Model Context Protocol (MCP) 是 AI Agent 使用外部工具的標準化方式。OSOP MCP 伺服器公開 9 個工具，將任何 MCP 相容 Agent——GitHub Copilot、Cursor、Claude Desktop——變成工作流程感知系統。
為什麼 MCP 對 OSOP 很重要
沒有 MCP，每個 AI Agent 都需要自訂整合來使用 OSOP。有了 MCP，你安裝一個伺服器，每個 Agent 就能驗證工作流程、評估風險、執行運行、渲染圖表等——使用完全相同的介面。
MCP 之於 AI 工具就像 USB 之於硬體。一個協定，所有裝置。
安裝
pip install osop-mcp python -m osop_mcp # starts stdio server
或使用 Docker：
docker run -i ghcr.io/archie0125/osop-mcp
9 個工具
1. osop.validate
對照 JSON Schema 檢查 .osop 檔案。回傳帶有行號的錯誤和警告。在 CI/CD 中使用，在執行前捕捉無效工作流程。
2. osop.risk_assess
分析工作流程的安全風險。回傳分數（0-100），帶有判定結果（安全/注意/警告/危險）和發現清單。檢查缺少的核准閘門、破壞性 CLI 命令、過於寬泛的權限、硬編碼的密鑰、無限制的成本暴露和缺少的超時設定。
3. osop.run
使用給定輸入執行工作流程。支援無副作用模擬的 dry-run 模式。回傳帶有節點輸出和最終狀態的執行結果。完成時產生 .osoplog。
4. osop.render
從 .osop 檔案生成視覺圖表。支援 Mermaid、ASCII art 和 SVG 輸出。方向可以是上到下（TB）或左到右（LR）。Agent 可以向使用者展示任何工作流程的視覺表示。
5. osop.test
執行工作流程檔案中定義的測試案例。每個測試指定輸入和預期輸出。回傳帶有詳細資訊的通過/失敗結果。用於工作流程行為的回歸測試。
6. osop.optimize
分析工作流程並建議改進。識別慢步驟、故障熱點、缺少的重試策略、平行化機會和缺少的錯誤處理。可以僅回傳建議或直接套用。
7. osop.import
將外部工作流程格式轉換為 OSOP。支援 GitHub Actions、BPMN、Airflow、Temporal、Postman 和 OpenAPI。Agent 可以通過單一工具呼叫將使用者的現有工作流程匯入 OSOP 格式。
8. osop.export
將 OSOP 轉換為外部格式。支援 GitHub Actions、BPMN、Airflow 和 Temporal。將你的 OSOP 工作流程匯出為你的 CI/CD 系統已理解的格式。
9. osop.report
從工作流程定義和執行日誌生成自包含的 HTML 或文字報告。HTML 報告包含節點圖、持續時間條、狀態徽章、工具使用情況和 AI 後設資料——全部在一個 15KB 以下的檔案中。
設定
加入你的 Claude Desktop 設定：
// claude_desktop_config.json
{
"mcpServers": {
"osop": {
"command": "python",
"args": ["-m", "osop_mcp"]
}
}
}或用於 Claude Code：
// .mcp.json (in project root)
{
"mcpServers": {
"osop": {
"command": "python",
"args": ["-m", "osop_mcp"],
"env": { "OSOP_LOG_LEVEL": "INFO" }
}
}
}這能實現什麼
安裝 MCP 伺服器後，你的 AI Agent 可以：
- 從自然語言建立工作流程，然後立即驗證
- 匯入你的 GitHub Actions 工作流程並轉換為 OSOP
- 在執行任何第三方工作流程前執行風險評估
- 生成視覺圖表向團隊解釋複雜的工作流程
- 通過分析執行歷史來最佳化工作流程
- 每次執行後產生合規就緒的 HTML 報告
全部通過相同的介面。不需要自訂整合。
完整 API 參考
完整的 API 文件 — 查看完整的 API 文件以了解所有參數、回傳類型和設定選項。