Agentled

@agentled/mcp-server

为 AI Agent 打造的自动化引擎。提供智能 AI 工作流编排、长期记忆、100 多种集成，以及统一积分。

什么是 Agentled？

Agentled 是为 AI Agent 打造的自动化引擎。 它让 Claude、Codex、Cursor、Windsurf 以及任何兼容 MCP 的客户端都能直接使用 智能工作流编排、长期记忆和 100 多种集成。

三大特色：

🧠 长期记忆 — 内置知识图谱会存储各次工作流执行中的洞察。你的 Agent 会随时间变得更智能——它们会记住过往的研究、潜在客户评分、内容表现和业务背景。

⚡ 统一积分 — 一个 API 密钥、一套积分系统、100 多项服务。 无需分别注册 LinkedIn、电子邮件、抓取、AI 模型或视频生成服务。连接一次，即可使用所有服务。

🎯 智能编排 — AI 会在每个步骤进行推理。工作流 不只是“如果这样，那么那样”——它们能理解上下文、做出决策， 并根据结果进行调整。

实际效果

$ agentled create "Outbound to fintech CTOs in Europe"

Loading workspace context from Knowledge Graph...
✦ ICP loaded  ✦ 3 prior campaigns  ✦ 847 contacts in KG

Creating campaign with 3 workflows...

━━ Workflow 1: Prospect Research  linkedin · hunter · clearbit
  ✓ LinkedIn: CTO + fintech + EU → 189 profiles
  ✓ Enriched via Hunter + Clearbit → 156 matched
  ✓ ICP scoring → 43 high-intent leads

━━ Workflow 2: Signal Detection  web-scraper · crunchbase
  ✓ Job postings → 12 hiring devops
  ✓ Crunchbase → 8 recently funded
  ✓ Cross-match: hiring + funded → 5 hot leads

━━ Workflow 3: Outreach  email · linkedin · kg
  ✓ Personalized emails from context
  ✓ LinkedIn requests with custom notes
  ✓ 43 leads saved to Knowledge Graph

Campaign saved. Scheduled: every 48h
Credits used: 720
→ https://www.agentled.app/your-team/fintech-cto-outbound

一条提示词。三个工作流。LinkedIn 信息补全、查找电子邮件、AI 评分、多渠道拓展——全部由系统编排，并存储在知识图谱中，供下次运行使用。

快速开始

claude mcp add --transport stdio --scope user agentled \
  -e AGENTLED_API_KEY=wsk_... \
  -- npx -y @agentled/mcp-server

--scope user 会将服务注册到用户 MCP 配置中，使其在每个项目中都能加载（而不只是运行该命令的代码库）。如果要添加多个工作区，请使用不同的服务名称（例如 agentled_my_workspace）。如需将配置提交到 git 供团队共享，请改用 --scope project 和 .mcp.json（参见 Claude Code MCP scopes）。

Claude Code 插件（一步安装）

如果你希望同时安装 MCP 服务和 Agentled 技能，建议使用插件。在 Claude Code 中：

/plugin marketplace add Agentled/mcp-server
/plugin install agentled@agentled

然后，在 Claude Code 运行所用的 shell 中设置 API 密钥：

export AGENTLED_API_KEY=wsk_...

Codex 插件（一步安装）

同一代码仓库也是一个 Codex 市场。使用以下命令安装 Agentled 插件：

codex plugin marketplace add Agentled/mcp-server
codex plugin add agentled@agentled

然后在启动 Codex 的 shell 中设置 AGENTLED_API_KEY=wsk_...，并开始一个新任务。该插件打包了 Agentled 技能，通过 npx -y @agentled/mcp-server 启动 MCP 服务，并从标准的 hooks/hooks.json 路径加载其生命周期钩子。

该插件打包了 agentled 技能（工作流编写指南，命名空间为 agentled:agentled），并通过 npx -y @agentled/mcp-server 自动启动 MCP 服务。Claude Code 和 Codex 清单都位于同一个插件目录中——一个插件包，支持两个宿主。

对于 Codex，钩子包在会话中围绕 CLI/MCP 循环提供指导： 会话开始时会说明 Agentled/Codex 的业务循环分工；当客户端需求、优先级、故障或产品缺口出现时，提示词/工具钩子会添加轮次级指导；停止钩子则会提醒实施交接内容包含就绪状态、验证、附带影响和下一步决策。钩子不会存储反馈、调用 Agentled API、运行自动化、消耗额度，也不会写入客户或工作区数据。在 Codex 中，安装或更改插件后运行 /hooks，以便在本地钩子定义运行前检查并信任它们。

对于工作区外的 FDE 工作节奏，例如 Outlook/客户邮件跟进、供应商回复、代码仓库/构建检查和每周运营人员评审，请使用 Codex 自动化。对于 Agentled 工作区/运行时检查，例如工作流健康状况、例程健康状况、执行评审、工作区摘要和托管 Agent 操作，请使用 Agentled 例程。当用户明确希望记录产品反馈时，请使用 submit_feedback_to_agentled 或 agentled feedback submit。

选择一种安装方式，不要同时使用两种。 如果你之前运行过 claude mcp add agentled ... 或 --setup-skills，请在安装插件之前（或改为安装插件）移除这些内容，否则会启动两个相同的 MCP 服务进程，并重复注册技能。清理方式：运行 claude mcp remove agentled 并删除 .claude/skills/agentled/（或 ~/.claude/skills/agentled/）。现在，--setup-skills 会检测已安装的插件，并拒绝重复注册，除非你传入 --force。

要在本地开发该插件：

claude --plugin-dir ./plugins/agentled     # load from source
claude plugin validate ./plugins/agentled  # check manifest + structure

plugins/agentled/skills/ 是由 skills/ 生成的镜像（由 publish.sh 同步）——请编辑 skills/agentled/SKILL.md，不要编辑镜像。

本地开发

如果你想针对本地应用测试尚未发布的更改，请使用本地构建的入口点。npx -y @agentled/mcp-server 始终使用最新发布的 npm 包。

cd agentled-mcp-server
npm run build

claude mcp add --transport stdio agentled_local \
  --env AGENTLED_API_KEY=wsk_... \
  --env AGENTLED_URL=http://localhost:8080 \
  -- node /absolute/path/to/agentsled-front/agentled-mcp-server/dist/index.js

