代理流设计器工具
此存储库打包了一个MCP服务器，该服务器允许Codex CLI将复杂的工作委托给专门构建的多代理工作流。当Codex检测到一项任务受益于更深入的协调时，它可以调用这些工具：
- 评估授权是否值得，
- 规划专业代理之间的分工，
- 生成生产就绪的OpenAI代理SDK代码，
- 模拟一次完整的运行，评估结果，并迭代，直到解决方案达到质量标准。
服务器会自动将Codex本身以及此套件中的每个端点暴露给生成的代理，因此它们可以在尊重您提供的任何额外工具的同时继续递归委派。
仓库的规划
agentic_flow_designer/server.py–协调规划、代码生成、模拟、评估和修订的MCP服务器。agentic_flow_designer/manifest.json–Codex CLI使用的工具元数据。agentic_flow_designer/run_server.sh–助手启动器Codex调用，使服务器在正确的工作目录和日志记录下运行。agentic_flow_designer/agentic_workflows/–生成的代理SDK代码的目标文件夹（包括示例工作流）。agentic_flow_improvements.txt–塑造工具行为的设计目标。release_notes_workflow.py–生成器生成的示例代码工件。
MCP服务器的工作原理
- 分诊 –
assess_delegation_need考虑到可用的工具列表，判断任务是否值得代理分解。 - 规划 –
design_agentic_solution调用一个计划器模型，该模型发出依赖关系DAG、代理清单、结构化输入/输出模式和环境要求。 - 实施 –同一个调用会分派一个编码代理，该代理会发出与计划一致的可运行代理SDK Python代码。
- 执行模拟 –
execute_agentic_workflow将生成的文件持久化agentic_workflows/并模拟运行，产生每个代理的跟踪和共享工件。 - 评估与反馈 –
evaluate_agentic_outputs对模拟进行评分，同时summarize_agent_feedback提炼研究结果，以便您可以revise_agentic_solution. - 闭环自动化 –
run_agentic_cycle将上述步骤链接起来，直到工作流达到目标分数或最大迭代次数。 - 授权监督 –每个计划都会注入一个委托编排器代理，该代理可以通过助手递归调用Codex/agentic流设计器，例如
delegate_via_codex和run_recursive_delegation，在以下情况下持续委派跑步agentic_workflows/delegated/并将它们的工件合并回主工作流中。
每当你通过一个 available_tools 在列表中，服务器将其与Codex核心和这些MCP端点合并，确保下游代理知道他们可以再次调用Codex并继续分解任务。
安装
cd agentic_flow_designer
pip install -r <(python3 - <<'PY'
import json, pathlib
manifest = json.loads(pathlib.Path("manifest.json").read_text())
print(" ".join(manifest["servers"][0]["requirements"]))
PY
)导出底层规划器/编码器/评估器模型所需的OpenAI凭据（以及可选的自定义基URL）：
export OPENAI_API_KEY=sk-...
# export OPENAI_BASE_URL=https://api.openai.com/v1在Codex CLI中注册
- 在此存储库中，确保启动器可执行：
chmod +x agentic_flow_designer/run_server.sh- 删除任何先前的注册（可选）：
codex mcp remove agentic-flow-designer- 添加更新的工具，将Codex指向助手脚本，以便它可以管理工作目录和日志记录：
codex mcp add agentic-flow-designer \
"$(pwd)/agentic_flow_designer/run_server.sh"注册后，Codex CLI可以按需调用这些工具。在中包含默认指令 ~/.codex/config.toml 如果您希望Codex在任务看起来是多步骤时自动获取它们：
[profiles.default]
instructions = [
"When tasks look multi-step or quality-critical, call the agentic-flow-designer MCP tools (triage → plan → execute → evaluate) before replying."
]来自Codex CLI的用法
在MCP服务器运行的情况下，Codex可以在聊天过程中有机地调用这些工具。您还可以使用MCP工具命令手动触发它们，例如：
codex mcp call agentic-flow-designer design_agentic_solution \
--task "Ship a Slack bot that posts daily sales metrics" \
--available_tools '["internal-metrics-api", "slack_webhook"]'该工具返回结构化计划和生成的代理SDK代码路径。跟进 execute_agentic_workflow 或 run_agentic_cycle 模拟执行、收集反馈并迭代，直到计划达到目标质量。
日志流到 agentic_flow_designer/server.log，在Codex与工具交互时，可以轻松跟踪实时活动。