How do I use Claude Flow MCP?

1. Click on "Install Server". 2. Wait a few minutes for the server to deploy. Once ready, it will show a "Started" state. 3. In the chat, type @ followed by the MCP server name and your instructions, e.g., "@Claude Flow MCP run a code review on the current project" 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.

Claude Flow MCP

by catlog22

Overview Schema Related Servers Score Discussions

Python

Local

Claude Flow v2.2.0 - MCP集成的AI工作流系统

一个智能化代码分析和工作流自动化工具，支持MCP服务集成到Claude Code，提供预定义场景执行、自定义工作流构建、变量上下文传递和 CLI 工具集成。

🌟 核心特性

MCP 服务集成

🔌 Claude Code 集成 - 完整支持 Model Context Protocol，可直接在Claude Code中使用
🛠️ 工作流即服务 - 通过MCP接口提供代码分析和工作流执行功能
📊 标准化输出 - 统一格式的分析结果，便于Claude Code处理和展示
⚡ 高性能处理 - 优化的服务架构，支持并发请求和大型项目分析

智能代码分析

📁 项目结构分析 - 自动分析代码组织结构和文件统计
🔍 深度代码审查 - 支持代码质量、安全性、性能等多维度分析
📦 智能文件打包 - 自动收集和整理项目文档及代码文件
🎯 场景化分析 - 提供7种预定义分析场景，满足不同需求

工作流自动化

🔄 多步骤工作流 - 支持复杂的自动化分析流程
🎛️ 变量传递系统 - 智能的上下文变量替换和数据传递
🚨 完善错误处理 - 分层错误处理、重试机制、多种错误处理模式
📊 执行监控 - 实时进度跟踪、详细日志记录、性能指标收集

安全与可靠性

🛡️ 安全加固 - 修复CLI注入漏洞，严格的输入验证和资源限制
✅ 高质量测试 - 核心测试覆盖率99.3%，确保功能稳定可靠
🔒 权限控制 - 安全的文件访问和命令执行机制

📦 安装

环境要求

Python 3.7+
Claude CLI (可选)
Gemini CLI (可选)

安装步骤

克隆项目仓库

# 使用 git 克隆项目
git clone https://github.com/catlog22/Claude-flow-mcp.git

# 进入项目目录
cd Claude-flow-mcp

# 检查 Python 版本 (需要 3.7+)
python --version

安装依赖（如果需要）

# 安装测试依赖 (可选)
pip install -r requirements-test.txt

# 或安装运行时依赖 (可选)
pip install -r requirements.txt

验证安装

# 测试工具包功能
python claude_toolkit.py analyze .

# 查看可用场景
python claude_flow.py --list

# 测试MCP服务
python mcp_server.py --test

配置 Claude CLI 和 Gemini CLI（根据需要）
- 安装并配置 Claude CLI
- 安装并配置 Gemini CLI

🔌 MCP 服务安装配置

Claude Flow v2 支持作为 MCP (Model Context Protocol) 服务运行，可集成到 Claude Code 中使用。

MCP 服务配置

获取项目完整路径

# 在项目目录中获取完整路径
cd Claude-flow-mcp
pwd  # Linux/Mac
cd   # Windows

添加 MCP 服务配置到 Claude Code

找到并编辑 Claude Code 的配置文件 claude_desktop_config.json：

配置文件位置:

Windows: %APPDATA%\Claude\claude_desktop_config.json
macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
Linux: ~/.config/Claude/claude_desktop_config.json

在配置文件中添加（根据你的实际路径修改）：

Windows 示例:

{
  "mcpServers": {
    "claude-flow": {
      "command": "python",
      "args": ["C:\\Users\\YourName\\Claude-flow-mcp\\mcp_server.py"],
      "env": {
        "PYTHONPATH": "C:\\Users\\YourName\\Claude-flow-mcp"
      }
    }
  }
}

Linux/Mac 示例:

{
  "mcpServers": {
    "claude-flow": {
      "command": "python",
      "args": ["/home/yourname/Claude-flow-mcp/mcp_server.py"],
      "env": {
        "PYTHONPATH": "/home/yourname/Claude-flow-mcp"
      }
    }
  }
}

