$ loading_
将任务编排为 DAG 并自动验证循环，持续修复直到通过
复制安装指令，让 AI 自动完成配置 · 推荐新手
"mcp-graph-loop" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请把这个功能开发流程拆成 DAG：先实现 API，再补测试，最后运行验证命令；如果验证失败，继续迭代修复直到全部通过，并汇报每个节点状态。
返回任务依赖关系、各节点执行与验证状态，以及失败后迭代修复直至通过的结果摘要。
为当前项目建立一个带验证循环的任务图：编码完成后自动执行测试和校验命令，记录结果，并在失败时触发修复步骤。
输出包含验证命令执行结果、状态跟踪信息和后续修复动作的任务流程。
请把以下开发子任务组织成有依赖关系的 DAG，并对每一步设置通过条件；在任何一步未通过时，继续迭代修复直到满足条件。
得到带依赖、状态、通过条件和修复循环的结构化任务执行方案。
开发者在处理包含实现、测试、验证等多个环节的工作时，可以用它把任务组织成 DAG。这样能明确依赖关系，并按状态追踪每一步是否完成或通过验证。
当代码或任务执行后需要运行验证命令时，这个工具可以在失败后继续迭代修复。适合需要反复检查直到通过的自动化流程。
运维或工程团队可用它查看 DAG 中各任务节点的状态和验证结果。这样便于发现卡住的环节，并判断整体流程是否已满足通过条件。
它用于让 AI 代理把任务编排成 DAG，并结合自动验证循环执行。它还能运行验证命令、跟踪状态，并在失败时迭代修复直到任务通过。
支持。给定描述明确提到它允许迭代式代码修复，直到任务通过验证。
当前素材没有提供安装步骤、运行环境或密钥要求。具体信息请见源码仓库。
帮助 AI 智能体编排任务流程，管理依赖、并行执行与失败策略。
帮助 AI 代理编排复杂任务流并自动处理依赖与重试。
帮助用户构建、分析并可视化关系图谱，执行 PageRank 与环检测等图算法。
检测智能编程流程中的重试循环与迭代模式，帮助定位问题并优化修复策略。
让 AI 在代码仓库中循环执行修复与开发任务，并结合质检、安全门禁和审批流程。
为 AI 代理提供知识图谱查询与 Shell 委派，提升自动化效率并显著降低 token 消耗。