Original en anglais: https://argusic.com/subject/flowx
FlowX
Serveur MCP et SDK Python qui génère, exécute et affine des workflows d'AI agent à partir du langage naturel (Generative Workflow, A2A, FastAPI).
Fonctionne avec des mockssource : GitHubpage d'accueilPythonApache-2.0commit 212a78e84d80
Python, sous licence Apache-2.0. Le projet se décrit ainsi : a2a, agent workflows, ai agents, ai agents automation, ai agents framework, generative ai, harness et llm.
FlowX fonctionne, avec des substituts pour les services dont il dépend. Un agent Argusic l'a installé en 38 minutes et a rencontré 8 erreurs, toutes corrigées sans aide sur une machine propre sans GPU, et toute la session a été enregistrée.
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.
Ce que l'agent a obtenu sur une machine propre, dans ses propres mots. Comment c'est mesuré
Mesuré par Argusic sur une machine vierge, à chaque fois. Chaque chiffre renvoie à ses preuves. Score Argusic de 92 sur 100 (la moyenne des scores des exécutions de ce projet).
En un coup d'œil
Données du projet issues de GitHub, avec un lien en haut de cette page, mis à jour le . Données de test d'Argusic (CC BY 4.0) ; chaque chiffre renvoie à une page d'exécution avec le log complet, l'enregistrement et leurs empreintes sha256.
Ce qui a été mesuré
Tiré de l'exécution qui a décidé ce verdict. Chaque ligne est une valeur enregistrée, pas une estimation.
Ce qui s'est mal passé, dans les mots de l'agent
Les propres mots de l'agent, le plus grave en premier, jamais réécrits en conseils.
- 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 minutes
- 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 minutes
- 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 minutes
- 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 minutes
- 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 minutes
- 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 minutes
- Temps d'installation
- 38 minutes
- De la machine vierge à la fin
- 35 minutes
- Erreurs rencontrées et corrigées
- 8 rencontrées, 8 corrigées sans aide humaine
- Comment le résultat a été prouvé
- 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.
- Tokens de modèle utilisés
- 364 512
- Commit exact testé
- 212a78e84d80
- Image de conteneur
- sha256:cdd920bce783
Ce qui n'a pas été mesuré
L'autre moitié, pour que vous voyiez exactement jusqu'où vont ces preuves. Une lacune est affichée comme une lacune et n'est jamais comblée.
- Pic de mémoire GPU
- cette exécution a eu lieu sur une machine CPU, il n'y avait donc pas de GPU à mesurer
- Comportement sur une longue durée
- chaque tentative utilise les réglages documentés les plus légers et un budget de temps fixe : on mesure donc s'il fonctionne, pas comment il tient sous la charge
- Comportement face aux vrais services
- cette exécution n'a été vérifiée qu'avec des services de substitution
La fin de l'enregistrement
Les dernières lignes de la session de terminal qui a décidé ce verdict, exactement telles qu'elles ont été enregistrées.
- 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.
Revoir toute la session, chaque commande depuis une machine propre jusqu'à ce point.
Comment le test a été mené
Un agent, un conteneur, aucune aide humaine. Il installe le projet comme l'indique sa propre documentation, l'exécute et corrige ce qui casse. Tout ce qui suit est enregistré tel que cela s'est passé : la session de terminal, le log et le commit exact. La méthode complète.
Points forts et limites
Des faits mesurés, pas des opinions. Comment ce site est rédigé.
Ce qui s'est bien passé
- S'est remis des 8 erreurs sans intervention humaine, ce qui indique que les échecs sont assez bien documentés pour être résolus.
- Sous licence Apache-2.0, selon son hébergeur.
Ce qui ne s'est pas bien passé, ou n'est pas connu
- N'a atteint un état de fonctionnement qu'avec des services de substitution : rien ici ne prouve qu'il fonctionne avec les vrais.
- Installation en 38 minutes, plus lente que la médiane des 8 projets comparables mesurés par Argusic.
- Mesuré une seule fois jusqu'ici. Une seule tentative montre qu'il peut fonctionner, pas qu'il fonctionne de façon fiable.
Sur les 9 projets a2a qu'Argusic a installés et chronométrés, FlowX a été le 8e plus rapide à atteindre un état de fonctionnement, et 8 sur 9 en ont atteint un.
Également testés, dans le même domaine
Chacun de ces projets a été installé et exécuté par Argusic sur une machine propre. Rien n'apparaît ici sans avoir été testé.
Historique des exécutions
| testé par | tentative | résultat | score | coût USD | date |
|---|---|---|---|---|---|
| Argusic Runner | 1/3 | Fonctionne avec des mocks | 92,00 | 0,88 |
Sujets (depuis GitHub)
a2aagent-workflowsai-agentsai-agents-automationai-agents-frameworkgenerative-aiharnessllmmcpworkflow-automationworkflow-generationworkflow-orchestration
Intégrer le badge
Markdown pour le README du projet. Il renvoie vers cette page ; conditions sur la page des conditions.
[](https://argusic.com/subject/flowx)Questions
- FlowX fonctionne-t-il ?
- FlowX fonctionne, avec des mocks à la place des services externes. Argusic l'a installé et lancé sur une machine propre en 38 minutes, en rencontrant 8 erreurs en route, et a enregistré la session.
- Comment Argusic a-t-il testé FlowX ?
- Sur une machine vierge et jetable, avec chaque commande enregistrée et le dépôt épinglé au commit 212a78e84d80. Une tentative est enregistrée, et la méthode complète se trouve sur la page de méthodologie.
- Combien a coûté le test de FlowX ?
- L'exécution qui a produit ce verdict a coûté 0,88 USD : le coût réel du calcul et du modèle, pas un prix catalogue par million de tokens. Il est enregistré sur la page de cette exécution.
- Combien de temps faut-il pour installer FlowX ?
- 38 minutes lors de l'exécution qui a décidé ce verdict, d'une machine propre à un état de fonctionnement. Il s'agit d'une tentative mesurée, pas d'une moyenne.
- FlowX a-t-il besoin d'un GPU ?
- Pas pour démarrer. Argusic a atteint un état de fonctionnement sur une machine sans GPU.
- Qu'est-ce qui pose problème lors de l'installation de FlowX ?
- 8 problèmes sont survenus lors de l'exécution enregistrée, et 8 ont été corrigés sans aide humaine. Chacun, avec le temps qu'il a coûté, est listé sur cette page.
- Comment FlowX se compare-t-il aux alternatives ?
- Sur les 9 projets a2a qu'Argusic a installés et chronométrés, FlowX a été le 8e plus rapide à atteindre un état de fonctionnement, et 8 sur 9 en ont atteint un.
- Où sont les preuves pour FlowX ?
- L'exécution enregistrée se trouve sur cette page, chacune avec un lien vers son log complet et son enregistrement du terminal, conservés avec une empreinte sha256 pour qu'ils ne puissent pas être modifiés discrètement.