重要: 将 /path/to/Claude-flow-mcp 替换为你实际克隆项目的完整路径

启动 MCP 服务

# 进入项目目录
cd Claude-flow-mcp

# 直接运行 MCP 服务器
python mcp_server.py

# 或使用批处理脚本 (Windows)
start_mcp.bat

# 或使用 Shell 脚本 (Linux/Mac)
./start_mcp.sh

验证 MCP 服务状态

# 测试 MCP 连接
python test_mcp_client.py

# 检查服务可用性
python start_mcp_server.py --test

MCP 功能特性

🚀 工作流执行: 通过 execute_workflow 方法执行预定义场景
🔍 代码分析: 通过 analyze_code 方法分析项目结构
📦 文件打包: 通过 pack_files 方法打包项目文件
🛠️ 场景管理: 支持列出和选择不同分析场景
📊 结果格式化: 自动格式化输出结果，便于 Claude Code 使用
🎯 智能路径处理: 自动解析相对路径和绝对路径
⚡ 高性能处理: 支持大型项目的高效分析
🔄 实时状态反馈: 详细的执行进度和结果信息

🎯 MCP 使用指南

基本MCP方法调用

在 Claude Code 中，MCP服务提供以下主要方法：

1. 执行工作流 (`execute_workflow`)

# 基本代码审查
execute_workflow("code_review", path="./src")

# 安全审计，启用调试模式
execute_workflow("security_audit", path=".", debug=True)

# 性能分析，指定输出格式
execute_workflow("performance_analysis", path="./src", output_format="markdown")

# 综合分析，设置错误处理模式
execute_workflow("comprehensive_analysis", path=".", error_mode="continue_on_error")

2. 代码结构分析 (`analyze_code`)

# 分析项目整体结构
analyze_code("./", analysis_type="structure")

# 分析特定目录的文件统计
analyze_code("./src", analysis_type="files")

# 深度分析包含子目录
analyze_code("./project", analysis_type="deep", include_subdirs=True)

3. 文件打包 (`pack_files`)

# 打包Python文件
pack_files("./src", file_types=["*.py"])

# 打包多种文件类型
pack_files("./", file_types=["*.py", "*.js", "*.md"])

# 打包指定目录，排除某些文件
pack_files("./src", exclude_patterns=["__pycache__", "*.pyc"])

高级使用技巧

场景链式执行

# 先分析结构，再执行代码审查
structure = analyze_code("./src", analysis_type="structure")
review = execute_workflow("code_review", path="./src", context=structure)

自定义参数传递

# 使用自定义配置执行工作流
execute_workflow("code_review", 
    path="./src",
    custom_params={
        "focus_areas": ["security", "performance"],
        "severity_threshold": "medium",
        "output_detail": "verbose"
    }
)

批量处理

# 批量分析多个目录
directories = ["./src", "./tests", "./docs"]
results = []
for dir_path in directories:
    result = analyze_code(dir_path, analysis_type="structure")
    results.append(result)

💬 在 Claude Code 中使用

MCP 服务调用

在 Claude Code 中使用 use claude-flow 指令来启用 Claude Flow MCP 服务：

use claude-flow

启用后，你可以通过自然语言描述需求，系统会自动调用相应的MCP功能：

基础使用方式

场景触发指令

use claude-flow

使用 code_review 场景分析 ./src 目录

使用 security_audit 场景检查整个项目的安全问题

使用 performance_analysis 场景分析项目性能

自然语言描述

use claude-flow

请帮我分析这个Python项目的代码质量，重点关注安全问题和性能优化建议。

请对我的项目进行全面的代码审查，包括架构分析、安全检查和最佳实践评估。

帮我分析项目结构并打包所有源代码文件。

进阶使用技巧

1. 组合场景执行

use claude-flow

使用 comprehensive_analysis 场景对整个项目进行全面分析

先用 code_review 场景审查代码，再用 security_audit 场景检查安全问题

使用 test_coverage 场景分析测试覆盖率

2. 指定分析重点

use claude-flow

使用 security_audit 场景重点检查SQL注入和XSS漏洞

使用 performance_analysis 场景专注于算法效率和内存使用

使用 code_review 场景关注代码风格和架构设计

3. 自定义输出要求

use claude-flow

使用 code_review 场景生成详细的Markdown格式报告

使用 security_audit 场景输出包含修复建议的完整报告

使用 dependency_analysis 场景分析并输出依赖安全报告

常用对话模板

新项目评估

use claude-flow

我有一个新的Python Web项目，请帮我进行全面评估：

使用 comprehensive_analysis 场景分析整个项目，重点关注：
- 代码架构和组织结构
- 安全漏洞和风险点
- 性能瓶颈和优化机会
- 测试覆盖率和质量

代码质量检查

use claude-flow

使用 code_review 场景深度分析我的项目代码质量，关注：
- 代码风格一致性
- 潜在bug和逻辑问题
- 架构设计合理性
- 最佳实践遵循情况

安全审计检查

use claude-flow

使用 security_audit 场景对我的Web应用进行全面安全检查：
- OWASP Top 10 常见漏洞
- 依赖包安全问题
- 敏感信息泄露风险
- API接口安全性

