progi MCP server
✓ VerifiziertErmöglicht es AI Agents, strukturierte und wiederholbare Workflows auszuführen, indem Prozesse als persistente Playbooks gespeichert und der Task-Fortschritt überwacht wird.
Auch bekannt als zseta/progi
- Stars
- 3
- Tools
- 9
- Downloads, 30 Tage
- 73
- Neueste Version
- 0.3.2
- Letzter Commit
- 5. Juli 2026
- Lizenz
- MIT
Was ist progi MCP?
progi ist ein MCP server. Ermöglicht es AI Agents, strukturierte und wiederholbare Workflows auszuführen, indem Prozesse als persistente Playbooks gespeichert und der Task-Fortschritt überwacht wird. Er stellt 9 Tools bereit, etwa create_task, list_tasks, start_or_continue_task.
Zusammenfassung generiert aus dem README des Projekts
Über progi MCP server
Progi fungiert als MCP-nativer Workflow-Engine, der es AI Agents ermöglicht, strukturierte und wiederholbare Prozesse auszuführen. Durch die Umwandlung von Beschreibungen in natürlicher Sprache in persistente Playbooks wird sichergestellt, dass Agents spezifische Benutzerpräferenzen befolgen, ohne dass diese ständig neu erklärt werden müssen. Dieser Server ist für die Nutzung mit MCP Clients wie Claude Code, Cursor oder GitHub Copilot konzipiert. Er läuft lokal unter Verwendung einer SQLite-Datenbank zur Speicherung von Workflows und kann via uvx gestartet werden.
Nutzer können ihre Automatisierung über ein dediziertes Monitoring-Interface verwalten, das auf einem lokalen Webserver läuft, typischerweise auf Port 8000. Dieses Interface bietet eine Live-Ansicht des Task-Status, des Fortschritts und der Output-Historie. Das System nutzt einen Two-Pass-Authoring-Prozess zum Erstellen von Workflows, der mit einem Skeleton-Prompt beginnt und zur detaillierten Playbook-Erstellung übergeht. Entwickler können diese Playbooks zwischen den Durchläufen feinabstimmen, um die Genauigkeit im Laufe der Zeit zu verbessern.
Was du damit machen kannst
- 1Repetitive Development Cycles automatisierenEin AI Agent kann einer vordefinierten Sequenz zum Erstellen von Integrations, Reviewen von Code und Veröffentlichen von Pull Requests folgen.
- 2Kontext über Sessions hinweg beibehaltenEntwickler können persistente Playbooks nutzen, damit Agents ihr Prozesswissen nicht verlieren, wenn eine Session zurückgesetzt wird.
- 3Aktive Agent Tasks trackenDu kannst das Monitoring-Interface nutzen, um den Echtzeit-Fortschritt und die Historie jedes laufenden Workflows zu beobachten.
- 4Strukturierte Workflows aus Text erstellenDu kannst eine einfache verbale Beschreibung einer Aufgabe in eine formale Abfolge von Schritten und Playbooks transformieren.
Geschrieben aus dem README des Projekts. Jeder Use Case wurde gegen ein Zitat daraus geprüft.
So installierst du progi MCP
Formate geprüft am 10. Nov. 2026Zu Cursor hinzufügenZu Goose hinzufügenprogi MCP in Claude Code installieren
$ claude mcp add progi -- uvx progiprogi MCP in Cursor installieren
~/.cursor/mcp.json
{
"mcpServers": {
"progi": {
"command": "uvx",
"args": [
"progi"
]
}
}
}progi MCP in VS Code installieren
.vscode/mcp.json
{
"servers": {
"progi": {
"type": "stdio",
"command": "uvx",
"args": [
"progi"
]
}
}
}progi MCP in VS Code CLI installieren
$ code --add-mcp '{"name":"progi","type":"stdio","command":"uvx","args":["progi"]}'progi MCP in Claude Desktop installieren
claude_desktop_config.json
{
"mcpServers": {
"progi": {
"command": "uvx",
"args": [
"progi"
]
}
}
}progi MCP in Codex installieren
$ codex mcp add progi -- uvx progiprogi MCP in Codex config.toml installieren
~/.codex/config.toml
[mcp_servers.progi] command = "uvx" args = ["progi"]
progi MCP in Gemini CLI installieren
$ gemini mcp add -s user progi uvx -- progiprogi MCP in Gemini settings.json installieren
~/.gemini/settings.json
{
"mcpServers": {
"progi": {
"command": "uvx",
"args": [
"progi"
]
}
}
}progi MCP tools 9
Erkannt aus dem READMEcreate_tasklist_tasksstart_or_continue_taskupdate_progress_notesfinish_stepget_process_skeleton_promptget_playbook_authoring_promptsave_workflowlist_workflows
| create_task | — | |
| list_tasks | — | |
| start_or_continue_task | — | |
| update_progress_notes | — | |
| finish_step | — | |
| get_process_skeleton_prompt | — | |
| get_playbook_authoring_prompt | — | |
| save_workflow | — | |
| list_workflows | — |
Konfiguration
PROGI_DB_PATHCustom path for the Progi SQLite database file
PROGI_WEB_PORT
| Name | Beschreibung | Typ |
|---|---|---|
| PROGI_DB_PATH | Custom path for the Progi SQLite database file | |
| PROGI_WEB_PORT | — |
Automatisierte Checks
Geluften am 14. Nov. 2026Vollständiger Bericht →Unsere automatisierten Checks bestanden. Das ist kein Security-Audit: Lies den Code und gib dem Server nur den minimal notwendigen Zugriff. Wie die Checks funktionieren
- Source Repository verknüpft und erreichbarzseta/progi is public and reachablegithub.com/zseta/progi ↗Bestanden
- Paket nennt dieses Repository als Quelleprogi names zseta/progi as sourcepypi.org/project/progi/ ↗Bestanden
- Build-Provenienz (Sigstore-Attestierung)Sigstore attestation for progipypi.org/project/progi/ ↗Bestanden
- Open Source Lizenz (OSI)MITspdx.org/licenses/MIT.html ↗Bestanden
- Commit oder Release im letzten JahrLast commit or release 2026-07-05github.com/zseta/progi ↗Bestanden
- OpenSSF ScorecardNicht geprüft
- Package-Name ähnelt keinem populären PackageNo popular package one edit away from progiBestanden
- Keine kritischen Advisories im Paket oder seinen Abhängigkeiten70 resolved dependencies checked; no critical advisoryosv.dev ↗Bestanden
- Keine versteckten Anweisungen an das Modell9 tool descriptions and the README read; no override phrases, credential paths or hidden charactersBestanden
- Destruktive Tools sind markiertNo tool named like delete, drop or execBestanden
- Remote-Endpoint beantwortet den MCP-HandshakeNicht geprüft
README
Auf GitHub ansehenProgi - MCP-native Workflow Engine
Progi teaches your agent how you like to get things done. So you can do your best work without re-explaining your process or losing context between sessions.
