关于 Systemonomic — Work Domain Analysis & AI Task Suitability
Systemonomic 提供工作领域分析、任务 AI 适用性评估和组织设计能力,面向需要建模工作流程与规划组织的团队。其 MCP 服务涵盖从生成工作领域模型到评估任务及导出组织报告的流程。
主要功能
- 01创建和编辑工作领域节点与链接
- 02从文本生成工作领域模型
- 03根据模型生成任务与建议
- 04批量评估任务的 AI 适用性
- 05提出并验证组织重组方案
- 06导出项目数据和 PDF 报告
适用场景
- 01绘制采购或其他部门的工作模型
- 02从工作模型生成任务并筛选自动化候选项
- 03评估 RACI 矩阵并规划组织调整
- 04保存组织设计快照并生成 PDF 报告
MCP 相关
提供工作领域分析、ATSS 任务评估和组织设计 MCP 服务,向 AI Agent 暴露项目、任务、评估及组织设计工具。
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。
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
Systemonomic MCP 服务
向 AI Agent(Claude Desktop、Cursor、Claude Code 等)提供 Systemonomic 工作域分析、ATSS 评估和组织设计能力的 MCP(模型上下文协议)服务。
快速开始
1. 安装
pip install systemonomic-mcp
2. 获取 API 密钥
- 登录 Systemonomic
- 前往 Profile → API Keys
- 点击 Generate API Key
- 复制密钥(以
sk_sys_开头)——它只会显示一次
3. 配置
设置环境变量:
export SYSTEMONOMIC_API_KEY="sk_sys_your_key_here"
也可以指定其他 API 端点(默认使用生产环境):
export SYSTEMONOMIC_API_URL="https://your-dev-backend.up.railway.app"
4. 添加到 Claude Desktop
将以下内容添加到 claude_desktop_config.json:
{
"mcpServers": {
"systemonomic-wda": {
"command": "python",
"args": ["-m", "systemonomic_mcp.wda_server"],
"env": {
"SYSTEMONOMIC_API_KEY": "sk_sys_your_key_here"
}
},
"systemonomic-atss": {
"command": "python",
"args": ["-m", "systemonomic_mcp.atss_server"],
"env": {
"SYSTEMONOMIC_API_KEY": "sk_sys_your_key_here"
}
},
"systemonomic-org": {
"command": "python",
"args": ["-m", "systemonomic_mcp.org_server"],
"env": {
"SYSTEMONOMIC_API_KEY": "sk_sys_your_key_here"
}
}
}
}
5. 添加到 Cursor
在 Cursor 设置 → MCP 服务中,添加各个服务:
- 名称:
systemonomic-wda - 命令:
python -m systemonomic_mcp.wda_server - 环境:
SYSTEMONOMIC_API_KEY=sk_sys_...
对 atss_server 和 org_server 重复此操作。
可用服务
systemonomic-wda — 工作域分析
| 工具 | 描述 |
|---|---|
list_projects | 列出所有项目 |
get_project_state | 获取完整的项目状态 |
create_project | 创建新项目 |
get_project_stats | 获取项目统计信息 |
list_wda_nodes | 列出 WDA 节点 |
create_wda_node | 在 WDA 层级创建节点 |
update_wda_node | 更新节点的标签/层级/描述 |
delete_wda_node | 删除节点 |
list_wda_links | 列出手段—目的链接 |
create_wda_link | 关联两个节点 |
delete_wda_link | 移除链接 |
generate_wda | 根据文本描述通过 AI 生成完整的 WDA |
export_project | 将项目导出为 JSON |
import_wda | 导入节点和链接 |
systemonomic-atss — 评估与任务
| 工具 | 描述 |
|---|---|
list_tasks | 列出项目任务 |
create_task | 创建任务 |
generate_tasks_from_wda | 根据 WDA 对象自动生成任务 |
derive_task_suggestions | 通过 AI 推导任务建议 |
list_suggestions | 列出待处理的建议 |
accept_suggestions | 将建议转为任务 |
run_atss_batch | 对所有任务运行 ATSS 评估 |
get_atss_results | 获取已存储的评估结果 |
persist_atss_results | 保存评估结果 |
list_atss_runs | 列出评估运行历史 |
systemonomic-org — 组织设计
| 工具 | 描述 |
|---|---|
get_org_design | 获取当前角色、组织单元和分配情况 |
persist_org_design | 保存组织设计 |
propose_restructure | 通过 AI 生成重组方案 |
apply_proposal | 应用重组方案 |
validate_raci | 验证 RACI 矩阵 |
create_org_snapshot | 创建版本快照 |
list_org_snapshots | 列出快照 |
export_org_design_json | 导出为 JSON |
generate_pdf_report | 生成完整的 PDF 报告 |
get_report_status | 检查报告是否就绪 |
对话示例
“帮我建模我们的采购流程”
你: 为我们大学的采购部门生成一份 WDA。他们负责采购申请、供应商管理、合同谈判,以及遵守政府法规。
Claude: 使用
create_project→generate_wda→ 返回生成的层级结构
“评估哪些任务可以自动化”
你: 根据采购项目的 WDA 推导任务,并运行自动化评估。
Claude: 使用
generate_tasks_from_wda→run_atss_batch→ 总结可自动化的任务
“生成完整报告”
你: 为采购项目创建一份 PDF 报告。
Claude: 使用
generate_pdf_report→ 保存 PDF
开发
# Run a server locally for testing
cd mcp
pip install -e .
SYSTEMONOMIC_API_KEY=sk_sys_... python -m systemonomic_mcp.wda_server
# Use the MCP inspector
SYSTEMONOMIC_API_KEY=sk_sys_... mcp dev src/systemonomic_mcp/wda_server.py
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。