Token导航 LogoToken导航

MCP Server · AI代理

Pulse Workflow MCP

Pulse Workflow MCP Server 是一个模型上下文协议服务器,允许Claude Code直接交互和修改Pulse工作流,适用于工作流浏览、创建、编辑和发布等操作。

stdio官方级别未说明来源级核验工具 24
工作流管理自动化PythonClaudeAPI密钥

快速开始

作者 / 组织
Pulse-Intelligence
提供方
Pulse-Intelligence
运行时
Python

工具数量

24

来源目录标注

资源数量

0

来源目录标注

提示词数量

0

来源目录标注

GitHub Star

0

仓库热度

收录来源

1 个

MCP World

选型结论

Pulse Workflow MCP 属于AI代理类 MCP Server,公开资料标注 24 个工具,通过stdio 本地进程接入,适配 Claude,有可以直接复制的安装命令;接入前要先准备 API Key。

分类

AI代理

传输方式

stdio

认证方式

API Key

部署方式

公开资料未说明

安装与配置

安装命令

uvx pulse-workflow-mcp install-skills

客户端配置示例

{
  "mcpServers": {
    "pulse-workflow-mcp": {
      "command": "uvx",
      "args": [
        "pulse-workflow-mcp",
        "install-skills"
      ]
    }
  }
}

按公开安装命令拼出来的示例,字段名和参数以仓库 README 为准;带 YOUR_API_KEY 这类占位符的位置记得换成自己的值。

上手步骤

  1. 1

    准备运行环境

    stdio 服务在本地起进程,需要先装好 Python,再按安装命令拉取依赖。

  2. 2

    安装服务

    复制下面的安装命令执行;命令里带占位符的位置换成自己的密钥或路径。

  3. 3

    写入客户端配置

    在客户端的 MCP 配置里填启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4

    验证是否可用

    连接成功后客户端会列出 24 个工具,随便调一个只读工具确认能返回结果。

接入前确认

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。

详细介绍

Pulse工作流MCP服务器

MCP(模型上下文协议)服务器,使Claude Code能够直接与Pulse工作流交互和修改Pulse工作流。

概述

此MCP服务器将Pulse工作流操作作为工具公开,允许您:

  • 浏览并选择 从可用的Pulse应用程序
  • 发现 运行时可用的节点类型、模型、工具和数据集
  • 创建 从头开始开发新的工作流应用程序
  • 查看和导航工作流结构
  • 添加、编辑和删除节点
  • 创建和删除节点之间的连接
  • 发布工作流
  • 运行单个节点进行测试
  • 管理工作流功能和变量

安装

快速入门(推荐)

无需安装-使用 uvx 直接运行:

# Install Claude Code skills (one-time setup)
uvx pulse-workflow-mcp install-skills

来自PyPI

pip install pulse-workflow-mcp

# Or with uv
uv pip install pulse-workflow-mcp

为了发展

git clone https://github.com/Pulse-Intelligence/pulse-workflow-mcp.git
cd pulse-workflow-mcp
uv pip install -e ".[dev]"

技能

此软件包包括用于指导工作流开发的Claude Code技能:

技能描述
/pulse概述和可用命令
/pulse-create根据描述创建新工作流
/pulse-edit编辑现有工作流
/pulse-publish验证并发布工作流

安装技能 ~/.claude/skills/:

# Using uvx (no installation required)
uvx pulse-workflow-mcp install-skills
uvx pulse-workflow-mcp install-skills --force  # Overwrite existing
uvx pulse-workflow-mcp uninstall-skills        # Remove skills

# Or if installed via pip
pulse-workflow-mcp install-skills

配置

设置以下环境变量:

export PULSE_API_URL="http://localhost:5001"  # Pulse instance URL
export PULSE_API_KEY="your-api-key"           # Console API key
export PULSE_APP_ID="your-app-id"             # Optional: default app ID

获取API密钥

最简单的方法是通过Pulse工作流编辑器:

  1. 在Pulse中打开任何工作流
  2. 点击“连接克劳德代码”按钮
  3. 模式将为您生成一个令牌

应用程序ID(可选)

PULSE_APP_ID 现在是 可选的。您可以:

  • 将其设置为始终与特定应用程序一起工作
  • 将其留空并使用 list_apps + select_app 运行时可选择的工具

查看工作流时,应用程序ID位于URL中:

https://your-pulse.com/app/abc123def456/workflow
                        ^^^^^^^^^^^^
                        This is your app ID

使用Claude代码

推荐配置(uvx)

添加 ~/.claude.json -无需安装:

{
  "mcpServers": {
    "pulse-workflow": {
      "command": "uvx",
      "args": [
        "pulse-workflow-mcp"
      ],
      "env": {
        "PULSE_API_URL": "http://localhost:5001",
        "PULSE_API_KEY": "your-api-key"
      }
    }
  }
}

