpServers": {
"qontinui": {
"command": "qontinui-mcp",
"args": []
}
}
}Ejecute flujos de trabajo mediante IA
La IA ahora puede:
Cargar archivos de configuración de flujo de trabajo
Ejecutar flujos de trabajo de automatización visual
Monitorear el estado de ejecución
Controlar qué monitor utilizar
Variables de entorno:
Variable | Descripción | Predeterminado |
| Dirección del host del Runner | Detección automática (compatible con WSL) |
| Puerto HTTP del Runner |
|
| Directorio para resultados de automatización |
|
| Directorio para registros de desarrollo |
|
Transmisión de eventos en tiempo real mediante Server-Sent Events (SSE) para monitorear la ejecución del flujo de trabajo.
Endpoint: /sse/events
Uso del cliente:
from qontinui_mcp.client import QontinuiClient
client = QontinuiClient()
def handle_event(event: dict):
print(f"Event: {event['event_type']} - {event}")
await client.subscribe_events(callback=handle_event, timeout=60)Tipos de eventos:
qontinui/execution_started - Comienza el flujo de trabajo
qontinui/execution_progress - Finalización de paso
qontinui/execution_completed - Finaliza el flujo de trabajo
qontinui/test_started - Comienza la prueba
qontinui/test_completed - Finaliza la prueba
qontinui/image_recognition - Coincidencia encontrada/fallida
qontinui/error - Ocurre un error
qontinui/warning - Problema no fatal
Plantillas de prompts parametrizadas para tareas comunes de automatización. Los prompts agregan contexto del runner para proporcionar flujos de trabajo estructurados de depuración, análisis y verificación.
Prompt | Descripción | Argumentos |
| Analizar un fallo de prueba con un enfoque de depuración estructurado |
|
| Análisis visual de una captura de pantalla para verificación de IU |
|
| Flujo de trabajo estructurado para corregir una prueba de Playwright fallida |
|
| Verificar que el estado actual de la GUI coincida con el estado esperado del flujo de trabajo |
|
| Generar una prueba de verificación para un comportamiento de la IU |
|
| Revisar los resultados de la ejecución de automatización e identificar problemas |
|
| Depurar problemas de coincidencia de plantillas y reconocimiento de imágenes |
|
| Resumen del estado de la tarea con progreso de ejecución |
|
| Analizar por qué falló un criterio de verificación |
|
| Generar un plan de verificación para una característica |
|
Caché de herramientas basada en versiones para optimizar las solicitudes de lista de herramientas de MCP.
Endpoint: /tool-version
Respuesta:
{
"version": "abc123...",
"tool_count": 35,
"test_count": 12
}El servidor MCP almacena en caché las herramientas e invalida la caché cuando:
La versión de la herramienta del runner cambia (configuración cargada, pruebas añadidas/eliminadas)
La caché tiene más de 5 minutos (fallback)
Control de permisos detallado para llamadas a herramientas inspirado en el sistema de permisos de OpenCode.
Niveles de permiso:
Nivel | Descripción | Herramientas de ejemplo |
| Operaciones seguras que solo leen datos |
|
| Operaciones que ejecutan flujos de trabajo o pruebas |
|
| Operaciones que cambian datos |
|
| Operaciones que pueden interrumpir la ejecución |
|
Configuración:
from qontinui_mcp.permissions import get_permission_service, PermissionLevel
service = get_permission_service()
# Auto-approve only read operations (default)
service.configure(auto_approve_levels={PermissionLevel.READ_ONLY})
# Auto-approve all operations (trusted context)
service.auto_approve_all()
# Custom permission handler
service.on_request = lambda req: input(f"Allow {req.tool_name}? (y/n)") == "y"Acceso a datos de solo lectura mediante esquema URI para acceder a datos del runner.
Esquema URI: qontinui://{type}/{id}
Tipos de recursos:
Patrón URI | Descripción | Tipo MIME |
| Configuración de flujo de trabajo cargada actualmente |
|
| Archivos de registro JSONL (general, acciones, reconocimiento de imágenes, playwright) |
|
| Metadatos de captura de pantalla y rutas de archivo |
|
| Definiciones de pruebas de verificación |
|
| Contenido HTML de captura DOM |
|
| Detalles de ejecución de tareas |
|
Ejecute código Python arbitrario con aislamiento de dependencias opcional mediante uvx.
Herramienta: execute_python
Parámetros:
code (requerido): Código Python a ejecutar
dependencies: Lista de paquetes pip a instalar
timeout_seconds: Tiempo de espera de ejecución (predeterminado: 30)
working_directory: Directorio de trabajo para la ejecución
Ejemplo:
# Simple calculation
result = await client.execute_python(
code="return {'sum': 1 + 2, 'product': 3 * 4}"
)
# result.data["return_value"] == {"sum": 3, "product": 12}
# With dependencies
result = await client.execute_python(
code="""
import requests
resp = requests.get('https://api.example.com/data')
return resp.json()
""",
dependencies=["requests"],
)Descomposición jerárquica de tareas mediante la generación de subagentes con tareas enfocadas.
Herramienta: spawn_sub_agent
Parámetros:
task (requerido): Descripción de la tarea para el subagente
tools: Lista de nombres de herramientas a las que restringir el subagente
max_iterations: Máximo de turnos/iteraciones (predeterminado: 10)
context: Contexto adicional a proporcionar
Ejemplo:
result = await client.spawn_sub_agent(
task="Verify that the login form works correctly",
tools=["run_workflow", "capture_screenshot", "execute_test"],
max_iterations=5,
context="The login page is at /login with username and password fields."
