Serveur MCP progi
✓ VérifiéPermet aux agents IA d'exécuter des workflows structurés et répétables en stockant les processus sous forme de playbooks persistants et en surveillant l'avancement des tâches.
Aussi connu sous zseta/progi
- Étoiles
- 3
- Outils
- 9
- Téléchargements, 30 jours
- 73
- Dernière version
- 0.3.2
- Dernier commit
- 5 juil. 2026
- Licence
- MIT
Qu'est-ce que progi MCP ?
progi est un serveur MCP. Permet aux agents IA d'exécuter des workflows structurés et répétables en stockant les processus sous forme de playbooks persistants et en surveillant l'avancement des tâches. Il expose 9 outils, comme create_task, list_tasks, start_or_continue_task.
Résumé généré à partir du README du projet
À propos du MCP server progi
Progi fonctionne comme un moteur de workflow natif MCP qui permet aux agents IA d'exécuter des processus structurés et répétables. En convertissant des descriptions en langage naturel en playbooks persistants, il garantit que les agents respectent les préférences spécifiques de l'utilisateur sans nécessiter de réexplications constantes. Ce serveur est conçu pour être utilisé avec des clients MCP tels que Claude Code, Cursor ou GitHub Copilot. Il fonctionne localement en utilisant une base de données SQLite pour stocker les workflows et peut être lancé via uvx.
Les utilisateurs peuvent gérer leur automatisation via une interface de monitoring dédiée qui s'exécute sur un serveur web local, généralement sur le port 8000. Cette interface offre une vue en direct du statut des tâches, de leur progression et de l'historique des résultats. Le système utilise un processus de création en deux étapes pour construire les workflows, en commençant par un prompt de base pour aboutir à la création d'un playbook détaillé. Les développeurs peuvent affiner ces playbooks entre chaque exécution afin d'améliorer la précision au fil du temps.
Ce que vous pouvez faire avec
- 1Automatiser les cycles de développement répétitifsUn agent IA peut suivre une séquence prédéfinie pour créer des intégrations, effectuer des revues de code et publier des pull requests.
- 2Maintenir le contexte entre les sessionsLes développeurs peuvent utiliser des playbooks persistants pour éviter que les agents ne perdent la connaissance des processus lors de la réinitialisation d'une session.
- 3Suivre les tâches actives de l'agentVous pouvez utiliser l'interface de monitoring pour surveiller en temps réel la progression et l'historique de chaque workflow en cours.
- 4Construire des workflows structurés à partir de texteVous pouvez transformer une simple description verbale d'une tâche en un ensemble formel d'étapes et de playbooks.
Extrait du README du projet. Chaque cas d'utilisation est vérifié par rapport à une citation du document.
Comment installer progi MCP
Formats vérifiés le 10 nov. 2026Ajouter à CursorAjouter à GooseInstaller progi MCP dans Claude Code
$ claude mcp add progi -- uvx progiInstaller progi MCP dans Cursor
~/.cursor/mcp.json
{
"mcpServers": {
"progi": {
"command": "uvx",
"args": [
"progi"
]
}
}
}Installer progi MCP dans VS Code
.vscode/mcp.json
{
"servers": {
"progi": {
"type": "stdio",
"command": "uvx",
"args": [
"progi"
]
}
}
}Installer progi MCP dans VS Code CLI
$ code --add-mcp '{"name":"progi","type":"stdio","command":"uvx","args":["progi"]}'Installer progi MCP dans Claude Desktop
claude_desktop_config.json
{
"mcpServers": {
"progi": {
"command": "uvx",
"args": [
"progi"
]
}
}
}Installer progi MCP dans Codex
$ codex mcp add progi -- uvx progiInstaller progi MCP dans Codex config.toml
~/.codex/config.toml
[mcp_servers.progi] command = "uvx" args = ["progi"]
Installer progi MCP dans Gemini CLI
$ gemini mcp add -s user progi uvx -- progiInstaller progi MCP dans Gemini settings.json
~/.gemini/settings.json
{
"mcpServers": {
"progi": {
"command": "uvx",
"args": [
"progi"
]
}
}
}Outils MCP progi 9
Détectés depuis le 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 | — |
Configuration
PROGI_DB_PATHCustom path for the Progi SQLite database file
PROGI_WEB_PORT
| Nom | Description | Type |
|---|---|---|
| PROGI_DB_PATH | Custom path for the Progi SQLite database file | |
| PROGI_WEB_PORT | — |
Vérifications automatisées
Exécuté le 14 nov. 2026Rapport complet →A passé nos vérifications automatisées. Il ne s'agit pas d'un audit de sécurité : lisez le code et donnez au serveur l'accès le plus restreint dont il a besoin. Fonctionnement des vérifications
- Dépôt source lié et accessiblezseta/progi is public and reachablegithub.com/zseta/progi ↗Réussi
- Le nom du package correspond au dépôt sourceprogi names zseta/progi as sourcepypi.org/project/progi/ ↗Réussi
- Provenance du build (attestation Sigstore)Sigstore attestation for progipypi.org/project/progi/ ↗Réussi
- Licence open source (OSI)MITspdx.org/licenses/MIT.html ↗Réussi
- Commit ou version publiée au cours de l'année écouléeLast commit or release 2026-07-05github.com/zseta/progi ↗Réussi
- OpenSSF ScorecardNon vérifié
- Nom du package non proche d'un package populaireNo popular package one edit away from progiRéussi
- Aucun avis critique dans le package ou ses dépendances70 resolved dependencies checked; no critical advisoryosv.dev ↗Réussi
- Aucune instruction cachée destinée au modèle9 tool descriptions and the README read; no override phrases, credential paths or hidden charactersRéussi
- Les outils destructifs sont étiquetésNo tool named like delete, drop or execRéussi
- Le point de terminaison distant répond à la poignée de main MCPNon vérifié
README
Voir sur 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
Questions sur progi MCP
Comment ajouter progi MCP à Claude Code ?
Exécutez claude mcp add progi -- uvx progi dans votre terminal. Ajoutez --scope user pour le rendre disponible dans tous les projets.
Comment ajouter progi MCP à Cursor ?
Ouvrez ~/.cursor/mcp.json et ajoutez le serveur sous mcpServers, avec la configuration Cursor indiquée dans la section d'installation ci-dessus.
Quels outils progi MCP fournit-il ?
Il expose 9 outils, dont create_task, list_tasks, start_or_continue_task, update_progress_notes, finish_step.
Comment ajouter Progi à mon client MCP ?
Vous pouvez l'ajouter à votre configuration (comme Claude Code ou Cursor) en utilisant la commande uvx avec l'argument progi.
Puis-je modifier le port pour Progi Monitoring ?
Oui, vous pouvez modifier le port de monitoring en définissant la variable d'environnement PROGI_WEB_PORT dans votre configuration.
Où sont stockées les données de workflow ?
Les workflows sont stockés dans une base de données SQLite, dont l'emplacement est déterminé par la variable PROGI_DB_PATH.
Comment puis-je désactiver l'interface web ?
Vous pouvez désactiver l'interface web en réglant la variable d'environnement PROGI_NO_WEB sur 1.