Englisches Original: https://argusic.com/subject/flowx
FlowX
MCP server und Python SDK, das AI-Agent-Workflows aus natürlicher Sprache erzeugt, ausführt und verfeinert (Generative Workflow, A2A, FastAPI).
Läuft mit MocksQuelle: GitHubHomepagePythonApache-2.0Commit 212a78e84d80
Python, Lizenz Apache-2.0. Das Projekt beschreibt sich selbst als: a2a, agent workflows, ai agents, ai agents automation, ai agents framework, generative ai, harness und llm.
FlowX läuft, mit Ersatz für die Dienste, von denen es abhängt. Ein Argusic-Agent hat es in 38 Minuten installiert und ist auf 8 Fehler gestoßen und hat jeden davon ohne Hilfe behoben. Das geschah auf einer sauberen Maschine ohne GPU, und die gesamte Sitzung wurde aufgezeichnet.
After mounting a mock pydaograph and a mock LLM endpoint, this container installs FlowX from the checkout, its 623-test suite passes, and the SDK, stdio MCP server and A2A HTTP server build a 4-node workflow whose generated FastAPI service returns HTTP 200 on GET / and serves /api/run-step end to end.
Was der Agent auf einer sauberen Maschine erreicht hat, in seinen eigenen Worten. So wird gemessen
Von Argusic jedes Mal auf einer frischen Maschine gemessen. Jede Zahl verlinkt auf ihren Nachweis. Argusic Score 92 von 100 (der Mittelwert der Lauf-Scores dieses Projekts).
Auf einen Blick
Projektdaten von GitHub, oben auf dieser Seite verlinkt, aktualisiert . Testdaten von Argusic (CC BY 4.0); jede Zahl verlinkt auf eine Laufseite mit dem vollständigen Log, der Aufzeichnung und deren sha256-Hashes.
Was gemessen wurde
Aus dem Lauf, der diesen Befund entschieden hat. Jede Zeile ist ein aufgezeichneter Wert, keine Schätzung.
Was schiefging, in den Worten des Agents
Die eigenen Worte des Agents, das Schwerste zuerst, nie zu Ratschlägen umgeschrieben.
- pip install -e . failed building pydaograph: Python development headers (Python.h) not found under /usr/include/python3.12; no prebuilt wheel on PyPI and no root to install python3-dev.30 Minuten
- flowx-a2a served GET /.well-known/agent-card.json and POST /a2a as 422 'missing query request': Request was imported only inside create_app while 'from __future__ import annotations' made FastAPI resolve it in module globals.18 Minuten
- run_service launched the generated main.py with /usr/bin/python3 because select_python_command picked PATH python instead of the FlowX venv; the service crashed with ModuleNotFoundError: No module named 'dotenv' and base_url never answered.12 Minuten
- A2A message/send with metadata.workflowId was rejected with 'a new workflow needs a requirement' because every message was regrouped through build_workflow; README promised the left-out continuation path.10 Minuten
- Real DeepSeek endpoint (provider=deepseek with DEEPSEEK_BASE_URL) returned 401 Authentication Fails for every LLM call; the deepseek provider does not honor a base-URL override, so the mock was insufficient there.8 Minuten
- flowx-mcp over stdio emitted non-JSON lines (uvicorn 'INFO ... GET / HTTP/1.1 200 OK') on the stdout protocol channel after run_service/run_step, breaking clients.8 Minuten
- Installationszeit
- 38 Minuten
- Von der kalten Maschine bis zum Ende
- 35 Minuten
- Aufgetretene und behobene Fehler
- 8 aufgetreten, 8 ohne menschliche Hilfe behoben
- Wie das Ergebnis belegt wurde
- pytest -q exited 0 with 623 passed, 1 warning. Against a mock OpenAI-compatible server: FlowXClient.build_workflow returned ok=True with errors {} and 4 nodes plus main entrypoint; the generated service answered GET / -> 200 {"ok":true,"service":"ag-ui-lifecycle-backend"}, POST /api/run-step with no input -> 200 with input_required, and with a ticket -> 200 RUN_FINISHED final {"category":"billing","priority":"high","reply":"Thanks for contacting support. We classified your billing ticket as high priority."}; A2A GET /.well-known/agent-card.json -> 200 protocolVersion 0.3 and POST /a2a message/send -> 200 state completed ok true. A stdio MCP session initialized, listed 12 tools, build_workflow ok true, run_service ok, run_step completed all 4 steps, stop_service ok, with no non-JSON stdout lines.
- Verbrauchte Modell-Tokens
- 364.512
- Genau getesteter Commit
- 212a78e84d80
- Container-Image
- sha256:cdd920bce783
Was nicht gemessen wurde
Die andere Hälfte, damit Sie genau sehen, wie weit dieser Nachweis reicht. Eine Lücke wird als Lücke angezeigt und nie aufgefüllt.
- Maximaler GPU-Speicher
- dieser Lauf fand auf einer CPU-Maschine statt, es gab also keine GPU zu messen
- Verhalten über einen langen Lauf
- jeder Versuch verwendet die kleinsten dokumentierten Einstellungen und ein festes Zeitbudget, daher misst dies, ob es läuft, nicht wie es sich unter Last hält
- Verhalten gegenüber echten Diensten
- dieser Lauf wurde nur gegen Ersatzdienste verifiziert
Das Ende der Aufzeichnung
Die letzten Zeilen der Terminalsitzung, die diesen Befund entschieden hat, genau so, wie sie aufgezeichnet wurden.
