ai专家工作流mcp

Name: ai专家工作流mcp
Author: bacoco

作者：bacoco17 星标更新：2025-04-29

安装使用来源：spider==github.com

项目介绍

AI 专家工作流 MCP

这是一个使用 OpenRouter API 实现 AI 专家工作流的 MCP（模型上下文协议）服务器。该项目允许您咨询产品管理、用户体验设计和软件架构方面的 AI 专家，以规划和开发您的项目。它可以独立使用，也可以与任务大师一起用于任务管理（可选）。

AI 专家工作流如何与您互动

AI 专家工作流旨在提供一种自然的对话体验，引导您完成产品开发过程：

对话流程

系统会与您进行对话，直到您准备好生成文档：

您控制文档生成
- AI 将与您聊天，直到您明确请求生成文档，例如通过“生成文档”或“创建 PRD”
- 如果在所有重要主题都未覆盖之前请求文档，AI 会告知您缺少的内容并继续对话
- 只有当所有必要主题都被覆盖时，AI 才会生成文档
全面的主题覆盖
- AI 引导您了解产品的各个方面
- 每位专家专注于特定主题（产品愿景、用户画像、技术架构等）
- 在当前主题彻底探讨之前，AI 不会转向下一个主题
完成前的验证
- 在每个阶段结束前，AI 验证是否准确捕捉了您的所有需求
- 在生成任何文档之前，AI 会征求您的确认
- 您完全控制何时向前推进

文档存储

当您准备生成文档时：

每位专家的文档保存在主目录中（如 PRD.md，UX_Design_Document.md）
scripts/prd.txt 文件在整个阶段中持续更新：
- 首先，它包含产品经理的文档
- 然后，用户体验设计师的内容被添加，并带有适当的章节标题
- 最后，软件架构师的内容被添加，以完成规范
这确保了在工作流结束时，scripts/prd.txt 包含来自三位专家的综合规范
各位专家的贡献也会单独保存作为参考文件

重要：scripts/prd.txt 文件在整个工作流过程中不断改进，随时可以供任务大师使用，但在三位专家阶段完成后最为有价值。

🚀 快速开始指南

单独使用（推荐）

全局安装 AI 专家工作流：
```
npm install -g ai-expert-workflow-mcp
```
获取 OpenRouter API 密钥：
- OpenRouter API 密钥用于 AI 专家工作流：在这里获取

为您的项目生成 PRD：

# 设置您的 API 密钥
export OPENROUTER_API_KEY=your_key_here

# 生成 PRD
npx ai-expert-workflow-generate "您的详细项目描述"

查看您的 PRD 在 prd.md

可选：任务大师集成

如果您还想使用任务大师进行任务管理（可选）：

全局安装任务大师：
```
npm install -g task-master-ai
```
获取额外的 API 密钥：
- Anthropic API 密钥用于任务大师 AI：在这里获取
- Perplexity API 密钥（可选）用于增强任务大师 AI 的研究能力：在这里获取

使用两个 MCP 配置您的 Cursor 设置：

{
  "mcpServers": {
    "ai-expert-workflow": {
      "command": "npx",
      "args": ["-y", "ai-expert-workflow-mcp"],
      "env": {
        "OPENROUTER_API_KEY": "YOUR_OPENROUTER_API_KEY_HERE",
        "OPENROUTER_MODEL": "tngtech/deepseek-r1t-chimera:free",
        "MAX_TOKENS": 8000,
        "TEMPERATURE":  0.7
      }
    },
    "taskmaster-ai": {
      "command": "npx",
      "args": ["-y", "task-master-ai"],
      "env": {
        "ANTHROPIC_API_KEY": "YOUR_ANTHROPIC_API_KEY_HERE",
        "PERPLEXITY_API_KEY": "YOUR_PERPLEXITY_API_KEY_HERE",
        "MODEL": "claude-3-sonnet-20240229",
        "PERPLEXITY_MODEL": "sonar-pro",
        "MAX_TOKENS": 64000,
        "TEMPERATURE": 0.2,
        "DEFAULT_SUBTASKS": 5,
        "DEFAULT_PRIORITY": "medium"
      }
    }
  }
}

关于模型的说明：除了 Claude，OpenRouter 还提供了许多其他 AI 模型供选择：

创意任务：openai/gpt-4o，anthropic/claude-3-opus-20240229
平衡性能：anthropic/claude-3-sonnet-20240229，mistral/mistral-large
快速且经济的选择：openai/gpt-3.5-turbo，anthropic/claude-3-haiku-20240307
其他选项：google/gemini-pro，meta/llama-3-70b，cohere/command-r

查看完整的 OpenRouter 模型列表以获取所有可用选项。

在您的 Cursor 设置中启用 MCP。

完整的工作流示例

选项 1：独立 PRD 生成（推荐）

# 全局安装 AI 专家工作流
npm install -g ai-expert-workflow-mcp

# 设置您的 OpenRouter API 密钥
export OPENROUTER_API_KEY=your_openrouter_key_here

# 通过一个命令生成 PRD
npx ai-expert-workflow-generate "我想要构建一个食谱应用，帮助用户根据他们已经拥有的食材找到食谱。目标用户是希望减少食物浪费和节省开支的家庭厨师。"

这个单一命令将：

根据您的描述生成一份全面的 PRD 文档
将其保存为当前目录中的 prd.md
同时将其保存为 Task Master 兼容格式（在 scripts/prd.txt 中），以便以后使用 Task Master