获取 API 密钥

1. 在 agentled.app 注册
2. 打开 Workspace Settings > Developer
3. 生成新的 API 密钥（以 wsk_ 开头）

为什么选择 Agentled MCP？

一个 API 密钥。一个额度系统。100 多项服务。

无需分别注册 LinkedIn API、电子邮件服务、网页抓取工具、视频生成工具或 AI 模型。Agentled 通过统一的额度系统处理所有集成。

能力	额度	不使用 Agentled 时
LinkedIn 公司信息补全	50	LinkedIn API（$99/月起）
查找并验证电子邮件	5	Hunter.io（$49/月）
AI 分析（Claude/GPT/Gemini）	10-30	多个 API 密钥及账单
网页抓取	3-10	Apify 账户（$49/月起）
图像生成	30	DALL-E/Midjourney 订阅
视频生成（8 秒场景）	300	RunwayML（$15/月起）
文本转语音	60	ElevenLabs（$22/月起）
知识图谱存储	1-2	自定义基础设施
CRM 同步（Affinity、HubSpot）	5-10	CRM API 及中间件

会不断学习的工作流

其他自动化工具每次运行都从零开始。Agentled 的知识图谱会在执行过程中持续记忆——哪些做法有效、哪些无效，以及人类做了哪些修正。评分工作流可以使用精简的行级 scoring_profile 摘要和有界评分记忆检索，让每次运行都能在上一次的基础上不断积累，而不必将原始历史记录全部塞进提示词。

Run 1:  Investor scoring → 62% accuracy (cold start)
Run 5:  → 78% (learning from IC feedback)
Run 12: → 89% (compound learning from outcomes, zero manual tuning)

智能编排

与触发器-操作类工具不同，Agentled 工作流的每个步骤都具备 AI 推理能力。支持多种模型（Claude、GPT-4、Gemini、Mistral、DeepSeek、Moonshot）、自适应执行，以及在需要时设置人工参与审批关卡。

Agent 团队

Agent 团队可让你在一个工作流步骤中运行多个 AI 专家。选择一个预设并描述需求——团队会负责协调、分工和综合结果。

"Add an Agent Team step that researches the company and produces an investment memo"

六种内置预设覆盖最常见的模式：

预设	功能
research-and-summarize	专家收集信息，由其中一位综合成摘要
analyze-and-recommend	多位分析师评估选项，并给出排名后的建议
generate-then-review	生成器起草内容，审核者进行点评和完善
compare-options	专家分别为不同选项辩护，由协调者作出裁定
investigate-in-parallel	专家同时独立探索不同角度
review-and-improve	审核者发现问题，由编辑落实改进

通过 MCP 创建 Agent 团队步骤时，请包含预设元数据，以便该步骤在构建器中正确打开：

{
  "id": "analyze",
  "type": "agentOrchestrator",
  "name": "Agent Team",
  "orchestratorConfig": {
    "pattern": "supervisor",
    "workers": [
      { "id": "researcher", "name": "Researcher", "systemPrompt": "Research {{input.company_url}} — team, funding, market position" },
      { "id": "analyst", "name": "Analyst", "systemPrompt": "Analyse the research. Identify risks and growth signals." }
    ]
  },
  "metadata": {
    "agentTeamPreset": "research-and-summarize",
    "agentTeamMode": "simple",
    "agentTeamUxVersion": 1
  },
  "next": { "stepId": "milestone" }
}

使用原始 orchestratorConfig 且不含元数据创建的现有步骤仍可正常使用——它们会在构建器中以高级模式打开，不会报错。

分析与 ROI 的语义

描述工作流结果时，请区分以下术语：

• pipeline.analyticsConfig = 业务指标（业务指标卡片/图表中显示的执行结果统计数据）。
• pipeline.metadata.roi = ROI 假设/汇总数据（节省时间和成本价值估算）。

如果只更新其中一项，请明确说明具体更改内容（例如：“已配置业务指标”与“已配置 ROI 假设”）。

CLI 一致性检查

仓库包含自动化一致性检查，防止 MCP 工具新增时与 CLI 功能范围悄然出现偏差。

• 测试：__tests__/cli/cli-mcp-parity.test.ts
• 文档：docs/CLI_MCP_PARITY.md

运行命令：

yarn test:node -- cli-mcp-parity.test.ts

你可以构建什么？

潜在客户信息补充与销售自动化

"Find fintech CTOs in Europe, enrich via LinkedIn + Hunter, score by ICP fit,
draft personalized outreach, save everything to the Knowledge Graph"

内容与媒体制作

"Scrape trending topics in our niche, generate 5 LinkedIn posts with AI,
create thumbnail images, schedule publishing for the week"

公司研究与情报分析

"Research this company from its URL — team, funding, market position, competitors.
Generate an investment memo. Store in KG for future reference."

VC 投资者匹配（真实案例研究）

"Match this startup against our 2,000+ investor database. Score by sector focus,
stage preference, check size, and portfolio synergy. Compare with last round's outcomes."

已处理 3,000 多份档案。生成可供投资委员会使用的报告。通过预测与结果学习，在 12 次运行中准确率从 62% 提升至 89%，无需任何手动调优。

内置技能与集成

媒体制作： 视频生成、图像生成、文本转语音、自动字幕、媒体组装

AI 情报： 多模型 AI（Claude、GPT-4、Gemini、Mistral、DeepSeek、Moonshot、xAI）、知识图谱、反馈循环、评分与分析

数据与集成： LinkedIn（搜索、信息补充、发布）、电子邮件（发送、个性化）、网页抓取、社交媒体发布、CRM 同步、文档分析、OCR

可用工具

用例操作指南

当工作从现有工作流 ID 开始时，先调用 get_workflow 并检查 useCaseContext。然后使用返回的键或工作流图 ID 调用 get_use_case，并在回答 特定于工作流的问题、运行回填或编辑线上配置之前，阅读所有 operatingGuides。缺少指南警告表示尚未附加操作 README，上下文不完整。

