Workflow Generator

workflow-generator

任意のプロジェクトをスキャンして、WORKFLOW.html を生成します。プロジェクトのすべてのコンポーネント、それらの通信方法、そして実際のスループットの上限を示す、ダークモードのビジュアルシステム図です。

Python、Node.js、Go、Java、Rust、Ruby、および複数の言語が混在するプロジェクトに対応しています。コアスキャナーには外部依存関係がありません。 ベンダー製および生成されたディレクトリ（node_modules、venv、site-packages、dist など）はスキャンされません。 また、容量の数値はすべて静的解析による推定値であることが明記されます。

ライブデモ → — 以下から生成されています： fastapi/full-stack-fastapi-template。変更は加えていません。

(実際の CLI 出力、台本なし — 自動再生を避けたい場合は静止画のスクリーンショットをご覧ください)

生成される内容

生成されるすべてのページには、次の内容が含まれます：

コードベースの依存関係グラフ

すべてのソースファイル（Python、JS/TS、Go、Java、Rust、Ruby）がノードになり、実際のインポートがエッジになります。推測ではなく、言語に適したパーサー（Python の ast モジュール、JS/TS/Go/Java/Rust/Ruby の正規表現）で解決します。すでに検出されたコンポーネント（LLM の呼び出し、データベースクライアント、キューなど）に該当するファイルにも、そのコンポーネントへのエッジが追加されるため、Redis や OpenAI などと通信するファイルを正確に確認できます。大規模なリポジトリ（350 ファイル以上）は、グラフの見やすさを保つため、ディレクトリ単位のノードに自動的に集約されます。--graph-detail files または --graph-detail dirs で上書きできます。

テストファイル（tests/、test_*.py、conftest.py、*.spec.ts、*_test.go など）は、メインのセクションの下に独立したテストグラフのセクションを持ち、それぞれのテストが到達するモジュールとサービスを表示します。フィクスチャとテストダブルは、使用するサービスをすべて明示するため、これらをメイングラフに含めると、サービスへのエッジによって本来の依存関係構造が埋もれてしまいます。

どちらのセクションにも、同じノードとエッジを使ったフロー | グラフの切り替えがあります。フロー（最大 80 ノードでのデフォルト）は、左から右へ階層化された図です。列はソースからの依存関係の深さ（HTTP のエントリポイントと、どこからもインポートされないファイル）を示します。検出されたサービスはそれぞれ最終列の独立したノードになり、インポートの循環は破線で表示されます。グラフは力学的レイアウトのビューです。動く点は双方向のデータの流れを示します。塗りつぶされた点は呼び出し／リクエスト、白抜きの点は戻り値／レスポンスです。エッジが 60 個を超えるグラフでは、クリックまたはホバーしたノードのパスのみがアニメーションします。検索、「孤立ノードを非表示」、選択中のノードは、どちらのビューでも共有されます。

以前の階層型システム全体のアーキテクチャ図は、アーキテクチャマップで同じ範囲をカバーするため、デフォルトでは折りたたまれています。

デフォルトでは、グラフにはコードに記述された内容（インポートの方向、「このファイルが Redis を呼び出す」といった静的な情報）のみが表示されます。これは実態を正直に反映しますが、実際のトラフィックとは異なります。--access-log /path/to/access.log（combined/common 形式のログ）を渡すと、HTTP エントリポイントのエッジに実際に観測されたリクエスト数を重ねて表示できます。また、生成されるレポートには、検出された最大 5 つのルートを対象とする、すぐに実行できる k6 の負荷テストスクリプトが含まれます。これにより、「実用スループット」の数値を静的解析の推定値だけでなく、実測値と照らし合わせて確認できます。

検出対象

インストール

pip（CLI + MCP サーバー）

pip install workflow-generator-mcp

workflow-generator . WORKFLOW.html       # CLI: scan and write the report
workflow-generator-mcp                    # stdio MCP server

pip をインストールすると、MCP ホストの設定は次のように簡潔になります。

{
  "mcpServers": {
    "workflow-generator": { "command": "workflow-generator-mcp" }
  }
}

Claude Code（スキル）

mkdir -p ~/.claude/skills
git clone https://github.com/askuma/workflow-generator.git ~/.claude/skills/workflow-generator

その後、任意の Claude Code セッションで次を実行します。

/workflow-generator
/workflow-generator /path/to/project

MCP サーバー（Claude Desktop、VS Code、Cursor、Zed、Windsurf、Continue）

1. 依存関係をインストールします：

pip install mcp

2. MCP ホストの設定に追加します（~ を実際のホームディレクトリのパスに置き換えてください）：

{
  "mcpServers": {
    "workflow-generator": {
      "command": "python3",
      "args": ["~/.claude/skills/workflow-generator/mcp/server.py"]
    }
  }
}

{
  "servers": {
    "workflow-generator": {
      "type": "stdio",
      "command": "python3",
      "args": ["~/.claude/skills/workflow-generator/mcp/server.py"]
    }
  }
}

{
  "mcpServers": {
    "workflow-generator": {
      "command": "python3",
      "args": ["~/.claude/skills/workflow-generator/mcp/server.py"]
    }
  }
}

{
  "context_servers": {
    "workflow-generator": {
      "command": {
        "path": "python3",
        "args": ["~/.claude/skills/workflow-generator/mcp/server.py"]
      }
    }
  }
}

{
  "mcpServers": {
    "workflow-generator": {
      "command": "python3",
      "args": ["~/.claude/skills/workflow-generator/mcp/server.py"]
    }
  }
}

3. ツールを再起動して、次のように尋ねます：

generate a workflow diagram for this project
how many concurrent requests can this handle?
show me the system architecture

公開される MCP ツール：

• generate_workflow — プロジェクトをスキャンし、WORKFLOW.html を作成します。必要に応じてブラウザーで開きます
• analyze_workflow — 構造化された JSON の概要を返します（ファイルは作成されません）

コマンドライン（単独で使用）

Python 3.8 以降であれば、追加のインストールは不要です：

python3 ~/.claude/skills/workflow-generator/scripts/analyze.py . ~/WORKFLOW.html
# then open ~/WORKFLOW.html

任意のフラグ：

--access-log /path/to/access.log   # overlay real request counts onto the dependency graph
--graph-detail auto|files|dirs     # force file-level or directory-level graph nodes (default: auto)

出力例（ターミナル）

Written: /your/project/WORKFLOW.html
Framework: FastAPI · Workers: 8 · Concurrent I/O: ~800
Practical throughput: ~50–200 req/min
Bottleneck: OpenAI (LLM latency 3–30s per call)
Gateway: nginx · 2 rate limit zone(s)
LLM: OpenAI · eval: TruLens RAG Triad
Storage: Qdrant, Redis
External sources: Jira, Azure DevOps, Slack

リポジトリの構成

workflow-generator/
├── SKILL.md                        ← Claude Code skill definition
├── INSTALL.md                      ← detailed per-platform install guide
├── workflow_generator_mcp/
│   ├── analyze.py                  ← core scanner + HTML renderer (stdlib only)
│   └── server.py                   ← MCP stdio server (package form)
├── scripts/
│   └── analyze.py                  ← thin compatibility shim -> workflow_generator_mcp/analyze.py
├── tests/                          ← pytest suite for the scanner
├── mcp/
│   ├── server.py                   ← MCP stdio server
│   └── requirements.txt            ← pip install mcp
└── copilot/
    ├── index.js                    ← GitHub Copilot Extension (Express)
    ├── package.json
    └── openai_function.json

ライセンス

MIT