Agiflow

Gestión de proyectos que tu IA realmente puede ejecutar: conecta Claude, ChatGPT, Cursor y Codex a un solo tablero a través de MCP.

GitHub
4
Prueba este MCPPatrocinado

Documentación

Plugin de IA de AgiFlow

Plugin oficial de AgiFlow para clientes de IA. Gestiona proyectos de AgiFlow, incluyendo planificación, refinamiento, ejecución y revisión, directamente desde tu herramienta de IA.

Funciona con ChatGPT, Claude Code, Codex, Cursor, Antigravity y Gemini CLI.

Instalación

Este repositorio es un paquete de plugin autocontenido para múltiples clientes. Hasta que se publique en el marketplace de cada cliente, cárgalo como un directorio de plugin local.

Claude Code

git clone <your-remote>/agiflow-ai-plugin
claude --plugin-dir ./agiflow-ai-plugin

El .mcp.json incluido conecta automáticamente el servidor MCP de AgiFlow. Usa /mcp dentro de Claude Code para verificar la conexión.

Antigravity (Google)

Coloca la carpeta del plugin en una de las ubicaciones de plugins de Antigravity y reinicia:

# Workspace-level (this project only)
mkdir -p .agents/plugins && cp -R /path/to/agiflow-ai-plugin .agents/plugins/

# Global (all workspaces)
mkdir -p ~/.gemini/config/plugins && cp -R /path/to/agiflow-ai-plugin ~/.gemini/config/plugins/

Antigravity lee automáticamente el marcador raíz plugin.json, el skills/ y el mcp_config.json.

Cursor

Agrégalo manualmente en Cursor Settings → MCP / Plugins, apuntando a esta carpeta. La superficie estable de Cursor es la configuración MCP. El .mcp.json incluido la proporciona.

Codex

Agrega el marketplace de plugins de AgiFlow y luego instala el plugin desde ese marketplace:

codex plugin marketplace add AgiFlow/ai-plugin
codex plugin add agiflow-ai-plugin@agiflow

Para desarrollo local, apunta Codex a este checkout como raíz del marketplace:

codex plugin marketplace add ./agiflow-ai-plugin
codex plugin add agiflow-ai-plugin@agiflow

Gemini CLI

gemini extensions install <your-remote>/agiflow-ai-plugin

El gemini-extension.json incluido conecta el servidor MCP de AgiFlow mediante mcp-remote.

ChatGPT

Los plugins de OpenAI Platform se envían desde el servidor MCP de AgiFlow de producción. Este repositorio público proporciona las Agent Skills reutilizables utilizadas por ese plugin, pero no contiene IDs del dashboard de Platform, evidencia de envío, credenciales de revisores ni otros datos operativos privados.

El conjunto de flujos de trabajo seguros para ChatGPT es:

  • getting-started
  • project-plan
  • refine-task
  • backlog-grooming
  • daily-standup
  • triage

Los flujos de trabajo de agentes de codificación orchestrate, run-task, run-work y review-work siguen disponibles para clientes de codificación, pero no forman parte del paquete de envío de ChatGPT.

Cómo desarrollar

git clone <your-remote>/agiflow-ai-plugin
claude --plugin-dir ./agiflow-ai-plugin
  • Agrega nuevas instrucciones de flujo de trabajo en skills/<name>/SKILL.md.
  • Mantén la guía compartida en references/ (por ejemplo, references/agiflow-agents.md).
  • Consulta references/plugin-types.md para notas de manifiesto por cliente.

Características

Este plugin se conecta al servidor MCP de AgiFlow (https://agiflow.io/api/v1/mcp) y expone herramientas de AgiFlow en estas categorías:

  • Proyectos: crear, inspeccionar y actualizar proyectos y sus estados
  • Tareas: crear, listar, obtener, actualizar, reordenar y crear tareas en lote
  • Unidades de trabajo: agrupar tareas en características o épicas entregables y hacer seguimiento del progreso
  • Flujos de trabajo: adquirir y liberar bloqueos y coordinar ejecuciones multiagente
  • Miembros: listar y asignar miembros agente al trabajo
  • Comentarios: documentar decisiones y progreso en tareas
  • Vault: leer y establecer entradas de configuración con ámbito

Habilidades incluidas

El plugin incluye 10 habilidades de flujo de trabajo que reflejan el pipeline scrum de AgiFlow. Tu cliente de IA las carga bajo demanda cuando tu solicitud coincide con su descripción. Generalmente no las invocas por nombre:

HabilidadFaseÚsalo para
getting-startedorientarrecibir orientación sobre por dónde empezar y qué flujo se adapta
project-planPlanningdesglosar los requisitos en tareas de corte vertical (estado Planning)
refine-taskPlanningconvertir una tarea vaga en una especificación lista para autonomía
backlog-groomingPlanning → Todoverificar, priorizar y promover tareas a unidades de trabajo
run-workTodo → Doneejecutar una unidad de trabajo completa de principio a fin en una sesión
run-taskTodo → Doneejecutar una sola tarea hasta Review
review-workReviewverificar los criterios de aceptación y registrar seguimientos
triagediagnósticoclasificar los problemas del proyecto por severidad y recomendar acciones
daily-standupinformeun pulso de solo lectura de hecho / en progreso / bloqueado / siguiente
orchestratedespachoenrutar el trabajo listo de mayor prioridad a los agentes

Las pautas compartidas (modelo de estados, transiciones, etiquetas, tamaño de unidades de trabajo) se encuentran en references/agiflow-agents.md.

Ejemplo de uso

> Plan a feature: add per-user notification preferences
> Groom the backlog and promote the ready tasks to Todo

> Run task DXX-2
> Execute the checkout work unit end-to-end

> Review the auth work unit against its acceptance criteria
> Give me a daily standup for this project

> Why is this project stuck?
> What should an agent pick up next?

Autoalojado

Para una instancia de AgiFlow autoalojada, apunta la conexión MCP a tu endpoint mediante la variable de entorno AGIFLOW_AI_PLUGIN_MCP_URL (consumida por gemini-extension.json):

export AGIFLOW_AI_PLUGIN_MCP_URL="https://mcp.your-agiflow-instance.com/api/v1/mcp"

Para otros clientes, edita la URL del servidor en .mcp.json, mcp.json y mcp_config.json.

Documentación

Licencia

MIT