Интеграция с агентами

MCP-сервер для анализа промптов

Подключите PromptFlowEngine к ИИ-агентам и MCP-совместимым процессам. Ваш ассистент сможет анализировать, перестраивать, оптимизировать и очищать промпт как шаг своей работы.

  • Транспорт stdio
  • Инструменты только для чтения
  • Сборка из исходников
Настроить клиентЧто такое MCP?

Что он делает

Model Context Protocol — стандартный способ, которым ИИ-приложение вызывает внешние инструменты. PromptFlowEngine поставляется с MCP-сервером, который предоставляет движок в виде инструментов, поэтому агент в GitHub Copilot, Claude Desktop, Claude Code, Cursor или вашем собственном клиенте может использовать его без отдельного кода интеграции.

Сервер работает на вашем компьютере как дочерний процесс клиента и общается по JSON-RPC через stdio. Он читает только переданные аргументы, не делает сетевых запросов и не имеет инструментов для файлов и оболочки. Каждый инструмент помечен как только для чтения и идемпотентный.

Нет ни размещённого эндпоинта, ни аутентификации для настройки. Пакет npm ещё не опубликован, поэтому сервер собирают из репозитория и указывают клиенту путь к собранному файлу. Для удалённого использования вызывайте HTTP API.

Практический пример

Инструменты, которые получает ваш агент

Этот список строится из реестра инструментов самого сервера при сборке страницы, поэтому совпадает с тем, что клиент видит после подключения. Результаты проверки и сгенерированные промпты показаны на английском — так, как их возвращают движок и API.

Инструменты MCP-сервера PromptFlowEngine
ИнструментЧто делает
optimize_promptOptimize a prompt with deterministic, verified transforms (duplicates, filler, optional sections). Every candidate is checked to preserve all sentences, requirements, code, and variables; the original is kept if nothing is better. Returns the selected prompt, token savings, quality score, and what changed.
optimize_prompt_pipelineRun the optimization pipeline and return per-stage results plus token and estimated cost metrics, in the result shape used by the PromptFlow VS Code extension.
compress_promptRemove exact duplicate sentences and extra whitespace without rewriting any wording.
validate_promptCheck a prompt for missing objective or output format, ambiguity, conflicting instructions, duplicates, prompt-injection patterns, secrets, and undelimited variables. isValid is false only when a critical issue exists.
estimate_tokensCount tokens and estimate input cost for a model. "exact" is true only for OpenAI models with a loaded tokenizer; other providers are approximate. Costs are estimates from a reference price table.
analyze_promptDetect intent, task type, technical domain, requested output, requirements, and entities (languages, frameworks, file paths, identifiers).
extract_entitiesExtract languages, frameworks, libraries, cloud platforms, services, technologies, file paths, identifiers, URLs, and commands.
summarize_contextExtractive summary: the first N unique, non-empty sentences of a context block, in order. Does not rank or rewrite.
score_promptScore prompt quality 0-100: 100 minus a penalty per issue (critical 30, warning 10, info 3; capped at 50 with any critical issue), with per-dimension scores and suggestions.
evaluate_promptFull quality report: overall score, grade, eight quality dimensions with the checks that failed, and every finding with why it matters and how to fix it.
compare_promptsCompare two prompts: token and estimated cost delta, quality delta per dimension, and which findings were resolved or introduced.
scan_prompt_securityPrompt-injection risk (0-100, signature-based, with threat ids), sensitive-data counts by category, undelimited template variables, and destructive operations. Never returns detected secret values.
scan_sensitive_dataScan text for credentials, cloud secrets, and PII with local deterministic detectors. Returns offsets and per-category counts, never the sensitive values.
sanitize_promptReplace detected sensitive data with placeholders such as [REDACTED_API_KEY]. Returns the sanitized text and counts, never the original values. Use before sending a prompt to an external model.
restructure_promptTurn a loosely written request into a sectioned engineering prompt: Role, Objective, Context, Requirements, Constraints, Edge cases, Testing, Acceptance criteria, Expected output. Only sections with content appear. The author's clauses are kept and reordered; for software tasks, fixed engineering guidance chosen by intent and topic is added, and every line is labeled "prompt" or "engine" so additions can be reviewed. Set scaffold=false to reorganize without adding guidance.
convert_structured_payloadConvert a JSON payload to TOON (Token-Oriented Object Notation) and say whether to use it. Returns token counts for pretty JSON, compact JSON and TOON, a round-trip check (the TOON must decode back to the same value), and the recommendation: "toon" only when it round-trips and saves at least 5 % over compact JSON, otherwise "json". Lossless or it keeps JSON.
simulate_costSimulate what a prompt costs across models at a request volume, from catalog list prices (labelled simulated, never a bill). Optionally optimizes the prompt first and reports hypothetical savings. Flags models whose context window is too small.
analyze_context_budgetMeasure the context sources you intend to send with a prompt: tokens and share per source, context-window usage with an output reserve, sensitive data (categories and counts only), instruction-like text in retrieved sources, and duplicates. Reads only the text passed in; never reads files.
run_prompt_testsRun a regression suite against a prompt. Assertions check the prompt (contains, not_contains, matches, max_tokens, min_quality, no_finding, max_severity, has_variables, max_injection_risk, no_sensitive_data, output_format) and, when a case carries a recorded model response, the response (response_valid_json, response_has_keys, response_contains, response_max_chars). With baseline_prompt, also runs the suite on the baseline and lists cases that regressed. No model is called.
.vscode/mcp.json
{
  "servers": {
    "promptflow": {
      "type": "stdio",
      "command": "node",
      "args": ["/absolute/path/to/checkout/packages/mcp-server/dist/bin.js"]
    }
  }
}
попросите агента
Use promptflow to restructure this before you start:
"fix login issue and make google login work and don't break anything"

Инструментов: 19, все только для чтения. Другие клиенты используют ту же команду под ключом mcpServers.

Главные преимущества

Возможности

Для кого

Сценарии использования

Частые вопросы

Что такое MCP-сервер?

MCP-сервер — это программа, которая предоставляет ИИ-приложению инструменты, ресурсы и промпты по протоколу Model Context Protocol. ИИ-приложение, называемое клиентом, решает, когда их вызывать.

С какими MCP-клиентами он работает?

С любым клиентом, который может запустить локальный stdio-сервер, включая режим агента GitHub Copilot в VS Code, Claude Desktop, Claude Code и Cursor.

Есть ли размещённый или удалённый MCP-эндпоинт?

Нет. Транспорт — только stdio, сервер работает на вашем компьютере. Для удалённого доступа используйте HTTP API.

Может ли сервер читать мои файлы?

Нет. У него нет инструментов для файлов, оболочки и сети. Он обрабатывает только текст, переданный инструменту в качестве аргумента.

Все продукты работают на одном движке, поэтому сочетаются без сюрпризов.

Техника, лежащая в основе

Руководства из базы знаний по промпт-инжинирингу, объясняющие идеи, которые применяет этот продукт.

Один движок — везде, где вы работаете с ИИ.

Бесплатно, детерминированно и приватно. Без регистрации.

Открыть рабочую областьВсе инструменты для промптов