当工作从用户的业务目标开始，而非现有工作流时，请使用 如何根据用户目标构建用例。 它介绍了外部 Agent 的生命周期：从有界聊天结果到 KG 文本/列表状态、 WorkspaceUseCase、工作流、审批队列以及首页摘要更新。

工作流

工具	描述
list_workflows	列出工作区中的所有工作流
get_workflow	按 ID 获取完整工作流定义；如果已关联，则包括 useCaseContext
get_workflow_credits	获取从账本得出的、带周期标签的工作流额度用量；通过 includeCostDrivers 选择是否包含成本驱动因素
create_workflow	根据流水线 JSON 创建新工作流
update_workflow	更新现有工作流（顶层标量；对于上下文/元数据，请优先使用 update_workflow_context）
update_workflow_context	工作流级别的 update_step 类比工具——对 context.* 和 metadata.* 路径支持三个明确操作（updates / replace / unset），并返回 diff + warnings
add_step	添加步骤，自动定位并重连后续指针
update_step	按 ID 对单个步骤进行底层深度合并更新
replace_step_dictionary	将键合并到字典路径（fieldUpdates、responseStructure、fieldMapping），不删除同级项
replace_step_path	设置一个嵌套路径，同时保留同级项（例如 renderer.config.layout）
unset_step_path	删除一个步骤路径
append_step_array_item	向步骤数组追加一项（tools、integrations、……）
remove_step_array_item	按 index 或 match 删除一个数组项
remove_step	移除一个步骤，并自动重连后续指针
delete_workflow	永久删除工作流
validate_workflow	验证流水线结构，并返回每个步骤的错误
publish_workflow	更改工作流状态（草稿、上线、已暂停、已归档）
export_workflow	将工作流导出为可移植的 JSON
import_workflow	从导出的 JSON 导入工作流

公开表单链接

公开表单链接是包含 context.executionInputConfig 字段的工作流的外部受理入口。当工作区外的人员需要无需登录即可提交工作流表单时，请使用此功能：例如潜在客户表单、演示文稿提交、推荐表单、支持请求受理、评估问卷，或任何第一步为手动/输入触发器的工作流。

不要将公开表单链接用于内部子工作流。子工作流应设置 context.executionInputConfig.internal: true，并通过 agentled.call-workflow 从其他工作流调用。

工具	描述
list_public_form_links	列出工作流现有的公开表单链接
create_public_form_link	创建并启用公开表单链接
update_public_form_link	启用/禁用链接，或更新限制、有效期、自动分享和感谢文案。若要撤销外部访问权限，请设置 enabled: false。

外部 API 或 MCP 有意不提供删除功能。 若要撤销公开表单链接，请调用 update_public_form_link 并设置 enabled: false。永久删除需要经过身份验证的工作区成员通过 UI 操作 — 表单链接功能不允许公共 API 密钥执行破坏性操作。

典型的 Agent 流程：

1. get_workflow({ workflowId })
2. Confirm context.executionInputConfig exists and is not internal.
3. list_public_form_links({ workflowId })
4. If none exists, create_public_form_link({ workflowId, enabled: true })
5. Return the publicUrl to the user.

公开 URL 为 /en/forms/{formLinkId}。提交时，Agentled 会验证表单链接，使用提交的 input 启动工作流，记录一条 PublicFormSubmission，并递增 submissionCount。可选设置：

• enabled：禁用链接，但不删除。
• expiresAt：ISO 日期时间格式的过期时间。
• submissionLimit：最多接受的提交次数。
• autoShare：为 true 时，公开表单状态页面可在完成后显示生成的结果。仅当工作流输出适合提交者查看时才使用此设置。
• shareExpiresInDays：自动分享结果链接的有效期。
• successMessage：提交后显示的自定义感谢消息。

仅限内部使用的工作流

设置 context.executionInputConfig.internal: true，将工作流标记为子工作流/子流程，使其只能由编排器通过 agentled.call-workflow 运行。随后，UI 会隐藏运行按钮，并以信息横幅替代手动运行表单。编排器仍会像以前一样通过 executionInputData 验证并传递输入 — 这只是 UI 层面的保护，并不限制运行时行为。

适用于目标/描述以“Internal sub-workflow”开头、以 return 步骤结尾，或仅打算从其他工作流调用的任何工作流。

{
  "context": {
    "executionInputConfig": {
      "title": "Save Sourced Candidates",
      "internal": true,
      "fields": [{ "name": "candidates", "label": "Candidates", "type": "text", "required": true }]
    }
  }
}

通过 update_workflow_context 切换此标志 — 先获取数据，在本地合并，然后在父级替换（update_step 中的合并顺序陷阱同样适用 — 请参阅 docs/MCP_STEP_EDITING.md）：

// 1. get_workflow → read context.executionInputConfig
// 2. local: { ...executionInputConfig, internal: true }
// 3.
{
  "updates": { "context": { "executionInputConfig": {...full merged value...} } },
  "replace": ["context.executionInputConfig"]
}

编辑现有工作流：合并模型

常见的单路径编辑优先使用精细路径工具 — 这些工具会在需要时调用 get_step，并遵循相同的合并约定：

• replace_step_dictionary — 合并字典键（fieldUpdates、responseStructure、fieldMapping）
• replace_step_path — 设置嵌套路径，同时保留同级项
• unset_step_path — 删除一个路径
• append_step_array_item / remove_step_array_item — 修改数组

复杂的多路径编辑仍使用原始 update_step。它在同一次调用中接受三种显式操作；至少有一种操作不能为空。

• updates — 部分步骤补丁，按一层深度进行深度合并。顶层标量会被替换；嵌套对象（pipelineStepPrompt、stepInputData 等）的直接键会与存储值中的键合并。嵌套两层的键会作为整体覆盖，而非合并。
• replace: string[] — 点路径；将 updates 中的值整体赋给这些路径，跳过深度合并。对于键是用户数据而非配置的字典形字段，请使用此选项——仅用 updates 修补一个内部键会悄悄抹掉其他键。
• unset: string[] — 要删除的点路径。每条路径当前都必须存在于步骤上（根据原始值进行验证）。

编辑字典字段前先读取。 优先使用 replace_step_dictionary。使用原始 update_step 时，调用 get_step({ workflowId, stepId })（约 1KB），在本地修改，然后通过 replace[] 传回完整的新对象。

