递归流：AI代理工作流管理器
递归流是一个强大的MCP（模型上下文协议）服务器，它使AI代理能够将复杂的任务分解为可管理的步骤并系统地执行。非常适合使用Claude Desktop和其他兼容MCP的AI助手自动化多步骤工作流程。
它做什么
- 智能任务分解：自动将复杂的请求分解为更小、可管理的待办事项
- 引导式执行：为AI代理提供下一步行动的分步指导
- 工具编排：协调多种工具和服务以完成复杂的工作流程
- 进度跟踪：跟踪已完成的工作和尚未完成的工作
- 上下文保护：在整个工作流程中保持完整的上下文
关键利益
- 自主操作：AI代理可以在没有持续指导的情况下独立工作
- 可靠的执行：系统化的方法确保不会遗漏任何东西
- 柔性集成：适用于任何与MCP兼容的工具和服务
- 完全透明：对所采取的所有行动进行全面审计跟踪
- 自我管理：特工们确切地知道下一步该做什么
运作原理
当你给人工智能助手一个复杂的任务时，递归流可以帮助它系统地完成任务：
- 规划阶段：AI将您的请求分解为具体的行动项
- 执行阶段：每个行动项目都使用正确的工具逐步解决
- 进度跟踪：系统会跟踪已完成的工作和下一步的工作
- 完成：完成所有项目后，您将获得一个完整的摘要
工作流示例
假设你让你的人工智能“研究竞争对手并创建市场分析报告”：
- 规划：AI创建了一个包含以下步骤的计划：
- 研究主要竞争对手 - 分析他们的定价策略 - 比较产品特性 - 创建摘要文档
- 执行：对于每一步，AI：
- 确定要使用的正确工具（网络搜索、数据分析、文档创建） - 按正确的顺序执行每个工具 - 记录下一步的结果
- 完成：您将收到一份全面的市场分析以及所有支持性研究
递归流架构
以下序列图显示了这些工具如何在递归、自我管理的工作流中协同工作：
@startuml
title Recursive Flow: Agentic Workflow Management
participant User
participant Agent
participant "Recursive Flow" as RF
participant "External Tools" as Tools
== 1. Workflow Initiation ==
User -> Agent: "Complex task request"
Agent -> RF: startJob(goal)
RF -> Agent: {context: {id, goal, status:'planning'}, nextAction: 'setPlan'}
== 2. Planning Phase ==
Agent -> RF: setPlan(jobId, todos)
RF -> Agent: {context: {todos: [...]}, nextAction: 'selectNextTodo'}
== 3. Recursive Execution Loop ==
loop For each TODO item
Agent -> RF: selectNextTodo(jobId)
RF -> Agent: {context: {currentTodo: {...}}, nextAction: 'planTodoExecution'}
Agent -> RF: planTodoExecution(jobId, tools)
RF -> Agent: {context: {toolPlan: [...]}, nextAction: 'tool1'}
loop For each tool in toolPlan
Agent -> Tools: execute_tool(params)
Tools -> Agent: tool_result
Agent -> RF: reportExecution(jobId, tool, result)
alt More tools remaining
RF -> Agent: {context: {executionHistory: [...]}, nextAction: 'next_tool'}
else All tools completed
RF -> Agent: {context: {executionHistory: [...]}, nextAction: 'completeTodo'}
end
end
Agent -> RF: completeTodo(jobId, todoId)
alt More TODOs remaining
RF -> Agent: {context: {todos: [✓,○,○]}, nextAction: 'selectNextTodo'}
else All TODOs completed
RF -> Agent: {context: {todos: [✓,✓,✓]}, nextAction: 'finishJob'}
end
end
== 4. Workflow Completion ==
Agent -> RF: finishJob(jobId)
RF -> Agent: {context: {status: 'complete', finalReport: '...'}, nextAction: null}
Agent -> User: "Complete results with full context"
@enduml主要建筑特征
- 自我导向：每个工具都会返回
nextAction指导代理人 - 上下文累积:
executionHistory建立全面的知识 - 可变长度：工作流可适应任意数量的步骤和工具
- 递归模式：选择核心循环→ plan → 执行→ 完成