Get started
Add Progi to your MCP client config (GH Copilot / Cursor / Claude Code / etc):
{
"mcpServers": {
"progi": {
"command": "uvx",
"args": ["progi"]
}
}
}
Progi Monitoring starts automatically at http://127.0.0.1:8000.
If you want to start Monitoring on a different port:
{
"mcpServers": {
"progi": {
"command": "uvx",
"args": ["progi"],
"env": {
"PROGI_WEB_PORT": "8080"
}
}
}
}
How it works
1. Describe your workflow
"Hey Progi, help me create workflow for creating integrations, reviewing code, and publishing PRs."
Describe your process in plain language. You can be detailed or just provide a rough idea. Progi stores it as a structured workflow with per-step playbooks.
2. Run tasks, stay in the loop
"Hey Progi, start a new task, we need to review a new docs PR in the repo." Your agent loads the workflow, works through each step using your playbooks, and loops you in at critical checkpoints to review output.
3. Monitor progress
Progi Monitoring gives you a live view of every running and completed task — status, progress, and the full output history across all your workflows.
4. Optimize as you go
Tweak playbooks in Progi Monitoring between runs. Because workflows live in a database and survive context resets, every future task picks up your changes automatically — your process gets sharper with each iteration.
MCP Tools
Work loop
| Tool | Description |
|---|---|
create_task |
Create a new task under a given workflow (status todo); returns a preview of its first step |
list_tasks |
List tasks, optionally filtered by status and/or workflow |
start_or_continue_task |
Main work-loop entry point — starts or resumes a task and returns the current step's playbook, input data, and output spec |
update_progress_notes |
Overwrite a task's progress notes (mid-step save point) |
finish_step |
Mark the current step complete, store its output, and advance to the next step (or mark done) |
Workflow authoring
| Tool | Description |
|---|---|
get_process_skeleton_prompt |
Return the Pass 1 system prompt for turning a plain-language description into a structured workflow skeleton |
get_playbook_authoring_prompt |
Return the Pass 2 system prompt for authoring a step's playbook (injects workflow context) |
save_workflow |
Persist a new workflow, its steps, and playbooks |
list_workflows |
Return all workflows with their ordered steps |
Authoring is two passes: Pass 1 turns a plain-language description into a structured skeleton; Pass 2 authors each step's playbook. save_workflow persists both.
Configuration
| Variable | Default | Purpose |
|---|---|---|
PROGI_DB_PATH |
OS data dir (platformdirs) |
SQLite file location |
PROGI_WEB_HOST |
127.0.0.1 |
Web UI bind host |
PROGI_WEB_PORT |
8000 |
Web UI port |
PROGI_NO_WEB |
0 |
Set to 1 to disable the web UI |
Run modes: uvx progi (MCP + web UI), uvx progi --no-web (MCP only), uvx progi-web (web UI only).
Use an absolute path for
PROGI_DB_PATH
progi MCP Fragen
Wie füge ich progi MCP zu Claude Code hinzu?
Führe claude mcp add progi -- uvx progi in deinem Terminal aus. Füge --scope user hinzu, damit der Server in jedem Projekt verfügbar ist.
Wie füge ich progi MCP zu Cursor hinzu?
Öffne ~/.cursor/mcp.json und füge den Server unter mcpServers hinzu, mit der Cursor-Config aus dem Installationsabschnitt oben.
Welche Tools bietet progi MCP?
Er stellt 9 Tools bereit, darunter create_task, list_tasks, start_or_continue_task, update_progress_notes, finish_step.
Wie füge ich Progi zu meinem MCP Client hinzu?
Du kannst es über den uvx-Befehl mit dem progi-Argument zu deiner Konfiguration (wie Claude Code oder Cursor) hinzufügen.
Kann ich den Port für Progi Monitoring ändern?
Ja, du kannst den Monitoring-Port ändern, indem du die Umgebungsvariable PROGI_WEB_PORT in deiner Konfiguration setzt.
Wo werden die Workflow-Daten gespeichert?
Workflows werden in einer SQLite-Datenbank gespeichert, wobei der Speicherort durch die Variable PROGI_DB_PATH bestimmt wird.
Wie kann ich das Web UI deaktivieren?
Du kannst das Web UI deaktivieren, indem du die Umgebungsvariable PROGI_NO_WEB auf 1 setzt.