响应中的差异。 每次 update_step / 外科式工具调用都会返回 diff: { addedPaths, changedPaths, removedPaths } 和 warnings[]。如果合并在未显式指定 unset 的情况下悄悄移除了 ≥6 个字段，就会触发警告。

各类情况的用法：

路径 / 字段	API	编辑方式	备注
name、goal、description、pipelineStepPrompt.template、creditCost	update_step	updates	普通标量；单独发送即可。
next、loopConfig、entryConditions（完整块）	update_step	updates	直接嵌套配置；整体发送新值即可。
tools、integrations	外科式工具 / update_step	append_step_array_item / remove_step_array_item，或通过 updates 发送完整数组	数组按设计会整体替换。
stepInputData.fieldUpdates	外科式工具	replace_step_dictionary	键是用户数据；原始的一层合并可能会丢弃同级映射。
pipelineStepPrompt.responseStructure	外科式工具	replace_step_dictionary	输出结构字典；应视为用户数据。
knowledgeSync.fieldMapping	外科式工具	replace_step_dictionary	源→目标字典；与 fieldUpdates 有相同陷阱。
renderer.config（需要保留同级键时）	外科式工具 / update_step	对嵌套键使用 replace_step_path，或发送完整的 renderer.config 并使用 replace	外科式封装会安全地替换所属顶层字段。
entryConditions.criteria（需要保留 entryConditions 的其余内容时）	update_step	updates: { entryConditions: {...full block...} }	发送完整的 entryConditions 块；一层合并已能正确处理其直接子项。
删除步骤输入或过时字段	外科式工具 / update_step	unset_step_path 或 unset: ["stepInputData.oldKey"]	路径必须存在于原始值中。
context.inputPages、context.outputPages、context.executionInputConfig	update_workflow_context	对工作流相对路径使用三个显式操作（updates / replace / unset）。兼容性：仍接受 { contextKey, value } 进行逐键整体替换。	工作流级，而非步骤级。 update_step 无法访问 context.*，反之亦然。
metadata	update_workflow_context	对 metadata.* 路径使用相同的三个操作	工作流级。元数据会绕过草稿快照——即使在正在运行的工作流中，也会立即直接写入 Pipeline 行。

工作流组的执行摘要。 用户要求为工作流、工作流组、集群或首页卡片保存摘要时，请使用 update_workflow_context 将摘要写入 metadata.executiveSummary。除非用户明确要求保存可复用的笔记，否则不要将其存为 Knowledge 文本。对于工作流组，只向所属 Pipeline 写入一次：优先选择 metadata.workflowGraph.role === "orchestrator" 的 Pipeline，否则选择 metadata.workflowGraph.order 最小的 Pipeline。正文控制在 1–2 句简短的话；有可用数据时，包含具体数量/比率和报告周期，并将 author 设为当前工作区的 Agent，而非外部工具或编码 Agent。

{
  "workflowId": "2e1cdd60-2fcf-441a-856f-583ae76b38a5",
  "updates": {
    "metadata": {
      "executiveSummary": {
        "body": "Startup Outreach sent 46 founder emails for the reporting period, with 28 opens and 9 clicks: a 60.9% open rate, 19.6% click rate, and 32.1% click-to-open rate.",
        "bullets": ["Clicks: 6 UTM Pitch Night, 2 plain Pitch Night, 1 calendar."],
        "generatedAt": "2026-06-03T00:00:00.000Z",
        "author": "AngelHive Assistant"
      }
    }
  }
}

类型更改。 step.type 在技术上可变，但除非你使用 unset 清除，否则过时的类型专属字段（pipelineStepPrompt、app、tools、orchestratorConfig）会保留下来。要干净地转换类型，优先使用 remove_step + add_step。

运行中的工作流。 编辑会应用到草稿快照。响应中包含 editingDraft: true。使用 get_draft 检查草稿，使用 promote_draft 发布草稿，使用 discard_draft 丢弃草稿。对于高风险编辑，请先使用 create_snapshot 创建手动检查点。

草稿过时。 存在草稿时，每个 update_step 和 get_step 响应都会包含一个 draft 摘要，其中包含 exists、draftCreatedAt、liveUpdatedAt、stale、modifiedStepIds 和 modifiedFields。如果 draft.stale === true，则表示草稿创建后运行中的工作流已更新——发布草稿会将你未修改字段的旧值写回。update_step 还会发出过时警告。恢复方法：使用 discard_draft 丢弃草稿，然后重新应用更改。

⚠ discard_draft 只会还原待处理的上下文（和步骤）更改，不会还原元数据。 通过 update_workflow_context 写入的元数据会绕过草稿，立即应用到运行中的 Pipeline 行。如果你需要一个同时涵盖元数据的单一回滚点，请在编辑前使用 create_snapshot。有关完整的原子性约定，请参阅 docs/MCP_STEP_EDITING.md。

切勿通过 update_workflow 发送完整的 steps[] 数组。请改用针对特定路径的工具、update_step、add_step 和 remove_step。

有关深入参考（StepMergeError 代码、点路径验证规则、完整差异语义），请参阅 docs/MCP_STEP_EDITING.md。

草稿与快照

工具	描述
get_draft	获取工作流的当前草稿版本
promote_draft	将草稿发布为运行中的版本
discard_draft	丢弃当前草稿
create_snapshot	创建手动配置快照
delete_snapshot	删除指定的配置快照
list_snapshots	列出工作流的版本快照
get_snapshot_content	读取快照的完整配置（步骤、上下文等），但不还原快照
restore_snapshot	将工作流还原到之前的快照

执行

工具	描述
start_workflow	使用输入启动工作流执行。始终返回 executionInputId，仅当异步执行行已可用时才返回 executionId。传入 useMocks: false 可强制执行真实运行（会消耗点数），并忽略每个步骤的模拟数据；默认遵循工作流配置的模拟数据。
list_executions	列出某个工作流的执行记录（通过 nextToken 分页），其中包括 pipelineExecutionInputId，用于匹配仅返回了 executionInputId 的启动结果。
get_execution	获取执行详情及步骤结果。需要真实的 executionId，而非 executionInputId；如有需要，调用 list_executions 并匹配 pipelineExecutionInputId。
list_timelines	列出某次执行的步骤执行记录（时间线）（通过 nextToken 分页）
get_timeline	按 ID 获取单条时间线及完整步骤输出
stop_execution	停止正在运行的执行
retry_execution	重试失败的步骤；如果未提供时间线 ID，则自动检测最近一次失败
rerun	按 timelineId 重新运行或重试任意步骤；适用于失败和成功的步骤，并可区分循环迭代