选项 2：交互式对话工作流

第一步：与 AI 产品经理规划您的产品

用户：你能启动我的新移动食谱应用的 AI 专家工作流吗？

AI：我将启动 AI 专家工作流来帮助您规划您的移动食谱应用。您想从哪个方面开始？

用户：让我们用 AI 产品经理创建一个 PRD。我想要构建一个食谱应用，帮助用户根据他们已经拥有的食材找到食谱。

AI：[询问关于目标用户、关键功能、盈利模式等方面的具体问题]

用户：[提供关于应用愿景的详细回答]

第二步：生成 PRD

用户：你能基于我们的咨询生成一份完整的 PRD 文档吗？

AI：[生成涵盖 MVP 和精益创业验证计划的全面 PRD]

AI：文档已保存到 PRD.md。您可以现在查看并用于您的开发规划。

第三步（可选）：使用 Task Master 创建任务

如果您想将 PRD 分解为开发任务，可以选择使用 Task Master：

用户：你能解析 scripts/prd.txt 中的 PRD 并生成任务吗？

AI：[Task Master 解析 PRD 并创建一个带优先级的任务结构化列表]

用户：我接下来应该处理什么任务？

AI：[Task Master 建议最高优先级的任务及其实施细节]

这种简化的工作流将您的想法转化为一个经过充分规划的产品，具有全面的 PRD。然后，您可以选择使用 Task Master 将其分解为开发任务。

功能

增强的工作流结构：带有主题跟踪和阶段转换的结构化对话流程
独立 PRD 生成：无需依赖即可生成全面的 PRD
咨询 AI 专家：在三个关键角色中：
- AI 产品经理
- AI 用户体验设计师
- AI 软件架构师
基于主题的对话：确保全面覆盖所有重要方面
进度跟踪：自动跟踪已完成的主题并指导您完成整个过程
生成全面文档：
- 产品需求文档（PRD），重点是 MVP 和精益创业方法
- 用户体验设计文档，包括原型描述和用户测试计划
- 软件架构规范，包括功能规格和技术设计
- 结合所有三个文档的全面项目规范
可选 Task Master 集成：如果需要任务管理，可以与 Task Master 一起使用
由 OpenRouter API 提供支持，以实现跨 AI 模型的最大灵活性：
- 支持 OpenAI 模型（GPT-4o，GPT-4-turbo，GPT-3.5-turbo）
- 支持 Anthropic 模型（Claude 3 Opus，Sonnet，Haiku）
- 支持其他模型（Google Gemini，Mistral，Llama，Cohere 等）

使用 AI 专家工作流 MCP 的好处

结构化方法：引导工作流确保全面覆盖所有重要方面
完整的项目规划：专家指导整个产品开发过程
主题跟踪：自动跟踪已完成的主题防止规划中的空白
无缝过渡：在专家之间平滑过渡并保持上下文
独立操作：完全独立运行，无需 Task Master
精益创业方法：专注于 MVP 定义和验证计划
以用户为中心的设计：基于坚实 UX 原则创建用户体验
技术卓越：设计满足您需求的可扩展架构
全面文档：生成结合所有阶段的完整项目规范
可选 Task Master 集成：如有需要，将您的 PRD 转换为开发任务
Cursor 集成：在您的开发环境中无缝工作流
模型灵活性：通过 OpenRouter API 选择数十种 AI 模型
- 使用高性能模型（Claude Opus，GPT-4o）进行复杂规划
- 使用平衡模型（Claude Sonnet，Mistral）进行日常工作
- 使用快速模型（Claude Haiku，GPT-3.5）进行快速迭代

安装

全局安装（推荐）

最简单的方法是直接从 npm 安装 AI 专家工作流 MCP：

npm install -g ai-expert-workflow-mcp

这使得 ai-expert-workflow-mcp 命令在您的终端中全局可用。

本地开发

克隆仓库：

git clone https://github.com/bacoco/ai-expert-workflow-mcp.git
cd ai-expert-workflow-mcp

安装依赖项：
```
npm install
```
配置环境变量：
- 复制 .env.example 到 .env
- 将您的 OpenRouter API 密钥添加到 .env 文件中（从 https://openrouter.ai/keys 获取）
构建项目：
```
npm run build
```
启动服务器：
```
npm start
```

