FlowX 프로젝트는 실행되나요?

FlowX 프로젝트는 외부 서비스를 mock으로 대체하면 실행됩니다. Argusic은 깨끗한 머신에서 38분 만에 설치하고 실행했으며, 그 과정에서 오류 8개가 발생했고, 세션을 녹화했습니다.

Argusic은 FlowX 프로젝트를 어떻게 테스트했나요?

새로운 일회용 머신에서 모든 명령을 기록하며 테스트했습니다. 리포지토리는 commit 212a78e84d80에 고정되었습니다. 기록된 시도는 한 번이며, 전체 방법은 방법론 페이지에 있습니다.

FlowX 테스트 비용은 얼마였나요?

이 판정을 낸 실행의 비용은 0.88 USD입니다: 백만 token당 정가가 아니라 실제 컴퓨팅 및 모델 비용입니다. 해당 실행 페이지에 기록되어 있습니다.

FlowX 설치에는 얼마나 걸리나요?

이 판정을 결정한 실행에서 깨끗한 머신부터 실행 상태까지 38분이 걸렸습니다. 평균이 아니라 측정된 한 번의 시도입니다.

FlowX 실행에 GPU가 필요한가요?

시작하는 데는 필요하지 않습니다. Argusic은 GPU가 없는 머신에서 실행 상태에 도달했습니다.

FlowX 설치 시 어떤 문제가 생기나요?

기록된 실행에서 8개의 문제가 발생했습니다. 그중 8개는 사람의 도움 없이 수정되었습니다. 각 문제와 그로 인해 든 시간이 이 페이지에 나와 있습니다.

FlowX 프로젝트의 증거는 어디에 있나요?

기록된 실행이 이 페이지에 있으며, 각각 전체 log와 터미널 녹화로 연결됩니다. 이들은 몰래 변경할 수 없도록 sha256 지문과 함께 저장됩니다.

영어 원문: https://argusic.com/subject/flowx

FlowX

자연어로부터 AI agent 워크플로를 생성, 실행, 개선하는 MCP 서버 및 Python SDK (Generative Workflow, A2A, FastAPI)

mock으로 실행됨출처: GitHub 홈페이지PythonApache-2.0commit 212a78e84d80

Python, Apache-2.0 라이선스. 프로젝트 자체 레이블: a2a, agent workflows, ai agents, ai agents automation, ai agents framework, generative ai, harness 및 llm.

FlowX: 의존하는 서비스를 대체물로 바꾸면 실행됩니다. Argusic agent가 GPU가 없는 깨끗한 머신에서 38분 만에 설치했고, 오류 8개가 발생했지만 도움 없이 모두 수정했으며, 전체 세션이 녹화되었습니다.

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.
깨끗한 머신에서 agent가 얻은 결과를 agent 자신의 말로 옮긴 것입니다. 측정 방법

Argusic이 매번 새 머신에서 측정합니다. 모든 수치는 해당 증거로 연결됩니다. Argusic 점수 100점 만점에 92점(이 프로젝트 실행 점수의 평균).

한눈에 보기

판정: mock으로 실행됨
Argusic 점수: 92 / 100
검증 실행 비용: 0.88 USD(측정값)
기록된 실행: 1
마지막 테스트: 2026-10-31
스타: 201
포크: 12
열린 issue: 0
watcher: 9
크기: 6 MB
생성일: 2026-08-05
마지막 push: 2026-11-04

프로젝트 데이터 출처: GitHub(이 페이지 상단에 링크), 업데이트 2026-11-04. 테스트 데이터 제공: Argusic(CC BY 4.0). 모든 수치는 전체 log, 녹화, 그리고 그 sha256 해시가 있는 실행 페이지로 연결됩니다.

측정한 항목

이 판정을 결정한 실행에서 가져왔습니다. 모든 줄은 추정치가 아니라 기록된 값입니다.

FlowX 테스트 중 각 실패로 잃은 시간, 기록된 실행에서 그림 — 각 막대는 agent가 기록한 실패와 그로 인해 소요된 시간입니다. 다른 곳이 아닌 이 실행에서 그렸습니다.

agent 자신의 말로 본 문제점

agent가 직접 남긴 말이며, 심각한 것부터 나열하고 조언으로 고쳐 쓰지 않습니다.

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.30분
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.18분
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.12분
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.10분
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.8분
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.8분

설치 시간: 38분
깨끗한 머신에서 완료까지: 35분
발생하고 수정된 오류: 8개 발생, 8개를 사람의 도움 없이 수정
결과를 증명한 방법: 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.
사용한 모델 token: 364,512
테스트한 정확한 commit: 212a78e84d80
컨테이너 이미지: sha256:cdd920bce783

측정하지 않은 항목

나머지 절반입니다. 이 증거가 어디까지 유효한지 정확히 볼 수 있도록 공백은 공백으로 표시하며 절대 채워 넣지 않습니다.