替代方案:直接命令

如果通过pip安装:

{
  "mcpServers": {
    "pulse-workflow": {
      "command": "pulse-workflow-mcp",
      "env": {
        "PULSE_API_URL": "http://localhost:5001",
        "PULSE_API_KEY": "your-api-key"
      }
    }
  }
}

使用默认应用程序ID

如果你总是使用一个应用程序,请添加 PULSE_APP_ID:

{
  "mcpServers": {
    "pulse-workflow": {
      "command": "uvx",
      "args": [
        "pulse-workflow-mcp"
      ],
      "env": {
        "PULSE_API_URL": "http://localhost:5001",
        "PULSE_API_KEY": "your-api-key",
        "PULSE_APP_ID": "your-app-id"
      }
    }
  }
}

用法

配置后,在克劳德代码中:

> List my workflow apps

Claude will use: list_apps with mode="workflow"

> Select app abc123def456

Claude will use: select_app

可用工具

应用程序操作

工具说明
list_apps列出可用的Pulse应用程序(按模式、名称筛选)
select_app选择一个应用程序进行后续操作
create_app创建新的工作流或聊天应用程序

发现操作

工具说明
list_node_types列出所有具有默认配置的可用节点类型
get_node_schema获取特定节点类型的详细架构
list_tool_providers列出可用的工具/插件提供商
list_tools列出提供者提供的具有输入/输出模式的工具
list_models列出可用的AI模型(LLM、嵌入等)
list_datasets列出可用的知识库数据集

节点操作

工具说明
add_node向工作流添加新节点
edit_node修改现有节点
delete_node删除节点及其连接
get_node获取特定节点的详细信息
list_nodes列出所有节点(可选按类型筛选)

边缘操作

工具说明
connect_nodes在两个节点之间创建连接
disconnect_nodes删除节点之间的连接
list_edges列出工作流中的所有边

工作流操作

工具说明
view_workflow查看完整的工作流结构
publish_workflow将草稿发布为新版本
validate_workflow检查工作流程是否有错误/警告
run_node执行单个节点进行测试

特征操作

工具说明
get_features获取工作流功能配置
update_features更新工作流功能
get_variables获取环境和对话变量

例子

列出并选择应用程序

> Show me my workflow apps

Claude will use: list_apps with mode="workflow"
Returns: List of apps with IDs, names, and modes

> Select the "Customer Support" app

Claude will use: select_app with the app ID

查看当前工作流

> Show me the current workflow

Claude will use: view_workflow

添加LLM节点

> Add an LLM node called "Summarizer" that summarizes user input.
  Connect it after the Start node.

Claude will:
1. Use list_nodes to find the Start node ID
2. Use add_node with after_node_id to create and connect the LLM node

构建RAG管道

> Create a RAG pipeline that:
  1. Retrieves from my knowledge base (dataset ID: abc123)
  2. Uses GPT-4 to answer based on the context
  3. Returns the response to the user

Claude will:
1. add_node (knowledge-retrieval)
2. add_node (llm with context)
3. connect_nodes appropriately

发布版本

> Publish this workflow as version 1.0

Claude will use: publish_workflow with name="v1.0"

从头开始创建工作流(发现流)

> Create a new customer support workflow with an LLM that responds to questions

Claude will:
1. create_app to create a new workflow app
2. list_node_types to discover available nodes
3. get_node_schema("llm") to understand LLM node config
4. list_models to discover available AI models
5. add_node to add the LLM node with proper config
6. connect_nodes to wire up the flow
7. validate_workflow to check for errors

配置知识检索节点

> Add knowledge retrieval from my product docs

Claude will:
1. list_datasets to find available knowledge bases
2. get_node_schema("knowledge-retrieval") to get config schema
3. add_node with the discovered dataset ID

支持的节点类型

类别节点类型
控制开始、结束、回答、if-else、迭代、循环
人工智能llm、知识检索、问题分类器、参数提取器
变换代码、模板转换、变量分配器、变量聚合器、文档提取器、列表过滤器、分配器
外部的http请求,工具

资源

服务器提供以下MCP资源:

  • pulse://workflow/current -当前工作流程为JSON
  • pulse://workflow/node-types -可用节点类型架构
  • pulse://workflow/summary -人类可读的工作流程摘要

提示

可用的MCP提示:

  • workflow_context -当前工作流的完整上下文
  • discovery_workflow -从头开始构建的强制性发现工作流程
  • add_rag_pipeline -用于添加RAG管道的模板
  • add_llm_chain -用于添加LLM处理链的模板