运行测试（可选）：

# 运行基本测试（推荐用于快速验证）
npm run test:essential

# 运行单独测试
npm run test:mcp-only        # 仅测试 MCP 服务器
npm run test:openrouter-direct  # 仅测试 OpenRouter API

# 运行 JavaScript 测试
npm test

# 运行 TypeScript 测试
npm run test:ts

# 或使用 shell 脚本
./tests/run-js-test.sh
./tests/run-ts-test.sh

# 运行全面测试（构建并运行 JS 和 TS 测试）
./tests/run-comprehensive-test.sh

测试结果将保存到 tests/results/result_test.md 和 tests/results/result_test_ts.md。

重要：默认 API 密钥会导致测试失败。要验证您的 OpenRouter API 密钥而不修改 .env 文件，请使用以下脚本之一：

验证并更新：
npm run verify-and-update YOUR_API_KEY
或分开执行步骤：
# 验证您的 API 密钥
npm run verify-openrouter YOUR_API_KEY

# 更新 MCP 配置
npm run update-config YOUR_API_KEY

与 Cursor AI 的使用

将 MCP 配置添加到您的编辑器：

{
  "mcpServers": {
    "ai-expert-workflow": {
      "command": "node",
      "args": ["dist/index.js"],
      "cwd": "${workspaceFolder}",
      "env": {
        "OPENROUTER_API_KEY": "${env:OPENROUTER_API_KEY}",
        "OPENROUTER_MODEL": "tngtech/deepseek-r1t-chimera:free",
        "MAX_TOKENS": 4000,
        "TEMPERATURE": 0.7,
        "MCP_TIMEOUT": "120000",
        "DEBUG": "mcp"
      }
    },
    "taskmaster-ai": {
      "command": "npx",
      "args": ["-y", "task-master-ai"],
      "env": {
        "OPENROUTER_API_KEY": "${env:OPENROUTER_API_KEY}",
        "OPENROUTER_MODEL": "openai/gpt-4-turbo",
        "MAX_TOKENS": 8000,
        "TEMPERATURE": 0.7,
        "DEFAULT_SUBTASKS": 5,
        "DEFAULT_PRIORITY": "medium"
      }
    }
  }
}

在您的编辑器设置中启用 MCP
使用自然语言与 AI 专家工作流互动：

启动完整的工作流：

你能启动我的项目的 AI 专家工作流吗？

与特定专家互动：

你能咨询 AI 产品经理为我的项目创建 PRD 吗？

在阶段间切换：

让我们进入下一阶段

生成文档：

你能基于我们的咨询生成一份完整的 PRD 文档吗？

检查进度：

我们目前为止讨论了哪些主题？
我们还需要讨论哪些主题？

在生成您的 PRD 后，可选地使用 Task Master 创建任务：

你能解析 scripts/prd.txt 中的 PRD 并生成任务吗？

增强的 AI 专家工作流

工作流已增强，采用结构化的对话流程，引导用户完成全面的产品开发过程。它遵循“三球法”（Three Spheres Method），这是一种系统的方法，通过三个不同的阶段将想法转化为功能性产品：

三球法

AI 专家工作流实现了三球法，每位专家都在前一位专家的基础上进行工作：

第一球：产品定义及架构基础（AI 产品经理）
- 为整个项目建立坚实的基础
- 定义产品愿景、用户画像、业务需求和关键功能
- 创建初始 PRD 文档
第二球：用户体验设计及功能扩展（AI 用户体验设计师）
- 使用产品经理的文档作为输入
- 发展用户体验并扩展每个功能
- 将 UI 文档、用户旅程和交互模式添加到 PRD
第三球：技术规划及实施规范（AI 软件架构师）
- 使用产品经理和用户体验设计师的文档作为输入
- 将愿景转化为具体的实施计划
- 将技术架构、API 规范和实施任务添加到 PRD

每位专家都有访问前一位专家生成文档的权限，确保一个逐步发展的过程，每一阶段都在前一阶段的基础上进行。

对话流程和文档生成

系统设计为与用户进行对话，直到：

用户明确请求文档生成
- shouldGenerateDocument 函数（第 101-118 行）检查诸如“生成文档”，“创建 PRD”等短语
- 如果用户请求生成文档，系统检查是否已覆盖所有必需的主题（第 43 行）
- 如果主题缺失，它会通知用户并继续对话（第 46-49 行）
- 只有当所有主题都被覆盖时，才会生成文档
AI 确定已收集足够信息
- 每个专家提示明确指示“在当前主题充分定义之前，不要转向下一个主题”（第 15 行）
- 系统跟踪主题完成情况（第 247-281 行）
- 专家提示包括在结束前“与用户核实是否准确捕捉了所有需求”的指令（第 32 行）
- 提示还指示询问用户“是否希望生成最终的 PRD 文档”（第 32 行）
在前进前的验证
- 所有三个专家提示包括在结束前与用户的验证指令
- 产品经理提示：“在结束前，与用户核实是否准确捕捉了所有需求。当用户满意时，询问他们是否希望生成最终的 PRD 文档...”（第 32 行）
- 用户体验设计师提示：“在结束前，与用户核实所有 UX 决策并与产品愿景保持一致。当用户满意时，询问他们是否希望生成最终的 UX 设计文档...”（第 30 行）
- 软件架构师提示：“在结束前，与用户核实技术方法并确保符合前几个阶段的所有需求。当用户满意时，询问他们是否希望生成最终的