- 干净端接:
nextAction: null信号工作流完成
是什么让它与众不同
- 无人工干预：一旦启动，人工智能就可以完成复杂的多步骤任务，而无需你指导每一步
- 可靠的结果：系统方法确保一致、彻底地完成任务
- 完全可见性：你可以清楚地看到所做的事情以及决策是如何做出的
- 可扩展：适用于您的AI助手可以访问的任何工具
安装和设置
使用Claude Desktop快速设置（推荐）
备注：在使用npx之前，请确保将包发布到npm。如果尚未发布，请使用下面的“本地开发设置”方法。
使用递归流的最简单方法是 npx，它会自动下载并运行最新版本：
- 找到您的Claude Desktop配置文件:
- macOS: ~/Library/Application Support/Claude/claude_desktop_config.json - 视窗: %APPDATA%\Claude\claude_desktop_config.json
- 添加递归流 对于您的MCP服务器配置：
{
"mcpServers": {
"recursive-flow": {
"command": "npx",
"args": ["recursive-flow"],
"env": {}
}
}
}- 重新启动克劳德桌面
就是这样！Claude将在需要时自动下载并运行递归流。
替代设置方法
选项1：全局安装
npm install -g recursive-flow然后配置Claude Desktop：
{
"mcpServers": {
"recursive-flow": {
"command": "recursive-flow",
"args": [],
"env": {}
}
}
}选项2：地方发展设置
如果你想从源代码运行：
git clone [repository-url]
cd recursive-flow
npm install
npm run build然后配置Claude Desktop：
{
"mcpServers": {
"recursive-flow": {
"command": "node",
"args": ["/absolute/path/to/recursive-flow/dist/index.js"],
"env": {}
}
}
}验证
安装后，重新启动Claude Desktop并要求其使用递归流：
“你能开始研究人工智能行业的竞争对手吗？”
如果配置正确，Claude将使用 startJob 开始工作流程的工具。
向NPM发布
如果你是包维护者，以下是如何发布以供npx使用：
# Build the package
npm run build
# Test locally first
npm pack
npm install -g ./recursive-flow-1.0.2.tgz
# Publish to NPM
npm publish发布后，用户可以立即使用 npx recursive-flow 无需任何安装。
与其他AI助手一起使用
递归流可与支持模型上下文协议（MCP）的任何AI助手配合使用。查看AI助手的文档，了解MCP服务器设置说明。
如何使用
安装后，您可以为AI助手分配复杂的任务，它将自动使用递归流来管理工作流。以下是一些示例：
使用简单
只需让你的AI助手自然地处理复杂的任务：
“我需要你研究电动汽车市场的前5大竞争对手，并创建一份详细的比较报告”
幕后发生了什么
- 工作机会：AI开始新的工作流作业
- 规划：将任务分解为具体步骤
- 执行：系统地完成每一步
- 完成：提供全面的结果
适用于递归流的示例任务
- 市场调研：“研究竞争对手并创建分析报告”
- 内容创建：“计划并创建一个完整的社交媒体活动”
- 数据分析：“分析销售数据并准备高管演示文稿”
- 项目规划：“创建包含里程碑的详细项目时间表”
- 研究项目：“调查一个主题并汇编全面的调查结果”
可用工具
递归流为AI代理提供了以下工具（按执行顺序）：
startJob：以特定目标开始新的工作流程setPlan：将目标分解为可操作的步骤selectNextTodo：选择要执行的下一个任务planTodoExecution：计划如何执行特定任务reportExecution：记录任务执行结果completeTodo：将任务标记为已完成finishJob：完成整个工作流程（需要实施）
流型
这些工具遵循递归模式：
- 开始 → setPlan→ 选择下一个待办事项
- 循环：选择下一个待办事项→ 计划执行→ \[外部工具\]→ 报告执行→ 完成全部→ 选择下一个待办事项
- 结束：选择下一个待办事项→ finish作业→ null（工作流完成）
对用户的好处
- 节省时间：无需手动分解复杂的任务
- 确保完整性：多步骤流程中不会遗漏任何内容
- 跟踪进度：看看到底做了什么，还剩下什么
- 减少错误：系统化的方法最大限度地减少了错误
- 自主工作：AI独立处理复杂的工作流程
故障排除
常见问题
Claude不认识递归流工具：
- 检查MCP服务器配置是否使用
npx和recursive-flow正确地 - 确保您有互联网连接（npx需要下载软件包）
- 配置更改后重新启动Claude Desktop
- 试着跑步
npx recursive-flow在终端中验证它是否正常工作
NPX相关问题：
- 如果你得到“找不到命令”，请确保安装了Node.js和npm
- 对于第一次运行，npx可能需要一点时间来下载包
- 如果下载失败，请尝试：
npm cache clean --force然后重启克劳德
任务没有正确分解：
- 试着更具体地说明你想要实现什么