发展

# Clone and install
git clone https://github.com/Pulse-Intelligence/pulse-workflow-mcp.git
cd pulse-workflow-mcp
uv pip install -e ".[dev]"

# Run tests
pytest tests/

# Run linter
ruff check .

# Run server locally
export PULSE_API_URL="http://localhost:5001"
export PULSE_API_KEY="your-api-key"
pulse-workflow-mcp

建筑

┌─────────────────────────────────────────────────────────────┐
│                     Claude Code CLI                          │
│  > "Add an LLM node that summarizes user input"             │
└─────────────────────────────────────────────────────────────┘
                              │
                              │ MCP Protocol (stdio)
                              ▼
┌─────────────────────────────────────────────────────────────┐
│                  Pulse MCP Server                           │
│  ┌─────────────┐ ┌─────────────┐ ┌─────────────────────┐   │
│  │   Tools     │ │  Resources  │ │    Prompts          │   │
│  │ - list_apps │ │ - workflow  │ │ - workflow_context  │   │
│  │ - add_node  │ │ - node_types│ │ - add_rag_pipeline  │   │
│  │ - edit_node │ │ - summary   │ │ - add_llm_chain     │   │
│  │ - connect   │ │             │ │                     │   │
│  └─────────────┘ └─────────────┘ └─────────────────────┘   │
└─────────────────────────────────────────────────────────────┘
                              │
                              │ REST API
                              ▼
┌─────────────────────────────────────────────────────────────┐
│                    Pulse Backend                             │
│   /apps (GET)                                               │
│   /apps/{id}/workflows/draft (GET/POST)                     │
│   /apps/{id}/workflows/publish (POST)                       │
└─────────────────────────────────────────────────────────────┘

错误处理

服务器处理常见错误:

  • 工作流不同步错误:检测到并发编辑-刷新并重试
  • PulseClient错误:API错误,状态代码和消息
  • 未选择应用程序:使用 list_apps 和 select_app 选择应用程序

许可证

麻省理工学院

工具与能力

工具数量

24

资源数量

0

提示词数量

0

能力标签

工作流管理Python本地部署模型上下文协议ClaudeCode集成自动化工具

支持客户端

Claude

数量来自来源目录的标注,具体工具清单以官方文档为准。

典型使用场景

多步任务编排

把拆解、检索、执行串成一条链,模型按步骤调用工具。

长期上下文

把会话、笔记和知识放到外部存储,换个会话还能接着做。

接自有流程

把内部系统和模型连起来,让助手调用已有的工作流。

选择建议

值得选的地方

  • 工具数量 24 个,一次接入能覆盖的操作比单点工具更全。
  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。
  • 公开说明写得比较完整,接入前能看清能力边界。

先想清楚的地方

  • stdio 方式要求本地装好 Python,换机器要重新装一遍。
  • 需要自备API Key,没有凭据没法直接试。
  • 第三方目录整理,版本更新和行为细节以官方仓库为准。

更适合

  • 需要在AI代理场景里让模型直接调用外部能力的人。
  • 已经在用 Claude 的用户,接入路径最短。
  • 想先快速试一下、能接受在本地跑服务的人。

不太适合

  • 完全不想在本地装环境的人。
  • 暂时拿不到API Key的人。
  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

5 个同类
MCP Server工具数传输方式安装命令收录来源最后核验
Pulse Workflow MCP

MCP World · 本页

24stdio有1 个2026-05-17
Everything Claude Code

MCP World

0stdio有1 个2026-05-17
Filesystem 560c4363

MCP World

13未说明未标注2 个2026-05-17
Time 7365cb6d

MCP.so

2SSE有2 个2026-05-17
Server Everything (everything)

MCP World

11stdio有1 个2026-05-17

按同分类和工具数量挑出最接近的几条,字段以各自详情页为准。

常见问题

5 条

Pulse Workflow MCP 怎么安装?

公开资料给出的安装命令是 uvx pulse-workflow-mcp install-skills,运行环境为 Python。装完后按客户端要求写进 MCP 配置,重启客户端生效。

Pulse Workflow MCP 怎么在 Claude Desktop、Cursor 里配置?

它是stdio 本地进程,客户端配置里要写启动命令和参数,运行环境是 Python;保存后完全退出客户端再打开,配置才会生效。

Pulse Workflow MCP 收费吗?

本站只整理公开资料,不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

Pulse Workflow MCP 需要 API Key 吗?

公开资料标注的认证方式是API Key,也就是要先拿到凭据才能连上;凭据只填在自己本地的配置里,不要写进公开仓库。

Pulse Workflow MCP 支持哪些客户端?

公开资料标注支持 Claude;其他客户端只要能配置 MCP Server,也能用同样的命令或地址接入。

来源信息

继续浏览同类 MCP