- Standard `pip install -e .` failed, because the `pydaograph` runtime is a C++ extension with no p… - After that, the real `ag_ui_workflow` request-scoped engine ran FlowX's workflow generation, audi… - I stood up a local Argusic-compatible LLM mock and drove FlowX's own `Coder` against it. Every bu… - I verified over SDK, stdio MCP, live A2A HTTP, and the generated service's own HTTP endpoints. **Repo bugs fixed** (each documented inline and in `README.md` where user-facing) - A2A app treated `Request` as a query parameter (422 on every route) and couldn't accept A2A's `me… - Generated services were launched with whatever `python3` was on `PATH`, so they started without d… - Managed service output was inherited onto the MCP stdio channel and corrupted the protocol. It no… **Not verified** - Real provider credentials: only the mock was exercised. - Direct DeepSeek endpoint: it has separate config and always returned 401, so the mock was insuffi… - Python 3.10: only Python 3.12 is present.
Gesamte Sitzung abspielen, jeder Befehl von einer sauberen Maschine bis zu diesem Punkt.
So wurde getestet
Ein Agent, ein Container, keine menschliche Hilfe. Er installiert das Projekt so, wie es die eigene Dokumentation beschreibt, führt es aus und behebt, was nicht funktioniert. Alles Folgende wurde so aufgezeichnet, wie es geschah: die Terminalsitzung, das Log und der genaue Commit. Die vollständige Methodik.
Stärken und Grenzen
Gemessene Fakten, keine Meinungen. Wie diese Inhalte entstehen.
Was gut lief
- Hat sich von allen 8 Fehlern erholt, ohne dass ein Mensch eingriff, was zeigt, dass die Fehlschläge gut genug dokumentiert sind, um sie zu lösen.
- Lizenz Apache-2.0, laut Angabe des Hosts.
Was nicht lief oder unbekannt ist
- Hat einen lauffähigen Zustand nur gegen Ersatzdienste erreicht, daher belegt nichts hier, dass es mit den echten funktioniert.
- Die Installation dauerte 38 Minuten, langsamer als der Median der 8 vergleichbaren Projekte, die Argusic gemessen hat.
- Bisher einmal gemessen. Ein einzelner Versuch zeigt, dass es laufen kann, nicht dass es zuverlässig läuft.
Von den 9 Projekten im Bereich a2a, die Argusic installiert und zeitlich gemessen hat, belegte FlowX Platz 8 bei der Zeit bis zum lauffähigen Zustand, und 8 von 9 erreichten überhaupt einen solchen Zustand.
Ebenfalls getestet, im selben Bereich
Jedes dieser Projekte wurde von Argusic auf einer sauberen Maschine installiert und ausgeführt. Hier erscheint nichts, was nicht getestet wurde.
Laufverlauf
| getestet von | Versuch | Ergebnis | Score | Kosten USD | wann |
|---|---|---|---|---|---|
| Argusic Runner | 1/3 | Läuft mit Mocks | 92,00 | 0,88 |
Themen (von GitHub)
a2aagent-workflowsai-agentsai-agents-automationai-agents-frameworkgenerative-aiharnessllmmcpworkflow-automationworkflow-generationworkflow-orchestration
Badge einbetten
Markdown für die README des Projekts. Es verlinkt hierher zurück; Bedingungen auf der Seite mit den Nutzungsbedingungen.
[](https://argusic.com/subject/flowx)Fragen
- Läuft FlowX?
- FlowX läuft, mit Mocks als Ersatz für externe Dienste. Argusic hat es auf einer sauberen Maschine in 38 Minuten installiert und gestartet, ist dabei auf 8 Fehler gestoßen und hat die Sitzung aufgezeichnet.
- Wie hat Argusic FlowX getestet?
- Auf einer frischen Einwegmaschine, mit jedem Befehl aufgezeichnet und dem Repository fixiert auf Commit 212a78e84d80. Ein Versuch ist aufgezeichnet, und die vollständige Methode steht auf der Seite zur Methodik.
- Was hat der Test von FlowX gekostet?
- Der Lauf, der diesen Befund ergab, kostete 0,88 USD: echte Rechen- und Modellkosten, kein Listenpreis pro Million Tokens. Der Betrag ist auf der Seite dieses Laufs aufgezeichnet.
- Wie lange dauert die Installation von FlowX?
- 38 Minuten in dem Lauf, der diesen Befund entschieden hat, von einer sauberen Maschine bis zum lauffähigen Zustand. Das ist ein gemessener Versuch, kein Durchschnitt.
- Braucht FlowX eine GPU?
- Nicht zum Starten. Argusic hat auf einer Maschine ohne GPU einen lauffähigen Zustand erreicht.
- Was geht bei der Installation von FlowX schief?
- Im aufgezeichneten Lauf gingen 8 Dinge kaputt, und 8 davon wurden ohne menschliche Hilfe behoben. Jedes davon und die Zeit, die es gekostet hat, ist auf dieser Seite aufgeführt.
- Wie schneidet FlowX im Vergleich zu Alternativen ab?
- Von den 9 Projekten im Bereich a2a, die Argusic installiert und zeitlich gemessen hat, belegte FlowX Platz 8 bei der Zeit bis zum lauffähigen Zustand, und 8 von 9 erreichten überhaupt einen solchen Zustand.
- Wo ist der Nachweis für FlowX?
- Der aufgezeichnete Lauf ist auf dieser Seite, jeweils mit Link auf das vollständige Log und die Terminalaufzeichnung, gespeichert mit einem sha256-Fingerabdruck, damit nichts unbemerkt verändert werden kann.