运行深层链接使用 /<locale>/<workspace>/<workflowPathname>/runs?runId=<executionId>&step=<stepId>。 只有运行级跳转可以不带 step 查询参数。当响应指向特定的审批卡片、输出、失败或当前步骤时，请包含 &step=<stepId>，不要在仅提供运行 URL 后再让人工手动打开步骤。存在该参数时，应用会展开相应的工作流步骤并滚动到该步骤。 stepId 是工作流步骤 ID，不是时间线 ID。在应用内的 聊天／导航工具界面中，navigateToExecutionPage 接受相同的 stepId。

知识条目深层链接使用 /<locale>/<workspace>/knowledge-and-data/<listKey>?rowId=<rowId>。 应用会打开“知识与数据”列表页面，并打开该行的行编辑器面板。 向后兼容的路由 /<locale>/<workspace>/knowledge-and-data/<listKey>/row/<rowId> 会重定向到规范的查询参数 URL。

知识文本深层链接使用 /<locale>/<workspace>/knowledge-and-data/<key>。 向后兼容的路由 /<locale>/<workspace>/knowledge-and-data/text/<key> 会重定向到规范的条目 URL。

应用与测试

工具	描述
list_apps	列出可用的应用和集成
list_connections	列出已配置的应用连接
verify_app_connection	验证原生 OAuth 健康状态，但不执行应用操作
get_app_actions	获取应用的操作架构
test_app_action	单独执行一项应用操作，不创建工作流
test_ai_action	测试 AI 提示词，不创建工作流
test_code_action	在与生产环境相同的沙盒 VM 中测试 JavaScript 代码
get_step_schema	按类别分组获取允许的 PipelineStep 字段

AI 步骤类型：aiAction 与 aiActionWithTools

选择正确的类型——validate_workflow 会拒绝错误的类型：

你需要……	使用
根据提示词变量中已有的输入进行推理	aiAction（单次 LLM 调用，不进行工具循环）
实时网页搜索、工作区记忆的回忆/写入、知识图谱查询	使用匹配的 builtinType 的 aiActionWithTools
由 AI 在运行时决定传递给应用操作的输入	配置了 appActionConfig 工具的 aiActionWithTools

aiActionWithTools 至少需要一个工具——放在 step.tools 或 step.agent.tools 下（运行时会合并两者）。如果两个位置都未配置工具，validate_workflow 会返回阻断项 AI_STEP_TOOLS_REQUIRED。如果提示词中提到“搜索网页”/“回忆记忆”/“知识图谱”，但没有附加对应工具，则会出现警告 AI_STEP_TOOL_PROMPT_MISMATCH：网页搜索提示词需要 web_search；记忆提示词需要 workspace_memory；KG 查询提示词需要 kg_search 或 kg_traverse。fetch_website_content 用于抓取已知 URL 的内容，kg_write 用于写入 KG 数据，因此两者都不能满足这些查询/搜索提示词的要求。

有效的 builtinType 值：web_search、file_search、code_interpreter、fetch_website_content、kg_search、kg_traverse、kg_nodes、kg_write、workspace_memory。

重复 AI 步骤的提示词缓存

Agentled 会在支持的提供商中启用提示词缓存。缓存会复用相同前缀的提示词处理结果；它不会缓存或重放 AI 响应。要在批量工作流中受益，尤其是在评分/匹配循环中，请将稳定内容放在提示词开头：

[stable role and task]
[stable rubric / scoring dimensions]
[stable output JSON schema]
[stable examples or decision rules]

Runtime inputs:
{{currentItem}}
{{steps.previous.output}}
{{input.field}}

高频提示词不要以 INPUTS、{{currentItem}}、{{steps.*}}、{{input.*}}、{{execution.id}}、{{now}} 或 {{today}} 开头。将变化的载荷、日期、执行 ID 和每项记录放在末尾，以便 OpenAI/Anthropic 缓存共享前缀。

// aiActionWithTools example
{
  "id": "research",
  "type": "aiActionWithTools",
  "name": "Research Company",
  "tools": [
    { "type": "builtin", "builtinType": "web_search", "name": "Web Search" }
  ],
  "pipelineStepPrompt": {
    "template": "Search the web for the founder of {{input.company}} and return their name.",
    "responseStructure": { "firstName": "string", "lastName": "string" }
  },
  "creditCost": 10,
  "next": { "stepId": "find-email" }
}

知识与数据

工具	描述
get_workspace	获取工作区信息、公司设置、活跃团队成员、待处理邀请和知识列表架构
get_workspace_company_profile	获取可编辑的工作区公司简介和公司知识文本
update_workspace_company_profile	更新公司简介的顶层字段，例如名称、URL、徽标、行业、规模和其他信息
update_workspace_executive_summary	在工作区助手卡片上撰写适用于整个工作区的执行摘要
list_pinned_outputs	列出固定在工作区主页/侧边栏上的输出页面
set_output_page_pin	在工作区主页/侧边栏上固定或取消固定工作流输出页面
inspect_home_recent_tab	检查主页标签页、默认标签页、仅用于显示的「主页最近动态」标签页配置以及当前工作区修订版本
configure_home_recent_tab	配置或重置范围受限的最近运行来源、可选导航 CTA，以及默认打开的主页标签页
list_workspace_views	列出已保存的工作区视图清单及来源/操作指南
create_workspace_view	创建已保存的操作界面清单，涵盖 KG、工作流、审批、Agent、例程、操作、输出页面、外部 API 或自定义来源
get_workspace_view	按 ID 或键获取一个已保存的工作区视图
update_workspace_view	更新已保存的工作区视图清单，但不修改来源数据或执行操作
archive_workspace_view	归档工作区视图，但不删除关联数据
list_knowledge_lists	列出工作区中的知识列表
get_knowledge_rows	获取知识列表中的行（通过 nextToken 分页，每次最多 200 行）
get_knowledge_rows_by_ids	按 ID 获取特定行（最多 200 行）——在使用 query_kg_edges 后使用
get_knowledge_text	获取知识条目中的文本内容
create_knowledge_list	使用类型化架构创建新的知识列表（键冲突时保持幂等）
update_knowledge_list_schema	在现有列表架构中添加或移除字段
delete_knowledge_list	永久删除列表及其所有行
upsert_knowledge_rows	在列表中插入或更新行（每次最多 500 行，并逐行报告错误）
delete_knowledge_rows	按 ID 删除行
upsert_knowledge_text	创建或更新文本知识条目
delete_knowledge_text	按键删除文本知识条目
query_kg_edges	查询知识图谱边
get_scoring_history	获取实体的评分历史