)Herramienta | Permiso | Descripción |
| READ_ONLY | Obtener estado del runner |
| READ_ONLY | Listar monitores disponibles |
| MODIFY | Cargar un archivo de configuración de flujo de trabajo |
| MODIFY | Cargar configuración si aún no está cargada |
| READ_ONLY | Obtener información de la configuración cargada |
| EXECUTE | Ejecutar un flujo de trabajo por nombre |
| DANGEROUS | Detener la ejecución actual |
Herramienta | Permiso | Descripción |
| READ_ONLY | Obtener todas las ejecuciones de tareas |
| READ_ONLY | Obtener detalles específicos de ejecución de tarea |
| READ_ONLY | Obtener eventos para una ejecución de tarea |
| READ_ONLY | Obtener capturas de pantalla para una ejecución de tarea |
| READ_ONLY | Obtener resultados de Playwright para una ejecución de tarea |
| EXECUTE | Migrar registros JSONL a SQLite |
Herramienta | Permiso | Descripción |
| READ_ONLY | Obtener ejecuciones de automatización recientes |
| READ_ONLY | Obtener detalles específicos de ejecución de automatización |
Herramienta | Permiso | Descripción |
| READ_ONLY | Listar todas las pruebas de verificación |
| READ_ONLY | Obtener prueba por ID |
| EXECUTE | Ejecutar una prueba de verificación |
| READ_ONLY | Listar resultados de pruebas |
| READ_ONLY | Obtener resumen del historial de pruebas |
| MODIFY | Crear una nueva prueba de verificación |
| MODIFY | Actualizar una prueba existente |
| MODIFY | Eliminar una prueba de verificación |
Tipos de prueba:
playwright_cdp - Aserciones de DOM del navegador usando Playwright
qontinui_vision - Verificación visual usando reconocimiento de imágenes
python_script - Lógica de verificación personalizada en Python
repository_test - Ejecutar pytest, Jest u otros marcos de prueba
Herramienta | Permiso | Descripción |
| READ_ONLY | Listar capturas de pantalla disponibles |
| READ_ONLY | Leer archivos de registro JSONL del runner |
Tipos de registro:
general - Eventos generales del ejecutor
actions - Eventos de acción/árbol de flujo de trabajo
image-recognition - Resultados de reconocimiento de imágenes con detalles de coincidencia
playwright - Resultados de ejecución de pruebas de Playwright
Herramienta | Permiso | Descripción |
| READ_ONLY | Listar capturas DOM |
| READ_ONLY | Obtener metadatos de captura DOM |
| READ_ONLY | Obtener contenido HTML de captura DOM |
Herramientas para interactuar con sitios web que admiten el estándar AWAS.
Herramienta | Permiso | Descripción |
| EXECUTE | Descubrir manifiesto AWAS para un sitio web |
| READ_ONLY | Comprobar si un sitio web admite AWAS |
| READ_ONLY | Listar acciones AWAS disponibles |
| EXECUTE | Ejecutar una acción AWAS |
Herramienta | Permiso | Descripción |
| EXECUTE | Ejecutar código Python en línea |
| EXECUTE | Generar un subagente con una tarea específica |
# In an AI conversation:
"Load the config at /path/to/workflow.json and run the 'login_test' workflow on the left monitor"# Create a verification test
"Create a Playwright test that verifies the login button is visible and enabled"
# Execute the test
"Run the login_button_visible test and show me the results"
# Debug failures
"Use the debug_test_failure prompt for test abc123 with screenshots"# Analyze a failed automation run
"Analyze the most recent automation run and identify why it failed"
# Debug image recognition
"Debug the template matching for the 'submit_button' template"# Clone
git clone https://github.com/qontinui/qontinui-mcp
cd qontinui-mcp
# Install dependencies
poetry install
# Run server locally
poetry run qontinui-mcp
# Run type checking
poetry run mypy src/
# Run linting
poetry run ruff check src/qontinui-mcp (MCP Server)
|
v
QontinuiClient (HTTP Client)
|
v
qontinui-runner (Desktop App, port 9876)
|
v
Python Subprocess (Qontinui Execution)El servidor MCP es un envoltorio ligero que:
Expone las capacidades del runner mediante el protocolo MCP
Proporciona control de permisos para llamadas a herramientas
Almacena en caché las definiciones de herramientas para mejorar el rendimiento
Agrega contexto para prompts estructurados
Transmite eventos mediante SSE para monitoreo en tiempo real
Licenciado bajo la Licencia Pública General Affero de GNU v3.0 o posterior (AGPL-3.0-or-later). Consulte LICENSE para conocer los términos completos.
This server cannot be installed
Unclaimed servers have limited discoverability.
If you are the server author, to access and configure the admin panel.
Build and run visual creative-production workflows from your AI agent.
Connect, monitor, and control AI agents — tasks, approvals, schedules, and governance.
Design, save, and run outcome-aligned AI workflows and verifiers, with reliable image output.
Give your AI agents the tools to build, manage, and run automation workflows.
We provide all the information about MCP servers via our MCP API.
curl -X GET 'https://glama.ai/api/mcp/v1/servers/qontinui/qontinui-mcp'
If you have feedback or need assistance with the MCP directory API, please join our Discord server