性能分析评估

use claude-flow

使用 performance_analysis 场景分析我的应用性能：
- 代码执行效率
- 数据库查询优化
- 算法复杂度分析
- 内存使用情况

实用场景示例

日常开发检查

use claude-flow

使用 code_review 场景检查我刚完成的功能模块

使用 security_audit 场景检查新添加的API接口安全性

使用 test_coverage 场景验证测试覆盖率是否达标

项目发布前检查

use claude-flow

使用 comprehensive_analysis 场景对项目进行发布前全面检查

使用 security_audit 场景进行生产环境安全审计

使用 performance_analysis 场景检查性能是否满足要求

代码重构支持

use claude-flow

使用 code_review 场景分析重构前的代码质量

使用 dependency_analysis 场景检查依赖关系复杂度

使用 performance_analysis 场景对比重构前后的性能差异

可用场景列表

code_review - 全面代码质量审查
security_audit - 安全漏洞检测和审计
performance_analysis - 性能分析和优化建议
test_coverage - 测试覆盖率分析
documentation_review - 文档完整性评估
dependency_analysis - 依赖包安全和更新检查
comprehensive_analysis - 综合多维度分析

实际应用场景

场景1: 新项目初始评估

# 步骤1: 分析项目结构
structure = analyze_code("./", analysis_type="structure")

# 步骤2: 执行综合分析
analysis = execute_workflow("comprehensive_analysis", path="./")

# 步骤3: 生成评估报告

场景2: 代码质量检查

# 步骤1: 执行代码审查
review = execute_workflow("code_review", path="./src")

# 步骤2: 安全审计
security = execute_workflow("security_audit", path="./")

# 步骤3: 测试覆盖率检查
coverage = execute_workflow("test_coverage", path="./")

场景3: 项目文档生成

# 步骤1: 打包相关文件
files = pack_files("./", file_types=["*.py", "*.md", "*.json"])

# 步骤2: 执行文档评估
docs = execute_workflow("documentation_review", path="./")

# 步骤3: 生成改进建议

配置文件说明

mcp_config.json - MCP 服务运行配置
scenarios.json - 预定义工作流场景定义
agent.json - AI 代理提示词和参数配置

🚀 快速开始

基本用法

# 查看所有可用场景
python claude_flow_v2.py --list

# 执行代码审查场景
python claude_flow_v2.py --scenario code_review --path ./src

# 执行安全审计（启用调试模式）
python claude_flow_v2.py --scenario security_audit --path . --debug

# 使用错误继续模式执行
python claude_flow_v2.py --scenario comprehensive_analysis --error-mode continue_on_error

# 保存详细日志到文件
python claude_flow_v2.py --scenario code_review --path ./src --debug --log-file analysis.log

新版本调试和错误处理

# 基本调试模式 - 显示详细执行过程
python claude_flow_v2.py --scenario code_review --path ./src --debug

# 错误处理模式
# 1. 停止模式 (默认) - 遇到关键错误立即停止
python claude_flow_v2.py --scenario analysis --error-mode stop_on_error

# 2. 继续模式 - 记录错误但继续执行
python claude_flow_v2.py --scenario analysis --error-mode continue_on_error

# 3. 交互模式 - 遇到错误时询问用户
python claude_flow_v2.py --scenario analysis --error-mode interactive

# 日志配置
# 保存详细日志到文件
python claude_flow_v2.py --scenario security_audit --debug --log-file security_analysis.log

# 设置日志级别
python claude_flow_v2.py --scenario code_review --log-level DEBUG --log-file debug.log

自定义工作流

# 简单的工具包调用序列
python claude_flow_v2.py \
  --exec "files:analyze:src/" \
  --exec "docs:pack_claude_md" \
  --exec "config:pack:./config"

# 混合工具包和CLI调用
python claude_flow_v2.py \
  --exec "structure:analyze:." \
  --cli "review:claude:Review this structure [structure]:--permission-mode plan"

# 复杂的多步工作流（启用错误继续模式）
python claude_flow_v2.py \
  --exec "src_files:analyze:src/" \
  --exec "test_files:analyze:tests/" \
  --cli "coverage:gemini:Analyze test coverage - source: [src_files] tests: [test_files]:-y" \
  --cli "report:claude:Generate final report based on [coverage.stdout]:--output-format markdown" \
  --error-mode continue_on_error --debug