额度与成本驱动因素

额度报告工具默认不包含成本驱动因素详情，以保持现有余额检查结果简洁。 所有额度总额均根据账本计算，并随附一个包含 label、display、start 和 end 的 period 对象；请始终在总额旁显示该时段标签。

如需通过人工／运营人员界面检查，请打开工作区额度使用页面：

https://www.agentled.app/en/{workspace}/account/billing/credits-usage

示例：https://www.agentled.app/en/inovexus/account/billing/credits-usage。

工具	描述
get_workspace_credits	工作区余额、使用情况、执行次数和近期账本条目。可选参数：period、includeCostDrivers、includeRecentUsage、limit。
get_workspace_credit_cost_drivers	便捷报告，默认启用 includeCostDrivers=true。返回数量受限的热门工作流、步骤、模型和应用。
get_workflow_credits	工作流级别的使用情况和可选成本驱动因素，范围限定为已认证 API 密钥所属工作区中的工作流。

支持的时段：

• rolling-30-days：截至请求时间的滚动 30 天时段。
• rolling-7-days：截至请求时间的滚动 7 天时段。
• current-month / month-to-date：按 UTC 日历月计算的当月至今时段，不是账单续订周期。
• previous-month：前一个 UTC 日历月。
• all-time：请求时间之前的完整账本；请有意使用，因为可能会扫描更多行。

示例：

// Compact balance/burn-rate check
{ "tool": "get_workspace_credits", "arguments": { "period": "rolling-30-days" } }

// Workspace cost drivers for a calendar month-to-date window
{ "tool": "get_workspace_credit_cost_drivers", "arguments": { "period": "current-month", "limit": 5 } }

// Workflow cost drivers
{ "tool": "get_workflow_credits", "arguments": { "workflowId": "wf_abc123", "period": "rolling-30-days", "includeCostDrivers": true } }

对应的外部 API：

GET /api/external/workspace/credits?period=rolling-30-days&include=costDrivers&limit=5
GET /api/external/workflows/{workflowId}/credits?period=current-month&include=costDrivers

账单周期报告与日历月报告相互独立，除非未来 API 添加明确的账单周期标签，否则不应暗示两者相同。

品牌设置（白标）

工具	描述
get_branding	获取工作区的白标品牌配置（displayName、logo、colors、favicon、badge）
update_branding	更新品牌设置 — 设置 displayName、logoUrl、tagline、primaryColor、primaryColorDark、faviconUrl、hideBadge

Agents

一流的工作区 AI Agent，具备身份、指令、工具、配置文件和已分配的工作流。所有 Agent 默认都支持对话。对于定时／自主工作，可通过 create_routine 添加例程，创建带有例程的 AI Agent。SOUL.md 和 TOOLS.md 位于 configFiles 中；反思上下文（JOURNAL.md、OBJECTIVES.md、PEOPLE.md）则作为链接的 AgentFiles 保存，并会为使用反思功能的活跃 AI Agent 自动预置。Agent 会决定哪些持久信号应写入这些文件；AgentLed 仅提供限定范围的存储和定时反思。完全通过 MCP 创建的 Agent，其呈现效果与在 Agent Wizard 中创建的完全相同。

工具	描述
list_agents	列出工作区中的 Agent（按状态筛选：active、paused、draft）
get_agent	获取完整的 Agent 配置 — 指令、文件、工作流、已附加的例程
create_agent	创建 Agent。接受 agentType 预设值（personal-assistant、competitive-researcher、social-media-marketer、customer-support、content-marketer、lead-qualifier、deal-sourcer、custom）、enabledApps、appPermissions、assignedWorkflowIds、linkedFileIds、configFiles（SOUL.md/TOOLS.md）、avatar_icon_name、avatar_color、chatModel、activate: true 或 status: "active"。未知字段会被拒绝；每日额度上限和模型等级应设置在例程上（create_routine）
update_agent	通过 updates / replace / unset 进行精细更新（字段：name、slug、description、instructions、goals、chatModel、status、enabledApps、enabledActions、appPermissions、skillIds、assignedWorkflowIds、linkedFileIds、configFiles、avatar）。status: "active" 会运行激活检查并返回错误；updates.slug 会重命名 Agent 的电子邮件 slug，将 AgentEntity ID 移至 {slug}@{workspace}，并在可用时重新绑定例程／文件链接／频道会话／聊天会话
activate_agent	激活 Agent（draft/paused → active）。已附加的例程会按计划开始运行
pause_agent	暂停活跃的 Agent。已附加的例程会停止运行，直至恢复
manage_agent_workflows	添加／移除／设置分配给 Agent 的工作流，无需重写完整配置
delete_agent	永久删除 Agent 及其所有文件
chat_with_agent	向指定 Agent 发送消息。通过 session_id 支持多轮对话

Slug 命名约定：slug 是用于 URL 和电子邮件地址的简短角色 ID。显示名称中可酌情保留 Agent，但不要仅因显示名称包含 Agent 就在 slug 后追加 -agent；例如，Deal Sourcing Agent 应使用 deal-sourcing@{workspace}.agentled.ai，而不是 deal-sourcing-agent@{workspace}.agentled.ai。

内置应用结果缓存

与提示词缓存分开：许多应用操作会通过工作区 KnowledgeRow 默认设置复用先前结果。请参阅 Agentled 技能部分 内置应用结果缓存（skills/agentled/SKILL.md）。MCP 重新运行工具默认使用 forceWithoutCache: true。

