Apache-2.0 的 MCP server 與 Python SDK，從自然語言生成、稽核、測試並演進 agent 工作流程，另有可選的唯讀 DeepSeek Harness 檢視器外掛。
DSH 整合
相容
作者聲明
安全稽核
未稽核
最後核實
2026-11-13
授權條款
Apache-2.0
01它能幫你完成什麼？
把描述出來的流程變成能執行的工作流程，而不是一次性的回答
`workspace/workflows/<workflow_id>` 下的工作流程圖、節點文件、經過稽核與測試的 Python 節點以及 FastAPI 後端
想要可編輯、可重複使用的流程，而不是聊天答案，並從支援 MCP 的 agent 工作階段驅動的團隊
改動正在跑的工作流程，但不重建沒有變動的節點
演進後的工作流程或單一演進後的節點，未變動的節點直接重複使用
在既有 agent 流程上迭代、又想保住已審查部分的開發者
在 DeepSeek Harness 裡直接檢視生成的工作流程
DeepSeek Harness Web 與 Desktop 的唯讀工作流程檢視器，搭配負責建立、演進、執行工作流程的技能
希望生成產物在應用程式裡看得見、而建置與執行仍走 MCP 或 SDK 的 DeepSeek Harness 使用者
02如何將外掛接入 DeepSeek Harness？
先決條件
- Python 3.10 或更新版本，以及 Git（用於取得 FlowX 與其工作流程執行時相依套件）
- 一個 OpenAI 相容的 LLM provider —— 預設是 DeepSeek
- 一個支援 MCP 的 agent 用戶端（DeepSeek Harness 可以代管本機 stdio server）
安裝步驟
- 01
複製儲存庫：`git clone https://github.com/AIpRoBuilder/FlowX.git`
$ git clone https://github.com/AIpRoBuilder/FlowX.git
- 02
建立虛擬環境並安裝 FlowX 及其執行時相依套件：`python -m pip install -e .`
- 03
把 `.env.example` 複製成 `.env`，設定 `FLOWX_LLM_PROVIDER`、`FLOWX_LLM_MODEL`、`FLOWX_LLM_API_KEY`、`FLOWX_DEFAULT_WORKSPACE`
- 04
在 MCP 用戶端登記 `flowx-mcp`，使用虛擬環境裡該執行檔的絕對路徑 —— MCP 宿主可能不會繼承 shell 的 `PATH`
- 05
可選：從 `plugins/deepseek-harness-flowx` 安裝 DeepSeek Harness 檢視器外掛，每個 profile 個別安裝
驗證整合成功
- 先手動跑一次 `flowx-mcp`，確認 stdio 入口能啟動（正常情況下 MCP 宿主會自己啟動它）
- 登記完成後，請 agent 建立一個工作流程並輪詢 `get_build_status` 直到 `result.ok` 為真，再用 `get_workflow` 與 `list_nodes` 檢查結果
03DSH 整合程度與能力邊界
外部接入：本機 stdio MCP server（`flowx-mcp`）加上 Python SDK 與 A2A 端點驅動工作流程生成；可選的 DeepSeek Harness 外掛只提供唯讀工作流程檢視器，需要在每個 profile 個別安裝
工作流程生成（圖、節點、後端）
一段自然語言描述的流程→`workspace/workflows/<workflow_id>` 下的 `workflow.json`、`node_docs/*.md`、`nodes/*.py` 與 `main.py`
生成時會把需求（以及可能的執行日誌）送到你的 LLM provider建置過程會執行生成的測試節點稽核、測試與有限修復
生成的節點及其稽核報告或失敗的測試日誌→修復後的節點，或一個停下來等你給指引的建置；測試不通過的節點不會發布
節點測試失敗預設暫停建置，直到你給出答案、`test: <guidance>`、`skip` 或中止工作流程與節點演進
一項變更需求，以及可選的目標：整個工作流程、某個 step id 或 node id→重複使用未變動節點的演進後工作流程
`start_build_workflow` 與 `start_evolve_workflow` 會就地修改既有工作流程以服務方式執行並逐步餵輸入
已建置好的工作流程，然後一次一個步驟的輸入→可連線的 `base_url`；工作流程暫停時 `run_step` 回傳 `awaiting`，`reset_session` 取消暫停的執行，`stop_service` 停止服務
`run_service` 會在本機啟動或重啟生成的 FastAPI 服務Python SDK 與 A2A 委派
SDK 的 `build_workflow_json` / `build_nodes` / `evolve` 等呼叫，或 A2A 的 `message/send`→帶各階段結果、錯誤、日誌與產物路徑的 `AgentResult`；A2A 任務會一併回傳結果
SDK 會讓服務持續執行直到 `with` 區塊結束SDK 與 A2A server 只讀行程環境變數，不會自動載入 `.env`
04適合誰？何時不該用？
適合
- 想要可編輯、可重複使用的流程，而不是聊天答案，並從支援 MCP 的 agent 工作階段驅動的團隊
- 在既有 agent 流程上迭代、又想保住已審查部分的開發者
- 希望生成產物在應用程式裡看得見、而建置與執行仍走 MCP 或 SDK 的 DeepSeek Harness 使用者
不適合
- 所有工作流程同一時間只能有一個建置在跑，暫停中的建置會佔住這個位置；建置狀態與暫停中的建置只存在 MCP server 行程內，行程結束後無法續跑。
- 生成時會把需求（以及可能的執行日誌）送到你的 LLM provider，並可能執行生成的測試，因此需要 provider key 與網路；生成的程式碼在跑服務前應自行審查。
05相容性、維護與安全提醒
