关于 MCP server for Pipefy
MCP server for Pipefy 是连接 AI Agent 与 Pipefy 的工具包,包含 MCP 服务、CLI、GraphQL SDK 和工作流技能。调用 Pipefy API 时使用已登录账户的权限。
主要功能
- 01向 MCP 客户端提供 Pipefy 工具
- 02用于脚本和 CI 的 CLI 命令
- 03GraphQL 客户端、服务和模型
- 04工作流 Markdown 操作手册
- 05支持托管或本地运行服务
适用场景
- 01通过 AI Agent 管理 Pipefy
- 02在 CI 中运行 Pipefy 命令
- 03自动化常见 Pipefy 工作流
- 04通过本地服务使用本地文件工具
MCP 相关
它通过托管或本地运行的 MCP 服务向 MCP 客户端提供 Pipefy 工具。托管服务不包含读取本地文件的工具。
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。
我们还没有获取到这个服务的安装包或远程地址,请按项目 README 中的说明安装。
工具
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

概览 • 安装 • 连接与安装内容 • MCP 服务 • CLI • Agent 技能 • 文档 • 参与贡献 • 法律信息
概览
将 Claude Code、Cursor 和其他 AI Agent 连接到 Pipefy。此工具包包含 MCP 服务、CLI 和 GraphQL SDK,可使用你登录账号的权限调用 Pipefy API;此外还提供适用于常见 Pipefy 工作流的 Agent 技能。
| 组件 | 软件包 / 路径 | 用途 |
|---|---|---|
| MCP 服务 | pipefy-mcp-server | 为 MCP 客户端(Claude Code、Cursor、Claude Desktop 等)提供 Pipefy 工具。托管于 https://mcp.pipefy.com/mcp,也可在本地运行以使用完整目录。 |
| CLI | pipefy-cli | 以终端命令的形式提供大部分 MCP 功能,适用于脚本和 CI。功能覆盖情况及仅限 MCP 的工具:docs/parity.md。 |
| SDK | pipefy | 由 MCP 服务和 CLI 共用的 GraphQL 客户端、服务和模型。 |
| 技能 | plugins/pipefy/skills/ | 适用于常见 Pipefy 工作流的 Markdown 操作指南(Anthropic Skills 格式)。 |
反馈与问题:GitHub Issues · [email protected]
安装
选择与你的客户端对应的行,并运行相应命令。标志、注意事项和其余步骤请参阅 docs/install.md。
| 使用场景 | 路径 | 开始方式 |
|---|---|---|
| Claude Code,最快的开始方式 | 托管 MCP | claude mcp add --transport http --scope user --client-id pipefy-mcp pipefy https://mcp.pipefy.com/mcp |
| Claude Code,包含技能、斜杠命令和 CLI | Claude Code 插件 | /plugin install pipefy --marketplace pipefy/ai-toolkit(Claude Code 2.1.275 或更高版本;安装指南提供了适用于较早版本的两步安装方式);/pipefy:install 会添加 CLI,/pipefy:pipefy-login 会为其登录 |
| Cursor | Cursor Marketplace 插件 | 从 Cursor Marketplace 安装 Pipefy |
| 在 macOS 或 Linux 上使用 Cursor、Claude Desktop 或 Codex,且需要本地文件工具或 CLI | 快速安装脚本 | 运行安装脚本,并使用 --client cursor、claude-desktop 或 codex |
| 终端、脚本或 CI | 仅 CLI | 执行 uv tool install pipefy-cli,然后执行 pipefy auth login |
| 任意支持 Markdown 的 Agent,仅需操作手册 | 仅技能 | 执行 npx skills add pipefy/ai-toolkit |
每次只能注册一个 Pipefy MCP 服务:托管 URL、本地服务或插件三者之一。扫描命令 会报告机器上已有的配置,且不会进行任何更改。移除或切换路径:docs/uninstall.md。