Agent 文件

工具	描述
list_agent_files	列出附加到 Agent 的文件（知识、上下文、参考文档）
get_agent_file	获取指定 Agent 文件的内容
upload_agent_file	向 Agent 上传文件（文本／Markdown 最大 400KB）
update_agent_file	更新已附加到 Agent 的文件；编辑 JOURNAL.md、OBJECTIVES.md 和 PEOPLE.md 时，请先使用 get_agent_file
delete_agent_file	从 Agent 删除文件

反思文件遵循与 OpenClaw 和 Hermes 记忆界面相同的持久 Markdown 模式：将 JOURNAL.md 保持为简洁的日期日志，将 OBJECTIVES.md 用于记录进行中／已完成的目标，并将 PEOPLE.md 用于记录稳定的人际关系上下文。先阅读，仅在出现持久信号时更新，并发送完整的替换内容。有关 UI、MCP 和 CLI 编辑约定，请参阅 docs/AGENT_REFLECTION_FILES.md。

例程

例程是附加到 Agent 的定时提示词——Agent 会按设定的间隔评估提示词，并可触发工作流或发送通知。

示例——为现有 Agent 添加一个每日优惠信息搜寻例程：

# Step 1: create the agent
create_agent({
  name: "Daily Deal Sourcer",
  agentType: "deal-sourcer",
  enabledApps: ["agentled", "kg", "web-scraping"],
  appPermissions: {
    kg: { access: "write", writeApprovalRequired: true },
    "web-scraping": { access: "read" }
  },
  assignedWorkflowIds: ["<opportunity-scoring-workflow-id>"],
  activate: true
})

# Step 2: attach a routine
create_routine({
  agent_id: "<agent-id>",
  name: "Daily Sourcing Run",
  prompt: "Find 5 new SaaS startups that match our deal criteria and trigger the scoring workflow for each.",
  interval: "daily"
})

读取权限默认隐含，无需审批。需要时会将内部 agentled 应用选为应用，但无法在 appPermissions 中配置。

工具	描述
list_routines	列出某个 Agent 的所有例程
create_routine	创建例程（名称、提示词、间隔）
update_routine	更新例程字段；如果间隔发生变化，则重新计算 nextRunAt
pause_routine	暂停例程
resume_routine	恢复已暂停的例程
trigger_routine	立即运行例程，但不更改其计划
delete_routine	永久删除例程

间隔值：weekday-morning、weekday-evening、weekly-monday、weekly-tuesday-evening、weekly-friday-evening、daily、monthly、6h、48h。

已弃用的低级运行时

直接的低级 monitor-runtime MCP 工具已弃用，不再注册。对于自主工作，请使用 create_agent / update_agent 和例程。

频道（电子邮件、Slack、WhatsApp、Signal）

频道会将传入消息路由到 Agent 聊天运行时。每个频道都有一个 defaultAgentId，用于决定由哪个 Agent 处理对话。回复会通过发起对话的频道发送。

工具	描述
list_channels	列出已配置的频道及其 defaultAgentId、启用状态和非机密配置（机密信息会被隐藏）
set_channel_default_agent	指定处理频道传入对话的 Agent
configure_channel	更新非机密频道配置——enabled、defaultAgentId、allowedSenders（电子邮件）、defaultChannelId（Slack）
set_channel_defaults	更新工作区范围的默认设置：maxSessionsPerDay、sessionTimeoutMinutes、toolMode

机密凭据（Slack 机器人令牌、签名机密、WhatsApp 访问令牌、Signal webhook 机密）绝不会通过外部 API 读取或写入。请在界面中的 Settings → Channels 里连接这些服务——OAuth 流程会对凭据进行静态加密存储。

对话式 Agent

工具	描述
chat	向 AgentLed AI Agent 发送消息。通过自然语言构建工作流——无需 JSON。支持通过 session_id 进行多轮对话。

Chat 工具——用法与示例

chat 工具是一个对话式 AI Agent，可以通过对话进行推理、规划和构建工作流。可以将其理解为 gh api（原始操作）与 gh copilot（智能操作）之间的区别。

参数：

参数	类型	必填	描述
message	string	是	要发送给 AI Agent 的消息
session_id	string	否	上一次响应中的会话 ID，用于多轮对话

响应格式：

{
  "response": "The agent's reply — may include workflow suggestions, explanations, or confirmation of actions taken",
  "sessionId": "mcp-chat-ws123-1711929600000"
}

多轮对话：

# Turn 1: Describe what you want
chat("Build me a workflow that enriches LinkedIn companies and scores them by ICP fit")
# → Agent responds with a plan and creates a draft workflow
# → Response includes sessionId: "mcp-chat-ws123-1711..."

# Turn 2: Iterate on the design
chat("Add an email finding step using the company domain", session_id: "mcp-chat-ws123-1711...")
# → Agent modifies the workflow, maintaining conversation context

# Turn 3: Finalize
chat("Looks good, publish it as live", session_id: "mcp-chat-ws123-1711...")
# → Agent publishes the workflow

何时使用 chat，何时使用结构化工具：

使用 chat 的情况……	使用结构化工具的情况……
你有一个较高层次的目标	你知道确切的流水线 JSON
你希望获得 AI 建议	你需要精确控制
你正在探索可用的技能或集成	你正在自动化已知模式
你希望通过对话逐步迭代	你正在执行批量操作

注意：

• 超时时间为 5 分钟——如果请求复杂，请拆分成更小的步骤
• 为兼容 MCP 客户端，响应不会以流式形式返回（而是收集完成后再返回）
• Agent 可全面使用规划工具、工作流构建器和工作区上下文
• 错误响应会包含可操作的提示（例如超时 →“尝试将任务拆分成更小的步骤”）

