MCP server de progi
✓ VerificadoPermite que los agentes de IA ejecuten flujos de trabajo estructurados y repetibles mediante el almacenamiento de procesos como playbooks persistentes y el monitoreo del progreso de las tareas.
También conocido como zseta/progi
- Stars
- 3
- Herramientas
- 9
- Descargas, 30 días
- 73
- Última versión
- 0.3.2
- Último commit
- 5 jul 2026
- Licencia
- MIT
¿Qué es progi MCP?
progi es un MCP server. Permite que los agentes de IA ejecuten flujos de trabajo estructurados y repetibles mediante el almacenamiento de procesos como playbooks persistentes y el monitoreo del progreso de las tareas. Expone 9 herramientas, como create_task, list_tasks, start_or_continue_task.
Resumen generado a partir del README del proyecto
Acerca del MCP server de progi
Progi funciona como un motor de flujo de trabajo nativo de MCP que permite a los agentes de IA ejecutar procesos estructurados y repetibles. Al convertir descripciones en lenguaje natural en playbooks persistentes, garantiza que los agentes sigan las preferencias específicas del usuario sin necesidad de explicaciones constantes. Este servidor está diseñado para usarse con clientes MCP como Claude Code, Cursor o GitHub Copilot. Funciona localmente utilizando una base de datos SQLite para almacenar los flujos de trabajo y puede ejecutarse mediante uvx.
Los usuarios pueden gestionar su automatización a través de una interfaz de monitoreo dedicada que se ejecuta en un servidor web local, normalmente en el puerto 8000. Esta interfaz proporciona una vista en vivo del estado de las tareas, su progreso y el historial de resultados. El sistema utiliza un proceso de autoría de dos pasos para construir los flujos de trabajo, comenzando con un prompt de estructura básica y avanzando hacia la creación de un playbook detallado. Los desarrolladores pueden ajustar estos playbooks entre ejecuciones para mejorar la precisión con el tiempo.
Qué puedes hacer con él
- 1Automatizar ciclos de desarrollo repetitivosUn agente de IA puede seguir una secuencia predefinida para crear integraciones, revisar código y publicar pull requests.
- 2Mantener el contexto entre sesionesLos desarrolladores pueden usar playbooks persistentes para que los agentes no pierdan el conocimiento del proceso cuando se reinicia una sesión.
- 3Rastrear tareas activas del agentePuedes usar la interfaz de monitoreo para observar el progreso en tiempo real y el historial de cada flujo de trabajo en ejecución.
- 4Construir flujos de trabajo estructurados a partir de textoPuedes transformar una descripción verbal sencilla de una tarea en un conjunto formal de pasos y playbooks.
Escrito a partir del README del proyecto. Cada caso de uso se verifica con una cita del mismo.
Cómo instalar progi MCP
Formatos verificados el 10 nov 2026Añadir a CursorAñadir a GooseInstalar progi MCP en Claude Code
$ claude mcp add progi -- uvx progiInstalar progi MCP en Cursor
~/.cursor/mcp.json
{
"mcpServers": {
"progi": {
"command": "uvx",
"args": [
"progi"
]
}
}
}Instalar progi MCP en VS Code
.vscode/mcp.json
{
"servers": {
"progi": {
"type": "stdio",
"command": "uvx",
"args": [
"progi"
]
}
}
}Instalar progi MCP en VS Code CLI
$ code --add-mcp '{"name":"progi","type":"stdio","command":"uvx","args":["progi"]}'Instalar progi MCP en Claude Desktop
claude_desktop_config.json
{
"mcpServers": {
"progi": {
"command": "uvx",
"args": [
"progi"
]
}
}
}Instalar progi MCP en Codex
$ codex mcp add progi -- uvx progiInstalar progi MCP en Codex config.toml
~/.codex/config.toml
[mcp_servers.progi] command = "uvx" args = ["progi"]
Instalar progi MCP en Gemini CLI
$ gemini mcp add -s user progi uvx -- progiInstalar progi MCP en Gemini settings.json
~/.gemini/settings.json
{
"mcpServers": {
"progi": {
"command": "uvx",
"args": [
"progi"
]
}
}
}Herramientas de progi MCP 9
Detectado desde el 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 | — |
Configuración
PROGI_DB_PATHCustom path for the Progi SQLite database file
PROGI_WEB_PORT
| Nombre | Descripción | Tipo |
|---|---|---|
| PROGI_DB_PATH | Custom path for the Progi SQLite database file | |
| PROGI_WEB_PORT | — |
Verificaciones automáticas
Ejecutado 14 nov 2026Informe completo →Pasó nuestras verificaciones automáticas. Esto no es una auditoría de seguridad: lee el código y dale al servidor el acceso más limitado que necesite. Cómo funcionan las verificaciones
- Repositorio de origen vinculado y accesiblezseta/progi is public and reachablegithub.com/zseta/progi ↗Aprobado
- El paquete indica este repositorio como su origenprogi names zseta/progi as sourcepypi.org/project/progi/ ↗Aprobado
- Procedencia de la compilación (atestación de Sigstore)Sigstore attestation for progipypi.org/project/progi/ ↗Aprobado
- Licencia de código abierto (OSI)MITspdx.org/licenses/MIT.html ↗Aprobado
- Commit o lanzamiento en el último añoLast commit or release 2026-07-05github.com/zseta/progi ↗Aprobado
- OpenSSF ScorecardNo verificado
- El nombre del paquete no es similar a un paquete popularNo popular package one edit away from progiAprobado
- No hay avisos críticos en el paquete ni en sus dependencias70 resolved dependencies checked; no critical advisoryosv.dev ↗Aprobado
- Sin instrucciones ocultas para el modelo9 tool descriptions and the README read; no override phrases, credential paths or hidden charactersAprobado
- Las herramientas destructivas están etiquetadasNo tool named like delete, drop or execAprobado
- El endpoint remoto responde al handshake de MCPNo verificado
README
Ver en GitHubProgi - 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
Preguntas sobre progi MCP
¿Cómo agrego progi MCP a Claude Code?
Ejecuta claude mcp add progi -- uvx progi en tu terminal. Añade --scope user para que esté disponible en todos los proyectos.
¿Cómo agrego progi MCP a Cursor?
Abre ~/.cursor/mcp.json y añade el servidor en mcpServers, usando la configuración de Cursor que se muestra en la sección de instalación de arriba.
¿Qué herramientas proporciona progi MCP?
Expone 9 herramientas, incluidas create_task, list_tasks, start_or_continue_task, update_progress_notes, finish_step.
¿Cómo añado Progi a mi cliente MCP?
Puedes añadirlo a tu configuración (como Claude Code o Cursor) usando el comando uvx con el argumento progi.
¿Puedo cambiar el puerto de Progi Monitoring?
Sí, puedes cambiar el puerto de monitoreo configurando la variable de entorno PROGI_WEB_PORT en tu configuración.
¿Dónde se almacenan los datos del flujo de trabajo?
Los flujos de trabajo se almacenan en una base de datos SQLite, cuya ubicación se determina mediante la variable PROGI_DB_PATH.
¿Cómo puedo desactivar la interfaz web?
Puedes desactivar la interfaz web configurando la variable de entorno PROGI_NO_WEB en 1.