- 将非常大的任务分解为较小的初始请求
性能问题：
- 当npx下载包时，第一次运行可能会变慢
- 由于包被缓存，后续运行将更快
🤖 LLM代理的系统提示
使用此提示指示LLM代理如何与递归流交互。
系统提示模板
You are an autonomous workflow agent using the Recursive Flow MCP server.
Follow this exact protocol to handle complex multi-step tasks:
1. **Job Initialization**
- Start by calling `startJob` with the user's main goal
- Extract the `jobId` from the response
2. **Planning Phase**
- Call `setPlan` with the `jobId` and an ordered array of todo descriptions
- Each todo should be a clear, actionable step toward the goal
3. **Execution Loop**
For each todo:
- Call `selectNextTodo` with the `jobId`
- When a todo is selected, call `planTodoExecution` with the `jobId` and array of tool names
- Execute each tool in the planned sequence:
- Use external tools as needed (web search, file operations, calculations, etc.)
- After each tool execution, call `reportExecution` with `jobId`, tool name, and result
- When all tools for the todo are complete, call `completeTodo` with `jobId` and `todoId`
4. **Completion**
- When `selectNextTodo` returns `nextAction: 'finishJob'`, call `finishJob` with the `jobId`
- This generates a comprehensive final report with all accumulated results
**Critical Rules:**
- ALWAYS follow the `nextAction` field in responses to know what to do next
- NEVER skip steps or change the protocol order
- Track the full `context` to understand current workflow state
- Report ALL tool executions with their actual results
- When `nextAction` is null, the workflow is complete
**Example Workflow:**
User: "Research competitors and create a market analysis report"
1. startJob(goal: "Research competitors and create a market analysis report")
2. setPlan(jobId, ["Research top 3 competitors", "Analyze pricing strategies", "Compare product features", "Create summary report"])
3. selectNextTodo(jobId) → todo: "Research top 3 competitors"
4. planTodoExecution(jobId, ["web_search", "data_collection"])
5. [Execute web_search] → reportExecution(jobId, "web_search", search_results)
6. [Execute data_collection] → reportExecution(jobId, "data_collection", collected_data)
7. completeTodo(jobId, 1)
8. [Repeat steps 3-7 for remaining todos]
9. finishJob(jobId) → final comprehensive report
Always maintain systematic execution and provide complete, actionable results.集成示例
对于Claude Desktop： 复制上面的系统提示，并在给Claude需要系统分解和执行的复杂任务时使用它。
对于API集成： 在助手的配置中包含系统提示，以便为复杂的请求启用自动工作流管理。
支持
有关问题、疑问或贡献，请访问项目存储库或联系维护人员。