意图路由器

工具	描述
do	自然语言意图路由器 — 描述你的需求，它会自动选择并执行合适的工具

帮助与反馈 — 联系 Agentled 团队

AI Agent — 选择合适的渠道：

遇到的问题	反馈渠道
工作流行为与预期不符、应用/集成问题、平台/账单问题、缺少某项功能，或任何关于 Agentled 工作方式的问题	调用 submit_feedback_to_agentled（见下文）。反馈会直接发送给团队。
CLI 本身存在 Bug（agentled 命令崩溃、向 .agentled/ 写入错误数据、标志无法使用）——可复现的 CLI 代码缺陷	在 https://github.com/agentled/mcp-server/issues 提交 GitHub issue。请附上 CLI 版本和复现步骤。
其他问题，或不确定该如何处理	使用 submit_feedback_to_agentled — 团队会在必要时转交。

请勿搜索 npm 元数据、抓取 GitHub，或调用 gh 来“查找”Bug 跟踪渠道 — 上述渠道是唯一的反馈途径。软件包中的 bugs 字段有意指向面向用户的联系页面（https://www.agentled.ai/en/contact-us）。

**人类用户：**发送邮件至 [email protected]，或访问 https://www.agentled.ai/en/contact-us。

工具	描述
submit_feedback_to_agentled	提问、报告 Bug、请求新功能或升级问题。请保存返回的 feedbackId，以便后续跟进；userEmail 用于选择可选的邮件回复地址。
get_feedback	在经过身份验证的工作区中，通过 feedbackId 查看状态和 Agentled 的最新回复。响应为 null 表示团队尚未回复。

从 n8n 迁移？

导入现有的 n8n 工作流，让它们具备 AI 原生能力：

工具	描述
preview_n8n_import	预览 n8n 工作流导入（试运行）
import_n8n_workflow	将 n8n 工作流导入 Agentled

查询特定实体的数据

需要获取与某个实体相关的所有记录时，请使用由两个工具组成的调用链，而不是对 get_knowledge_rows 进行分页：

示例 1 — 某位投资人评估的所有交易：

1.  query_kg_edges({ entityName: "Investor Name", relationshipType: "SCORED" })
    → returns edges with targetNodeIds

2.  get_knowledge_rows_by_ids({ rowIds: <targetNodeIds from step 1> })
    → returns full row data for each matched deal

示例 2 — 某个营销活动带来的所有潜在客户：

1.  query_kg_edges({ entityName: "Campaign Name", relationshipType: "SOURCED" })
    → returns edges with targetNodeIds

2.  get_knowledge_rows_by_ids({ rowIds: <targetNodeIds from step 1> })
    → returns full contact/lead rows

为何这很重要：get_knowledge_rows 每次调用最多返回 200 行。数据有 3k 行时需要往返 15 次；有 10k 行时则需要 50 次。KG-edge 路径的复杂度为 O(该实体的边数) — 与列表总大小无关 — 因此无论列表增长到多大，都能保持快速。

节点 ID 约定：query_kg_edges 返回的 source_node_id 和 target_node_id 值是知识行 ID。经过身份验证的工作区以外的行会被自动排除，不作提示。

面向代理机构：支持白标

一次构建工作流，即可使用自己的品牌部署给多个客户端。直接从 MCP 服务配置品牌：

"Set my workspace branding: displayName 'Acme AI', primaryColor '#6366f1', tagline 'Powered by Acme'"

使用 get_branding 和 update_branding 管理 displayName、logo、颜色、favicon、标语和徽章的显示状态。客户端门户的外观会即时更新。

持久记忆 — 示例

记忆可让工作流在多次执行中不断学习。存储有效的方法，下次调用时再回忆。

丰富数据后存储事实

"Store a memory: key 'icp_criteria', value { industry: 'fintech', minEmployees: 50, region: 'EU' },
category 'preference', scope 'workspace'"

评分前回忆信息

"Recall memory 'icp_criteria' at workspace scope — use it to score this batch of leads"

搜索过往结果

"Search memories for 'conversion rate' in the 'outcome' category"

跟踪持续更新的指标

"Store memory: key 'total_leads_processed', value 43, merge 'increment', scope 'workspace'"

后续每次使用 merge: 'increment' 调用都会在现有值的基础上累加 — 无需读取后再修改写入。

外联 PCPL

对于邮件或外呼工作流，可将 PCPL 作为业务指标跟踪：

PCPL = prospects contacted / positive replies

使用 analyticsConfig 记录已联系的潜在客户、正面回复和 PCPL。字面值 PCPL 应使用 ratio 指标并设置 ratioMode: "raw"；正面回复率则应使用默认的百分比比率。

例行任务 — 示例

例行任务是附加到 Agent 的定时提示词。可用于自动执行任务， 例如每日检查、每周摘要和工作流跟进。

创建带有每日寻源例行任务的 Agent

"Create a deal sourcing agent, then add a daily routine that checks the
incoming-leads knowledge list and starts the lead-enrichment workflow for
qualified new rows. Limit the routine to 10 workflow starts per day."

工具调用顺序：

create_agent({
  name: "Daily Deal Sourcer",
  agentType: "deal-sourcer",
  enabledApps: ["agentled", "kg"],
  assignedWorkflowIds: ["wf_abc123"],
  activate: true
})

create_routine({
  agent_id: "<agent-id-or-slug>",
  name: "Daily New Lead Review",
  prompt: "Review incoming-leads, identify qualified new rows, and start the lead-enrichment workflow for each. Do not start more than 10 workflow runs in one day.",
  interval: "daily",
  max_steps_per_run: 20,
  max_credits_per_day: 50
})

创建每周工作流健康例行检查

"Add a weekly routine to the operations agent that reviews workflow execution
history, flags abnormal failures, and notifies me only when action is needed."

create_routine({
  agent_id: "operations",
  name: "Weekly Workflow Health Review",
  prompt: "Review recent workflow execution history. If failures or stalls require action, summarize the affected workflows, likely impact, and recommended next step. Otherwise record that no action is needed.",
  interval: "weekly-monday"
})

暂停和恢复

"Pause routine <routine-id>"
"Resume routine <routine-id>"
"Run routine <routine-id> now"

兼容对象

• Claude Code（Anthropic）
• Codex（OpenAI）
• Cursor
• Windsurf
• 任何兼容 MCP 的客户端

链接

• Agentled Platform
• npm Package
• GitHub
• 报告问题

从源代码构建

git clone https://github.com/Agentled/mcp-server.git
cd mcp-server
npm install
npm run build

许可证

MIT