- 所有工作流程同一時間只能有一個建置在跑，暫停中的建置會佔住這個位置；建置狀態與暫停中的建置只存在 MCP server 行程內，行程結束後無法續跑。
- 生成時會把需求（以及可能的執行日誌）送到你的 LLM provider，並可能執行生成的測試，因此需要 provider key 與網路；生成的程式碼在跑服務前應自行審查。
- 節點建置預設在測試失敗時暫停並等人回答，因此 MCP 的建置介面是純背景式：輪詢 `get_build_status`，再用 `submit_background_build_input` 續跑或中止。
- `.env` 不會在 MCP server 之外自動載入：SDK 與 A2A server 只讀行程環境變數，已安裝的 `flowx-mcp` 需要 `FLOWX_CONFIG_ROOT` 才能找到 checkout 之外的 `.env`。
Apache-2.0 · 僅 README 證據，最新版本 v1.0.2，未做安全稽核
06常見問題
DeepSeek Harness 怎麼接上 FlowX？
透過本機 stdio MCP server `flowx-mcp`：用虛擬環境裡該執行檔的絕對路徑登記（MCP 宿主可能不繼承 shell 的 `PATH`），並在 server 項目裡設好 `FLOWX_LLM_API_KEY` 等設定。FlowX 另外提供 Python SDK、非串流 A2A 端點，以及一個可選的 DeepSeek Harness 外掛——只提供唯讀工作流程檢視器，需要按 profile 個別安裝。
一次建置會產出什麼？
工作流程圖、節點文件、經過稽核與測試的 Python 節點以及 FastAPI 後端，全部放在 `workspace/workflows/<workflow_id>` 底下；之後 `run_service` 回傳可連線的 `base_url`，`run_step` / `reset_session` 可以逐步餵輸入、取消暫停的執行。
測試不通過的節點會被發布嗎？
不會。每個節點都要走「生成 → 稽核 → 測試 → 有限修復」這條鏈，測試不通過的節點不會發布。節點測試失敗預設暫停建置：給出使用者指引、用 `test: <guidance>` 修正測試、用 `skip` 跳過這次修正，或用 `abort_background_build` 中止。
為什麼 MCP 的建置介面是背景式的？
因為建置可能停下來等輸入。建置狀態與暫停中的建置都在 MCP server 行程裡，所有工作流程同時只能有一個建置，而且行程結束後無法續跑——所以宿主輪詢 `get_build_status`、用 `submit_background_build_input` 續跑，並在 server 還活著時用 `list_pending_builds` 找回待答的問題。
安裝前需要準備什麼？
Python 3.10 或更新版本、Git（用於 FlowX 與其 `ag_ui_workflow` 執行時相依套件）、一個 OpenAI 相容的 LLM provider（預設 DeepSeek），以及支援 MCP 的 agent 用戶端。在虛擬環境裡 `python -m pip install -e .` 安裝，provider key 放在 `.env` 或 MCP server 的 env 裡，不要提交到儲存庫。
07相關的 DSH 工作流程
huashu-design
作者 alchaincyf
Huashu Design 3.0 · 在 agent 里打一句话，拿回能交付的设计：网页 / App 原型 / 可编辑 PPTX / 动画 / 信息图 · 六个候选挑三个方向 · 84 种带样张的风格库 · 越用越懂你的外观账本与设计体检 · HTML-native design skill for Claude Code, Codex, Cursor & any agent
dsh-tui
作者 ccch1mneyyy
DSH's officially top-recommended TUI plugin — high performance, low overhead, cute pixel whale, smooth mouse interaction. One-command install via npm. / DSH 官方首推的 TUI 插件，高性能低占用，可爱像素鲸鱼，流畅鼠标交互，npm 一键安装
dsh-better-sidebar
作者 omdsh-dev
开放的侧边栏底座，支持三方拓展注册新侧边栏页面。内置文件渲染编辑/终端/侧边对话/Git/子代理页面 ｜ Open sidebar foundation, supports third-party extensions to register new sidebar pages. Built-in file rendering/editing, terminal, side chat, Git, and sub-agent pages.
dsh-media-desk
作者 woniuniuniu
DeepSeek Harness 自媒体工作台插件：一句话记灵感，一键生成脚本、封面、配图和分镜
08資料與來源
FlowX lets AI agents **build, run, and evolve workflows** through MCP, a Python SDK, or A2A.
the optional [DeepSeek Harness plugin](plugins/deepseek-harness-flowx/README.md) provides a read-only workflow viewer fo…
**Skill and plugin update.** The DeepSeek Harness plugin settings now accept `FLOWX_LLM_API_KEY` and no longer ask for a…
此頁面根據專案公開文件、儲存庫中繼資料與 DSH Plugins 的結構化解析所產生；最後核實於 2026-11-13。發現錯誤？提交更正。
最佳 DeepSeek Harness 外掛
從全目錄挑出的 12 個值得優先安裝的外掛，涵蓋各個分類。