progi MCP server
✓ VerifiedMemungkinkan AI agent untuk menjalankan workflow yang terstruktur dan dapat diulang dengan menyimpan proses sebagai playbook persisten serta memantau progres tugas.
Juga dikenal sebagai zseta/progi
- Stars
- 3
- Tools
- 9
- Unduhan, 30 hari
- 73
- Versi terbaru
- 0.3.2
- Commit terakhir
- 5 Jul 2026
- Lisensi
- MIT
Apa itu progi MCP?
progi adalah MCP server. Memungkinkan AI agent untuk menjalankan workflow yang terstruktur dan dapat diulang dengan menyimpan proses sebagai playbook persisten serta memantau progres tugas. Server ini menyediakan 9 tool, seperti create_task, list_tasks, start_or_continue_task.
Ringkasan dibuat dari README proyek
Tentang progi MCP server
Progi berfungsi sebagai workflow engine berbasis MCP yang memungkinkan AI agent untuk menjalankan proses yang terstruktur dan dapat diulang. Dengan mengubah deskripsi bahasa sehari-hari menjadi playbook persisten, Progi memastikan agent mengikuti preferensi spesifik pengguna tanpa perlu penjelasan ulang secara terus-menerus. MCP server ini dirancang untuk digunakan dengan MCP client seperti Claude Code, Cursor, atau GitHub Copilot. Sistem ini beroperasi secara lokal menggunakan database SQLite untuk menyimpan workflow dan dapat dijalankan melalui uvx.
Pengguna dapat mengelola otomatisasi mereka melalui antarmuka monitoring khusus yang berjalan pada web server lokal, biasanya di port 8000. Antarmuka ini menyediakan tampilan langsung dari status tugas, progres, dan riwayat output. Sistem ini menggunakan proses authoring dua tahap untuk membangun workflow, dimulai dengan skeleton prompt dan berlanjut ke pembuatan playbook yang mendetail. Developer dapat melakukan fine-tune pada playbook ini di antara setiap sesi untuk meningkatkan akurasi dari waktu ke waktu.
Apa yang bisa Anda lakukan dengannya
- 1Otomatisasi siklus pengembangan yang repetitifAI agent dapat mengikuti urutan yang telah ditentukan untuk membuat integrasi, melakukan code review, dan mempublikasikan pull request.
- 2Menjaga konteks di berbagai sesiDeveloper dapat menggunakan playbook persisten agar agent tidak kehilangan pengetahuan tentang proses saat sesi direset.
- 3Melacak tugas agent yang sedang aktifAnda dapat menggunakan antarmuka monitoring untuk memantau progres real-time dan riwayat dari setiap workflow yang sedang berjalan.
- 4Membangun workflow terstruktur dari teksAnda dapat mengubah deskripsi verbal sederhana tentang suatu pekerjaan menjadi rangkaian langkah dan playbook yang formal.
Ditulis berdasarkan README proyek. Setiap use case diperiksa terhadap kutipan dari README tersebut.
Cara menginstal progi MCP
Format diverifikasi 10 Nov 2026Tambahkan ke CursorTambahkan ke GooseInstal progi MCP di Claude Code
$ claude mcp add progi -- uvx progiInstal progi MCP di Cursor
~/.cursor/mcp.json
{
"mcpServers": {
"progi": {
"command": "uvx",
"args": [
"progi"
]
}
}
}Instal progi MCP di VS Code
.vscode/mcp.json
{
"servers": {
"progi": {
"type": "stdio",
"command": "uvx",
"args": [
"progi"
]
}
}
}Instal progi MCP di VS Code CLI
$ code --add-mcp '{"name":"progi","type":"stdio","command":"uvx","args":["progi"]}'Instal progi MCP di Claude Desktop
claude_desktop_config.json
{
"mcpServers": {
"progi": {
"command": "uvx",
"args": [
"progi"
]
}
}
}Instal progi MCP di Codex
$ codex mcp add progi -- uvx progiInstal progi MCP di Codex config.toml
~/.codex/config.toml
[mcp_servers.progi] command = "uvx" args = ["progi"]
Instal progi MCP di Gemini CLI
$ gemini mcp add -s user progi uvx -- progiInstal progi MCP di Gemini settings.json
~/.gemini/settings.json
{
"mcpServers": {
"progi": {
"command": "uvx",
"args": [
"progi"
]
}
}
}Tool progi MCP 9
Terdeteksi dari 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 | — |
Konfigurasi
PROGI_DB_PATHCustom path for the Progi SQLite database file
PROGI_WEB_PORT
| Nama | Deskripsi | Tipe |
|---|---|---|
| PROGI_DB_PATH | Custom path for the Progi SQLite database file | |
| PROGI_WEB_PORT | — |
Pengecekan otomatis
Berjalan 14 Nov 2026Laporan lengkap →Lolos checks otomatis kami. Ini bukan audit keamanan: baca kodenya dan berikan server akses paling terbatas yang dibutuhkannya. Cara kerja checks
- Source repository terhubung dan dapat dijangkauzseta/progi is public and reachablegithub.com/zseta/progi ↗Lolos
- Nama paket mencantumkan repositori ini sebagai sumbernyaprogi names zseta/progi as sourcepypi.org/project/progi/ ↗Lolos
- Provenance build (atestasi Sigstore)Sigstore attestation for progipypi.org/project/progi/ ↗Lolos
- Lisensi open source (OSI)MITspdx.org/licenses/MIT.html ↗Lolos
- Ada commit atau release dalam satu tahun terakhirLast commit or release 2026-07-05github.com/zseta/progi ↗Lolos
- OpenSSF ScorecardTidak diperiksa
- Nama package tidak mirip dengan package populerNo popular package one edit away from progiLolos
- Tidak ada advisory kritis pada paket atau dependensinya70 resolved dependencies checked; no critical advisoryosv.dev ↗Lolos
- Tidak ada instruksi tersembunyi untuk model9 tool descriptions and the README read; no override phrases, credential paths or hidden charactersLolos
- Tools yang bersifat destruktif telah diberi labelNo tool named like delete, drop or execLolos
- Endpoint remote merespons handshake MCPTidak diperiksa
README
Lihat di 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
Pertanyaan tentang progi MCP
Bagaimana cara menambahkan progi MCP ke Claude Code?
Jalankan claude mcp add progi -- uvx progi di terminal Anda. Tambahkan --scope user agar tersedia di semua proyek.
Bagaimana cara menambahkan progi MCP ke Cursor?
Buka ~/.cursor/mcp.json dan tambahkan server di bawah mcpServers, menggunakan config Cursor yang ditunjukkan di bagian instalasi di atas.
Tool apa yang disediakan progi MCP?
Server ini menyediakan 9 tool, termasuk create_task, list_tasks, start_or_continue_task, update_progress_notes, finish_step.
Bagaimana cara menambahkan Progi ke MCP client saya?
Anda dapat menambahkannya ke konfigurasi Anda (seperti Claude Code atau Cursor) menggunakan perintah uvx dengan argumen progi.
Bisakah saya mengubah port untuk Progi Monitoring?
Ya, Anda dapat mengubah port monitoring dengan mengatur environment variable PROGI_WEB_PORT di konfigurasi Anda.
Di mana data workflow disimpan?
Workflow disimpan dalam database SQLite, dengan lokasi yang ditentukan oleh variabel PROGI_DB_PATH.
Bagaimana cara menonaktifkan web UI?
Anda dapat menonaktifkan web UI dengan mengatur environment variable PROGI_NO_WEB ke 1.