托管服务会通过客户端的 OAuth 提示词引导你登录。本地路径可使用 pipefy auth login(浏览器 OAuth)、用于无人值守场景的服务帐户,或 PIPEFY_TOKEN。参考文档:docs/config.md 和 docs/cli/auth.md。
工具包连接和安装的内容
网络流量会发送到 Pipefy 主机和 Pipefy 提供的存储 URL,但安装期间以及你传入 URL 进行下载时除外:
app.pipefy.com(或PIPEFY_BASE_URL中的主机;api.pipefy.com的响应相同):Pipefy 的 GraphQL API,调用时使用已登录用户、服务帐户或PIPEFY_TOKEN的权限。仅当 MCP 工具和内省失败后才会使用pipefy-api-fallback技能,此时 Agent 会通过curl直接调用此 API,并在告知你将使用哪种凭据后,从PIPEFY_*环境变量读取服务帐户或令牌。GraphQL 请求会携带User-Agent: pipefy-sdk/<version> (<surface>)、X-Client-Name和X-Client-Version;MCP 服务还会报告运行位置((mcp; local)或(mcp; hosted),以及X-Client-Deployment)。工具包不会发送其他遥测数据。mcp.pipefy.com:Pipefy 托管的 MCP 服务,供托管 MCP 路径和两个插件使用。通过浏览器 OAuth 登录,使用公共客户端 IDpipefy-mcp。signin.pipefy.com(或PIPEFY_AUTH_URL中的颁发者):pipefy auth login会打开浏览器,并在127.0.0.1接收重定向。命令行和本地 MCP 服务会在此处刷新会话,pipefy auth logout会撤销会话。这些请求会携带User-Agent: pipefy-auth/<version>、X-Client-Name: auth和X-Client-Version。ipaas.pipefy.com(或PIPEFY_IPAAS_URL中的主机):iPaaS(高级自动化)工具。- 文件传输:附件和知识库上传会发送到 Pipefy 提供的预签名存储 URL。你传入的
file_url会由工具下载,或在托管路径下由 Pipefy 的服务端下载。报告和作业导出内容会从 Pipefy 的签名链接下载。
安装程序和 pipefy auth login 会在你的机器上添加以下内容:
- 快速安装脚本(macOS 和 Linux):如果尚未安装
uv,会先征求许可,再从astral.sh安装;uv 安装程序可能会将~/.local/bin添加到你的 shell 配置文件中。脚本会从 GitHub API 读取最新的非 alpha 版本(或--version标签),并使用该版本的 wheel 运行uv tool install,安装pipefy-cli和pipefy-mcp-server,包括其pipefy、pipefy-auth和pipefy-infrawheel。第三方依赖来自 PyPI;如果未找到 Python 3.11 或更高版本,uv 可能会下载一个解释器。使用--client cursor、claude-desktop或codex时,如果客户端配置中尚无pipefy条目,脚本会写入该条目。脚本会将运行记录保存到~/.local/state/pipefy/install-receipt,供uninstall.sh使用,并会在运行npx skills add前征求许可(使用--no-skills跳过)。 /pipefy:install(Claude Code 插件):运行来自 PyPI 的uv tool install --force pipefy-cli前会征求许可。- 扫描命令(
pipefy-toolkit-setup技能和docs/uninstall.md):从 GitHub 上的此仓库下载uninstall.sh,并使用--scan运行。该命令会读取范围下列出的所有来源,包括操作系统钥匙串,并打印查找到的内容。它不会更改任何内容。 npx skills add:从 npm 下载第三方skills工具,并从 GitHub 下载此仓库,然后为你的 Agent 安装技能。除非设置了DISABLE_TELEMETRY或DO_NOT_TRACK,否则skills工具会向skills.sh发送自己的使用遥测数据。pipefy auth login:通过 Pythonkeyring保存会话,通常保存在操作系统钥匙串中。设置PIPEFY_KEYCHAIN_BACKEND=file时,凭据会以明文形式保存到 Pipefy 配置文件夹中的keyring.cfg文件。如果keyring在某台机器上找不到操作系统钥匙串,它可能会回退到自己的明文文件:用户数据文件夹中的python_keyring/keyring_pass.cfg(Linux 上为~/.local/share)。登录和令牌刷新还会在 Pipefy 配置文件夹(~/.config/pipefy,或 Windows 上的%APPDATA%\pipefy)中保留一个锁文件refresh.lock。
