mcpField
G
gotoHuman MCP Server

gotoHuman MCP Server

本地服务
github.com/gotohumanAI 与智能体524 周前更新

关于 gotoHuman MCP Server

gotoHuman MCP Server 让 AI Agent 与智能体工作流能够向人工请求审核。它面向需要人工审批环节的团队,审核界面可自定义,并提供认证、webhook 与通知等功能。

主要功能

  1. 01通过 MCP 工具请求人工审核
  2. 02列出账户中可用的审核类型
  3. 03获取审核类型的字段 schema
  4. 04审核结果可通过 webhook 回传
  5. 05支持将审核分配给指定用户邮箱

适用场景

  1. 01AI 生成内容发布前的人工审批
  2. 02多步骤智能体工作流中的审核节点
  3. 03在 Cursor 或 Claude 中辅助集成审批流程

MCP 相关

该项目是一个 MCP 服务,向 MCP 客户端暴露 list-forms、get-form-schema 和 request-human-review-with-form 等工具,用于创建和查询审核请求。

配置

本地服务的配置在各客户端中通用,复制后粘贴到客户端的 MCP 配置文件即可。

mcp.json · 通用配置
{
"mcpServers": {
"gotohuman": {
"command": "docker",
"args": [
"run",
"-i",
"--rm",
"-e",
"GOTOHUMAN_API_KEY",
"mcp/gotohuman"
],
"env": {
"GOTOHUMAN_API_KEY": "<GOTOHUMAN_API_KEY>"
}
}
}
}
启动命令docker run -i --rm -e GOTOHUMAN_API_KEY mcp/gotohuman
需要配置的环境变量
GOTOHUMAN_API_KEY密钥

本地服务需要在你的电脑上安装运行环境(如 Node.js 18+)。各客户端的配置文件位置不同,请参考客户端文档。

安装包
ocimcp/gotohuman

工具

还没有获取到工具列表

本地服务需要在你的电脑上运行后才能读取工具,维护者暂未提供工具列表。

详细介绍

gotoHuman 徽标

gotoHuman MCP 服务

gotoHuman 可轻松为 AI Agent 和 Agent 工作流添加人工审批。
完全托管的异步人机协作工作流,配有可自定义的审批界面。
内置身份验证、webhook、通知、团队功能,以及不断扩充的训练数据集。

使用我们的 MCP 服务,在 AI 工作流中请求人工审批,或借助它完成集成。

用法

可通过 npm 获取:

@gotohuman/mcp-server
在 Cursor / Claude / 等工具中设置
{
  "mcpServers": {
    "gotoHuman": {
      "command": "npx",
      "args": ["-y", "@gotohuman/mcp-server"],
      "env": {
        "GOTOHUMAN_API_KEY": "your-api-key"
      }
    }
  }
}

安装 MCP 服务

前往 app.gotohuman.com 获取 API 密钥并设置审批步骤

工具

list-forms

列出所有可用的审核类型。

  • 返回 帐户中所有可用审核类型的列表,包括已添加字段的概要信息
get-form-schema

获取指定审核类型的人为审核请求所需的架构。

  • 参数
    • formId:要获取架构的审核类型 ID
  • 返回 包含相关字段及其配置的架构
request-human-review-with-form

请求人工审核。请求将显示在 gotoHuman 收件箱中。

  • 参数
    • formId:要使用的审核类型 ID
    • fieldData:审核内容(待审核的 AI 输出、上下文等)以及审核类型各字段的配置。
      此项所需的架构需通过 get-form-schema 获取
    • config:审核类型的配置。可选。此项所需的架构需通过 get-form-schema 获取
    • title:可选标题,显示在收件箱和通知中
    • webhookUrl:此请求的可选 webhook URL(可在 gotoHuman 中为审核类型或 Agent 设置静态 URL)
    • workflow:用于将此审核关联到多步骤 Agent 工作流的可选对象:
      • runId:用于关联多个步骤的当前工作流运行唯一 ID。
    • metadata:可选附加数据;审核模板提交后将包含在 webhook 响应中
    • assignToUsers:要将审核分配给的用户邮箱列表,可选
  • 返回 reviewId 和 reviewLink

开发

# Install dependencies
npm install

# Build the server
npm run build

# For testing: Run the MCP inspector
npm run inspector
在 MCP 客户端中本地运行(例如 Cursor / Claude / Windsurf)
{
"mcpServers": {
  "gotoHuman": {
    "command": "node",
    "args": ["/<absolute-path>/build/index.js"],
    "env": {
      "GOTOHUMAN_API_KEY": "your-api-key",
      "GOTOHUMAN_AGENT_ID": "your-agent-id"
    }
  }
}
}

说明

对于 Windows,args 路径需要设为 C:\\<absolute-path>\\build\\index.js

评论

支持 Markdown

第一次接触 MCP?

从协议是什么,到在客户端里装上第一个服务,这几条回答覆盖了大多数入门问题。

一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。