📋 预定义场景

code_review - 代码审查

全面的代码质量审查，包括架构分析、安全检查和最佳实践评估。

python claude_flow_v2.py --scenario code_review --path ./src

security_audit - 安全审计

专注于安全漏洞检测、配置文件审查和敏感信息扫描。

python claude_flow_v2.py --scenario security_audit --path . --debug

performance_analysis - 性能分析

代码性能评估、瓶颈识别和优化建议。

python claude_flow.py --scenario performance_analysis --path ./src

test_coverage - 测试覆盖率

测试覆盖率分析和缺失测试识别。

python claude_flow.py --scenario test_coverage --path .

documentation_review - 文档评估

项目文档完整性和质量评估。

python claude_flow.py --scenario documentation_review --path .

dependency_analysis - 依赖分析

项目依赖包分析、安全检查和更新建议。

python claude_flow.py --scenario dependency_analysis --path .

comprehensive_analysis - 综合分析

全面的项目分析，包含多个维度的评估。

python claude_flow.py --scenario comprehensive_analysis --path .

🎛️ 高级功能

Agent 变量系统

支持通过 [agent:name] 格式引用预定义的 agent 配置，可用于自定义工作流：

可用 Agent 类型:

code-developer - 代码开发和 TDD 最佳实践
code-review - 代码质量和安全审查
security-audit - 安全漏洞检测专家
performance-optimizer - 性能优化分析
documentation - 技术文档生成

变量系统

支持复杂的变量传递和数据流控制：

[variable] - 引用变量值
[variable.field] - 引用嵌套字段
[variable.array.0] - 引用数组元素

📝 场景配置格式

基本格式

{
  "scenario_name": {
    "step1": "工具包方法调用",
    "step2": {
      "executor": "claude|gemini",
      "content": "执行内容，支持 [变量] 替换",
      "params": "CLI参数"
    },
    "step3": "另一个工具包调用或字符串处理"
  }
}

示例场景

{
  "my_analysis": {
    "structure": "analyze:[input_path]",
    "docs": "pack_claude_md",
    "review": {
      "executor": "claude",
      "content": "分析项目结构: [structure.summary]，文档: [docs.metadata]",
      "params": "--permission-mode plan --output-format markdown"
    },
    "summary": {
      "executor": "gemini",
      "content": "生成总结报告: [review.stdout]",
      "params": "-y --debug"
    }
  }
}

🔍 调试和监控

调试模式

# 启用详细调试信息
python claude_flow.py --scenario code_review --path . --debug

# Dry run 模式（仅显示步骤，不执行）
python claude_flow.py --scenario security_audit --dry-run

# 静默模式
python claude_flow.py --scenario quick_scan --path . --quiet

导出执行结果

# 导出上下文到文件
python claude_flow.py --scenario comprehensive_analysis --export results.json

执行历史

系统会自动记录：

每个步骤的执行时间
成功/失败状态
错误信息和堆栈跟踪
上下文变量的变化

🛠️ 命令行用法

基本命令

# 查看可用场景
python claude_flow.py --list

# 执行特定场景
python claude_flow.py --scenario code_review --path ./src

# 启用调试模式
python claude_flow.py --scenario security_audit --debug

# 导出结果
python claude_flow.py --scenario comprehensive_analysis --export results.json

📁 配置说明

重要配置文件

mcp_server.py - MCP 服务入口
scenarios.json - 预定义分析场景
agent.json - AI 代理配置

⚠️ 使用注意

确保 Python 3.7+ 环境
MCP 服务需要正确配置路径
大文件会自动跳过以提高性能

🔧 故障排除

常见问题

MCP连接失败: 检查配置文件路径是否正确
场景不存在: 使用 python claude_flow.py --list 查看可用场景
权限错误: 确保对目标目录有读取权限

📈 版本说明

当前版本：v2.2.0

✅ 完整 MCP 协议支持，可直接集成到 Claude Code
✅ 7种预定义分析场景，满足不同项目需求
✅ 99.3% 测试覆盖率，确保功能稳定可靠
✅ 安全加固和完善的错误处理机制

🤝 项目信息

开源许可

本项目基于 MIT 许可证开源

Latest Blog Posts

Lightport: Open-Sourcing Glama's AI Gateway
By punkpeye on April 27, 2026.
open source
OpenAI
Tool Definition Quality Score (TDQS)
By punkpeye on April 3, 2026.
mcp
The Hackers Who Tracked My Sleep Cycle
By punkpeye on March 26, 2026.
security

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/catlog22/Claude-flow-mcp'

If you have feedback or need assistance with the MCP directory API, please join our Discord server