MCP 服务
本地服务会注册完整的工具目录(规范名称:registry.py 中的 PIPEFY_TOOL_NAMES)。托管 URL 提供可安全远程使用的功能:除需要读取本机文件的工具(知识库文档上传、自定义 LLM 提供商的创建和更新)外,其他工具均可使用。在托管环境中,附件工具使用 file_url,而非 file_path。
各领域工具参考:docs/mcp/。通用约定:docs/mcp/tools/cross-cutting.md。将本地服务限定为部分工具:选择工具范围。
命令行界面
pipefy CLI 涵盖 docs/parity.md 标记为已交付的 MCP 功能。大多数命令默认输出 Rich 表格,使用 --json 时则输出 JSON。对于具有破坏性的命令,--yes 会跳过提示;不使用时,仍会进行交互式确认。除非设置了 --yes,否则 pipefy graphql exec 不会执行变更操作。
pipefy pipe list --json
pipefy card get 123456789
pipefy introspect query pipe
指南:docs/cli/ 和 packages/cli/README.md。
Agent 技能
plugins/pipefy/skills/ 包含工作流操作指南(前置条件、工具表、步骤和成功标准),适用于任何能读取 Markdown 的 Agent。目录:plugins/pipefy/README.md。编写指南:plugins/AGENTS.md。
文档
| 文档 | 描述 |
|---|---|
docs/install.md | 完整介绍所有安装方式、如何在它们之间切换、工具范围选择,以及如何从检出目录测试 Claude Code 插件。 |
docs/README.md | 按功能界面(MCP、CLI、SDK)划分的文档索引和通用指南。 |
docs/config.md | PIPEFY_* 环境变量、config.toml 架构和路径、优先级链。 |
docs/parity.md | MCP 工具 ↔ CLI 命令对照表。 |
docs/uninstall.md | uninstall.sh --scan 和卸载流程,以及如何在托管、本地和插件渠道之间切换。 |
docs/MIGRATION.md | 面向现有 MCP 用户的说明;配置仍保持兼容。 |
AGENTS.md | 仓库结构、开发工作流,以及面向贡献者和 Agent 的指南。 |
RELEASE.md | 版本管理和发布流程。 |
贡献
欢迎通过问题和拉取请求贡献代码。提交必须包含 DCO 签署(git commit -s)。技能:CONTRIBUTING.md。MCP、CLI 和 SDK:AGENTS.md。如果某种字段类型没有对应的工具,请提交问题,并说明字段类型和预期行为。
法律声明
本工具包(MCP 服务、CLI、SDK 和技能/蓝图手册)根据 Apache License 2.0 授权。商标保留事项请参阅 NOTICE。
您通过本工具包访问和使用 Pipefy 平台,受 Pipefy Solutions Terms and Conditions(葡萄牙语版本)约束;使用 AI 功能时,还受 Pipefy AI Additional Terms 约束(该条款将发布并以引用方式纳入上述条款),包括其中的可接受使用规定。使用本工具包需要 Pipefy 账户;Apache 2.0 许可证中的任何内容均不授予您使用 Pipefy 服务的权利。
模板,而非建议。 技能和蓝图是可配置的模板,仅供一般信息参考。它们不构成法律、人力资源、财务、税务或其他专业建议,在投入生产使用前,必须由合格的专业人员进行审查、配置和验证。每个已发布的蓝图都附带一个 COMPLIANCE.md,其中说明其预期用途、不适用范围、AI 风险分类和默认人工监督设置(参阅 docs/compliance/COMPLIANCE.template.md)。
AI 生成的输出。 AI 功能生成的输出可能包含错误或遗漏;在依赖这些输出之前,必须进行独立核实。
测试版软件。 1.0 之前的版本按“原样”提供,不附带任何形式的保证,并且可能随时变更或停止提供。完整免责声明请参阅 TERMS.md。
安全问题报告:请参阅 SECURITY.md。贡献方式:请参阅 CONTRIBUTING.md。
评论
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。