Accordo MCP Server

Proporciona guía dinámica de flujos de trabajo impulsada por YAML para agentes de codificación de IA, con flujos de trabajo de desarrollo estructurados, control de progresión y puntos de decisión.

Documentación

Accordo Logo

Accordo MCP Server

PyPI - Version GitHub Actions Workflow Status GitHub Release Date Quality Gate Status

Un potente servidor MCP (Model Context Protocol) que proporciona guía de flujos de trabajo dinámicos basados en YAML para agentes de codificación de IA. Incluye flujos de trabajo de desarrollo estructurados con control de progresión y puntos de decisión.

Qué hace esto

Este servidor guía a los agentes de IA a través de flujos de trabajo de desarrollo estructurados y basados en esquemas:

  • 📋 Flujos de trabajo YAML dinámicos: Flujos de trabajo personalizados definidos en YAML con ejecución basada en esquemas
  • 🔍 Descubrimiento primero: Descubre y selecciona automáticamente los flujos de trabajo adecuados según la tarea
  • ⚡ Estado en tiempo real: Seguimiento del estado del flujo de trabajo en vivo con gestión integral de sesiones
  • 🎯 Guía obligatoria: Instrucciones autoritativas fase por fase que los agentes deben seguir
  • 🤖 Flujos de trabajo generados por el agente: Capacidad única para que los agentes creen flujos de trabajo YAML personalizados sobre la marcha

Dos enfoques de flujo de trabajo

Proceso de descubrimiento de flujos de trabajo integrado

  1. Descubrimiento automático - El sistema escanea .accordo/workflows/ en busca de flujos de trabajo YAML disponibles
  2. Coincidencia inteligente - Analiza la descripción de la tarea frente a las capacidades y objetivos del flujo de trabajo
  3. Selección del flujo de trabajo - El agente elige el flujo de trabajo más adecuado entre las opciones descubiertas
  4. Ejecución inmediata - El flujo de trabajo seleccionado comienza con gestión completa del estado y control de progresión

Esto proporciona acceso instantáneo a flujos de trabajo probados para patrones de desarrollo comunes: codificación, documentación, depuración y más.

Proceso de generación de flujos de trabajo por el agente

  1. Analizar los requisitos de la tarea - El agente comprende las necesidades específicas
  2. Obtener guía de creación - Se proporcionan plantillas completas y mejores prácticas
  3. Generar YAML personalizado - El agente crea un flujo de trabajo adaptado a los requisitos exactos
  4. Iniciar la ejecución - El flujo de trabajo personalizado se ejecuta con gestión completa del estado

Esto permite a los agentes crear flujos de trabajo para cualquier dominio: desarrollo web, ciencia de datos, DevOps, investigación, documentación, pruebas y más.

Inicio rápido

Instalación de accordo CLI

La CLI de accordo proporciona una configuración y gestión sencillas de los servidores MCP. Instálala directamente con:

# Download and run the installation script
curl -fsSL https://raw.githubusercontent.com/AndurilCode/accordo/refs/heads/main/install.sh | bash

El instalador:

  • ✅ Detecta tu entorno (entorno virtual, herramientas disponibles)
  • 🌍 Instalación global (recomendada): Usa pipx para acceso en todo el sistema
  • 📦 Entorno virtual: Usa uv o pip si estás en un venv
  • 🔧 Configuración automática: Maneja dependencias y configuración de PATH

Uso de la CLI

# Configure MCP servers interactively
accordo configure

# Quick setup for specific platforms
accordo configure -p cursor -y
accordo configure -p claude-code -y

# Deploy workflow guidelines to AI assistants
accordo bootstrap-rules              # All assistants
accordo bootstrap-rules cursor       # Cursor only
accordo bootstrap-rules --force all  # Overwrite existing

# List supported platforms and manage servers
accordo list-platforms
accordo list-servers -p cursor
accordo validate -p cursor

# Get help
accordo --help

Configuración manual de MCP

Alternativamente, instala uv para la gestión de paquetes de Python y configura tu cliente MCP manualmente: Para Cursor (.cursor/mcp.json):

{
  "mcpServers": {
    "accordo": {
      "command": "uvx",
      "args": ["accordo-workflow-mcp"]
    }
  }
}

O usa el siguiente enlace para instalar el servidor MCP (Cursor Instalado):

Install MCP Server

Obtener ayuda

📚 Documentación

🎯 Ejemplos

Licencia

Este proyecto está licenciado bajo la Licencia MIT; consulta el archivo LICENSE para más detalles.