Qontinui MCP Server

昆蒂努伊mcp

轻量级MCP服务器 Qontinui跑者 -实现人工智能驱动的视觉自动化。

安装

pip install qontinui-mcp

快速开始

1. 启动Qontinui Runner （桌面应用程序）

1. 配置您的AI客户端 （克劳德桌面、克劳德代码、光标等）

添加到MCP配置中：

{
  "mcpServers": {
    "qontinui": {
      "command": "qontinui-mcp",
      "args": []
    }
  }
}

1. 通过AI运行工作流

AI现在可以：

• 加载工作流配置文件
• 运行可视化自动化工作流
• 监控执行状态
• 控制要使用的监视器

配置

环境变量：

特性

A区：SSE事件流

通过服务器发送事件（SSE）进行实时事件流式传输，以监控工作流执行。

端点： /sse/events

客户端使用情况：

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)

事件类型：

• qontinui/execution_started -工作流开始
• qontinui/execution_progress -步骤完成
• qontinui/execution_completed -工作流结束
• qontinui/test_started -测试开始
• qontinui/test_completed -测试结束
• qontinui/image_recognition -匹配已找到/失败
• qontinui/error -发生错误
• qontinui/warning -非致命问题

B区：MCP提示

常见自动化任务的参数化提示模板。提示来自运行器的聚合上下文，以提供结构化的调试、分析和验证工作流。

区域C：工具缓存

基于版本的工具缓存，以优化MCP工具列表请求。

端点： /tool-version

答复：

{
  "version": "abc123...",
  "tool_count": 35,
  "test_count": 12
}

MCP服务器缓存工具，并在以下情况下使缓存无效：

• 运行者的工具版本更改（加载配置，添加/删除测试）
• 缓存时间超过5分钟（回退）

E区：许可系统

受OpenCode权限系统启发，对工具调用进行细粒度权限控制。

权限级别：

配置：

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"

F区：MCP资源

通过URI方案进行只读数据访问，以访问跑步者数据。

URI方案： qontinui://{type}/{id}

资源类型：

区域G：内联Python执行

通过uvx执行具有可选依赖隔离的任意Python代码。

工具： execute_python

参数：

• code （必填）：要执行的Python代码
• dependencies：要安装的pip包列表
• timeout_seconds：执行超时（默认值：30）
• working_directory：执行工作目录

例子：

# 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"],
)

H区：特工产卵

通过生成具有集中任务的子代理进行分层任务分解。

工具： spawn_sub_agent

参数：

• task （必填）：子代理的任务描述
• tools：用于限制子代理的工具名称列表
• max_iterations：最大转弯次数/迭代次数（默认值：10）
• context：要提供的附加上下文

例子：

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."
)

可用工具

核心工具

任务管理工具

自动化运行工具

测试管理工具

测试类型：

• playwright_cdp -使用Playwright的浏览器DOM断言
• qontinui_vision -使用图像识别进行视觉验证
• python_script -自定义Python验证逻辑
• repository_test -运行pytest、Jest或其他测试框架

日志工具

日志类型：

• general -一般执行者事件
• actions -工作流动作/树事件
• image-recognition -带有匹配细节的图像识别结果
• playwright -剧作家测试执行结果

DOM捕获工具

AWAS（人工智能网络行动标准）工具

用于与支持AWAS标准的网站进行交互的工具。

高级工具

示例用法

基本工作流执行

# In an AI conversation:
"Load the config at /path/to/workflow.json and run the 'login_test' workflow on the left monitor"

测试驱动验证

# 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"

自动化分析

# 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"

发展

# 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/

建筑

qontinui-mcp (MCP Server)
    |
    v
QontinuiClient (HTTP Client)
    |
    v
qontinui-runner (Desktop App, port 9876)
    |
    v
Python Subprocess (Qontinui Execution)

MCP服务器是一个精简的包装器，它：

1. 通过MCP协议公开跑步者功能
2. 为工具调用提供权限控制
3. 缓存工具定义以提高性能
4. 聚合结构化提示的上下文
5. 通过SSE流式传输事件以进行实时监控

许可证

根据GNU Affero通用公共许可证v3.0或更高版本（AGPL-3.0或更高）授权。看 许可证 完整条款。