최대 GPU 메모리: CPU 머신에서 실행되어 샘플링할 GPU가 없었습니다
장시간 실행 시 동작: 각 시도는 문서화된 가장 작은 설정과 고정된 시간 예산을 사용하므로, 부하에서 얼마나 버티는지가 아니라 실행되는지를 측정합니다
실제 서비스에 대한 동작: 이 실행은 대체 서비스로만 검증되었습니다

녹화의 마지막 부분

이 판정을 결정한 터미널 세션의 마지막 줄을 기록된 그대로 보여 줍니다.

- 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.

전체 세션 다시 보기, 깨끗한 머신에서 이 시점까지의 모든 명령.

테스트 방법

하나의 agent, 하나의 컨테이너, 사람의 도움 없음. agent는 프로젝트 문서가 안내하는 방식대로 프로젝트를 설치하고 실행하며, 문제가 생기면 수정합니다. 아래의 모든 내용은 실제로 일어난 그대로 기록되었습니다: 터미널 세션, log, 정확한 commit. 전체 방법론.

장점과 한계

의견이 아니라 측정된 사실입니다. 콘텐츠 작성 방식.

잘된 점

사람의 개입 없이 오류 8개에서 모두 복구했습니다. 실패가 해결할 수 있을 만큼 잘 문서화되어 있다는 뜻입니다.
호스트가 보고한 라이선스는 Apache-2.0입니다.

잘되지 않은 점 또는 알 수 없는 점

대체 서비스로만 실행 상태에 도달했으므로, 실제 서비스에서 작동한다는 것은 여기서 증명되지 않습니다.
설치에 38분이 걸려, Argusic이 측정한 비슷한 프로젝트 8개의 중앙값보다 느렸습니다.
지금까지 한 번 측정되었습니다. 한 번의 시도는 실행될 수 있음을 보여 줄 뿐, 안정적으로 실행된다는 것을 보여 주지는 않습니다.

Argusic이 설치하고 시간을 잰 a2a 프로젝트 9개 중 FlowX 프로젝트는 실행 상태에 8번째로 빨리 도달했으며, 9개 중 8개만 실행 상태에 도달했습니다.

같은 분야에서 함께 테스트한 프로젝트

여기 있는 모든 프로젝트는 Argusic이 깨끗한 머신에 설치하고 실행했습니다. 테스트하지 않은 프로젝트는 여기에 나오지 않습니다.

실행 기록

테스트 주체	시도	결과	점수	비용 USD	시점
Argusic Runner	1/3	mock으로 실행됨	92.00	0.88	2026-10-31 07:51 UTC

토픽 (출처: GitHub)

a2a agent-workflows ai-agents ai-agents-automation ai-agents-framework generative-ai harness llm mcp workflow-automation workflow-generation workflow-orchestration

배지 삽입

프로젝트 README용 Markdown입니다. 이 페이지로 다시 연결되며, 이용 조건은 다음에 있습니다: 이용 약관 페이지.

[![Tested by Argusic](https://argusic.com/badge/FlowX.svg)](https://argusic.com/subject/flowx)

질문

FlowX 프로젝트는 실행되나요?: FlowX 프로젝트는 외부 서비스를 mock으로 대체하면 실행됩니다. Argusic은 깨끗한 머신에서 38분 만에 설치하고 실행했으며, 그 과정에서 오류 8개가 발생했고, 세션을 녹화했습니다.
Argusic은 FlowX 프로젝트를 어떻게 테스트했나요?: 새로운 일회용 머신에서 모든 명령을 기록하며 테스트했습니다. 리포지토리는 commit 212a78e84d80에 고정되었습니다. 기록된 시도는 한 번이며, 전체 방법은 방법론 페이지에 있습니다.
FlowX 테스트 비용은 얼마였나요?: 이 판정을 낸 실행의 비용은 0.88 USD입니다: 백만 token당 정가가 아니라 실제 컴퓨팅 및 모델 비용입니다. 해당 실행 페이지에 기록되어 있습니다.
FlowX 설치에는 얼마나 걸리나요?: 이 판정을 결정한 실행에서 깨끗한 머신부터 실행 상태까지 38분이 걸렸습니다. 평균이 아니라 측정된 한 번의 시도입니다.
FlowX 실행에 GPU가 필요한가요?: 시작하는 데는 필요하지 않습니다. Argusic은 GPU가 없는 머신에서 실행 상태에 도달했습니다.
FlowX 설치 시 어떤 문제가 생기나요?: 기록된 실행에서 8개의 문제가 발생했습니다. 그중 8개는 사람의 도움 없이 수정되었습니다. 각 문제와 그로 인해 든 시간이 이 페이지에 나와 있습니다.
FlowX 프로젝트는 대안과 비교해 어떤가요?: Argusic이 설치하고 시간을 잰 a2a 프로젝트 9개 중 FlowX 프로젝트는 실행 상태에 8번째로 빨리 도달했으며, 9개 중 8개만 실행 상태에 도달했습니다.
FlowX 프로젝트의 증거는 어디에 있나요?: 기록된 실행이 이 페이지에 있으며, 각각 전체 log와 터미널 녹화로 연결됩니다. 이들은 몰래 변경할 수 없도록 sha256 지문과 함께 저장됩니다.