$ loading_
帮助你编排多智能体工作流，并支持持久状态与可回放追踪。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"agent-workflow-mcp" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请为“自动生成接口文档”的任务设计一个多智能体工作流，包含 planner、executor、critic 三个角色，说明每一步输入、输出和失败重试策略。
一份结构化的工作流方案，包含代理分工、步骤顺序和异常处理建议。
这个多智能体任务在执行阶段中断了。请基于持久化运行状态，说明应如何恢复执行，并标出需要人工确认的节点。
一份恢复执行方案，说明从哪里继续、哪些状态应保留，以及人工介入点。
请根据可回放追踪的思路，给出一套排查多智能体工作流失败原因的方法，重点关注 planner、executor、critic 三者之间的交接问题。
一套排障步骤，帮助定位失败阶段、交接断点和可优化环节。
开发者或产品经理在设计复杂 AI 流程时，可用它编排 planner、executor、critic 等代理协同工作。这样能把任务拆分、执行和审查放入统一流程中管理。
当多步骤任务执行时间长或可能中断时，团队可以依赖持久化运行状态来减少重复执行。它适合需要恢复、继续或审计过程的工作流。
需要分析多智能体任务为何成功或失败时，可借助可回放追踪查看执行过程。它适合做流程复盘、问题定位和工作流优化。
它是一个基于 Model Context Protocol 的生产级多智能体工作流编排工具。描述中提到它包含 planner、executor、critic 代理，并支持持久化运行状态和可回放追踪。
当前未提供文档节选，无法确认安装步骤、运行方式或配置方法。具体接入方式见源码仓库。
从描述看，它强调多代理分工协作，而不是只靠单个代理处理全部任务。它还突出持久化运行状态与可回放追踪，这更适合复杂流程的恢复与复盘。
帮助开发者基于 MCP 与简单工作流模式构建高效智能代理。
帮助 AI 代理编排复杂任务流并自动处理依赖与重试。
为 AI 代理提供强制工作流编排、依赖管理与质量校验，确保按规范产出。
编排多模型智能体，自动完成规划、编码、评审到交付流程。
用于编排多模型智能体协作、执行工作流并进行确定性结果校验。
编排本地多智能体工作流，支持门控生命周期、交接事件与宿主续执行。