Token导航 LogoToken导航TokenDH.com
jig MCP logo
AI代理stdio官方级别未说明来源级核验

jig MCP

MCP Server

Jig Runner MCP Server 是一个通过 Model Context Protocol (MCP) 向 Claude 和其他 AI 助手提供工作流编排能力的服务,支持创建、管理和执行工作流,以及访问数据快照和版本控制。

工具数

0

提示词数

0

GitHub Stars

0

资源数

0
任务自动化PythonClaudeClaude

安装说明

本站只整理中文说明和来源信息,不托管安装包,也不代用户安装。

作者 / 组织

timberbitscom

提供方

timberbitscom

最后核验

2026/5/17 20:21

快速接入

先看主来源和安装命令,再打开仓库或文档;下面只保留这个条目的关键接入事实。

命令预览

pip install -r requirements.txt

详细介绍

Jig Runner MCP服务器

FastMCP服务器,通过模型上下文协议(MCP)向Claude和其他AI助手公开Jig Runner的工作流编排功能。

这是什么?

此MCP服务器提供 24工具 允许AI助手与 Jig Runner -以数据库为中心的工作流编排平台。通过这些工具,AI代理可以:

  • 创建和管理 车站 (可重复使用的任务模板)
  • 构建并执行 工作流 (车站有向图)
  • 监视器 (工作流执行)
  • 访问 人工制品上下文块 (不可变数据快照)
  • 导入/导出工作流为 YAML DSL 用于版本控制

建筑

内置:

  • FastMCP -用于构建MCP服务器的Python框架
  • httpx -Jig Runner API的异步HTTP客户端
  • 史密瑟里 -MCP服务器部署平台

服务器作为HTTP服务运行,公开 /mcp 使用Streamable HTTP传输协议的端点。

可用工具(共24个)

工作站(7个工具)

  • list_stations -列出所有具有筛选功能的任务模板
  • get_station -获取详细的站点配置
  • create_station -使用操作配置创建新站点
  • update_station -修改现有车站
  • delete_station -拆除或停用车站
  • discover_stations -按意图搜索电台

工作流程(6个工具)

  • list_workflows -列出所有工作流定义
  • get_workflow -获取工作流图和元数据
  • create_workflow -从图形创建新工作流
  • update_workflow -修改工作流结构
  • delete_workflow -删除工作流
  • start_workflow -执行工作流运行

跑步(4个工具)

  • list_runs -列出工作流执行情况
  • get_run_tasks -获取特定运行的任务
  • get_run_logs -获取执行日志
  • get_run_artifacts -列出生成的工件

工件(2个工具)

  • list_artifacts -列出全球所有工件
  • delete_artifact -删除工件和存储

上下文块(1个工具)

  • list_context_blocks -查看不可变数据演变

发现(1个工具)

  • search_all -跨所有资源的通用搜索

DSL导入/导出(6个工具)

  • import_station_dsl -从YAML DSL格式导入站点
  • export_station_dsl -将站点导出为YAML DSL格式
  • import_workflow_dsl -使用CEL条件从YAML导入工作流
  • export_workflow_dsl -将工作流导出到带有站引用的YAML
  • import_connection_dsl -从YAML导入MCP连接(带安全验证)
  • export_connection_dsl -将连接导出到YAML(默认情况下隐藏机密)

DSL工具通过允许以人类可读的YAML格式导入/导出来实现工作流的版本控制。所有DSL操作都根据Jig Runner文档中定义的模式进行验证。

配置

服务器需要三个环境变量(通过Smithery提供):

必需

  • JIG_RUNNER_SUPABASE_URL -Supabase项目URL
  • JIG_RUNNER_SERVICE_ROLE_KEY -Supabase服务角色键

可选的

  • JIG_RUNNER_API_URL -Jig Runner API基本URL(默认值:https://jig-runner.vercel.app)

部署

史密斯路(推荐)

  1. 将此存储库连接到 史密瑟里
  2. 在Smithery UI中配置三个环境变量
  3. 部署-Smithery将构建并托管MCP服务器

smithery.yaml 该文件配置了具有自动模式验证的基于容器的部署。

地方发展

# Install dependencies
pip install -r requirements.txt

# Set environment variables
export JIG_RUNNER_SUPABASE_URL="your-supabase-url"
export JIG_RUNNER_SERVICE_ROLE_KEY="your-service-role-key"
export JIG_RUNNER_API_URL="https://jig-runner.vercel.app"

# Run server
python main.py

默认情况下,服务器将在端口8000上启动(可通过以下方式配置 PORT 有人)。

运作原理

  1. FastMCP 为MCP服务器框架提供HTTP传输
  2. httpx 向Jig Runner的REST API发出异步请求
  3. 环境配置 传递用户特定的Supabase凭据
  4. 工具隔离 确保每个工具只访问指定的功能

所有工具都由Claude通过MCP的自检协议自动发现。

发展

项目结构

jig_mcp/
├── main.py              # FastMCP server with 24 tool definitions
├── api_client.py        # Async HTTP client for Jig Runner API
├── requirements.txt     # Python dependencies
├── Dockerfile          # Container image for Smithery
├── smithery.yaml       # Smithery deployment config
└── pyproject.toml      # Python package metadata

添加新工具

  1. 在中使用类型提示定义工具函数 main.py
  2. 用…装饰 @mcp.tool
  3. 使用 client.request() 调用Jig Runner API
  4. FastMCP根据文档字符串和类型提示自动生成模式

测试

# Install dev dependencies
pip install -e ".[dev]"

# Run tests
pytest

相关项目

许可证

\[在此处添加您的许可证\]

支持

关于以下问题:

  • MCP服务器:此存储库中的未决问题
  • Jig Runner平台:中的未决问题 jig_runner
  • Smithery部署:检查 Smithery文件

目录标签

目录标签

任务自动化PythonClaude工作流编排本地部署AI集成YAMLDSL数据快照

支持客户端

Claude

接入字段

传输方式(transport,传输协议)

stdio

鉴权方式(authType,认证方式)

none

工具数量(toolCount,工具数)

0

资源数量(resourceCount,资源数)

0

提示词数量(promptCount,提示词数)

0

权限和风险

stdionone部署方式未说明

接入前请确认传输方式、认证方式和部署位置,并根据实际工具能力限制访问范围。

安装前确认

不要直接授予不必要的文件、网络或账号权限;先核对安装命令和配置内容。

来源信息

继续浏览同类 MCP