Original em inglês: https://argusic.com/subject/flowx
FlowX
Servidor MCP e SDK Python que gera, executa e refina fluxos de trabalho de AI agent via linguagem natural (Generative Workflow, A2A, FastAPI).
Executa com mocksfonte: GitHubpágina do projetoPythonApache-2.0commit 212a78e84d80
Python, licença Apache-2.0. O projeto se descreve como: a2a, agent workflows, ai agents, ai agents automation, ai agents framework, generative ai, harness e llm.
FlowX executa, com substitutos para os serviços de que depende. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 38 minutos e encontrou 8 erros, corrigindo todos sem ajuda, e a sessão inteira foi gravada.
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.
O que o agent conseguiu em uma máquina limpa, nas palavras dele. Como isto é medido
Medido pela Argusic em uma máquina nova, todas as vezes. Cada número tem link para as suas evidências. Pontuação Argusic 92 de 100 (a média das pontuações das execuções deste projeto).
Visão geral
Dados do projeto de GitHub, com link no topo desta página, atualizado em . Dados de teste da Argusic (CC BY 4.0); cada número tem link para uma página de execução com o log completo, a gravação e os hashes sha256 deles.
O que foi medido
Da execução que decidiu este veredito. Cada linha é um valor registrado, não uma estimativa.
O que deu errado, nas palavras do agent
As palavras do próprio agent, das piores para as menores, nunca reescritas como conselho.
- 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 minutos
- 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 minutos
- 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 minutos
- 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 minutos
- 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 minutos
- 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 minutos
- Tempo de instalação
- 38 minutos
- Da máquina limpa até o fim
- 35 minutos
- Erros encontrados e corrigidos
- 8 encontrados, 8 corrigidos sem ajuda humana
- Como o resultado foi comprovado
- 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 modelo usados
- 364.512
- Commit exato testado
- 212a78e84d80
- Imagem do container
- sha256:cdd920bce783
O que não foi medido
A outra metade, para você ver exatamente até onde estas evidências vão. Uma lacuna é mostrada como lacuna e nunca é preenchida.
- Pico de memória da GPU
- esta execução foi em uma máquina com CPU, então não havia GPU para medir
- Comportamento em uma execução longa
- cada tentativa usa as menores configurações documentadas e um orçamento de tempo fixo, então isto mede se ele executa, não como ele se comporta sob carga
- Comportamento com serviços reais
- esta execução foi verificada apenas com serviços substitutos
O fim da gravação
As últimas linhas da sessão de terminal que decidiu este veredito, exatamente como foram gravadas.
- 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.
Reproduzir a sessão inteira, cada comando desde a máquina limpa até este ponto.
Como foi testado
Um agent, um container, nenhuma ajuda humana. Ele instala o projeto do jeito que a própria documentação do projeto manda, executa o projeto e corrige o que quebra. Tudo abaixo é registrado como aconteceu: a sessão de terminal, o log e o commit exato. A metodologia completa.
Pontos fortes e limites
Fatos medidos, não opiniões. Como este conteúdo é escrito.
O que deu certo
- Recuperou-se de todos os 8 erros sem que uma pessoa interviesse, o que indica que as falhas estão documentadas o suficiente para serem resolvidas.
- Licença Apache-2.0, segundo a plataforma onde o projeto está hospedado.
O que não deu certo, ou não se sabe
- Só chegou a um estado de execução com serviços substitutos, então nada aqui prova que ele funciona com os serviços reais.
- Levou 38 minutos para instalar, mais devagar que a mediana dos 8 projetos comparáveis que a Argusic mediu.
- Medido uma vez até agora. Uma única tentativa mostra que ele pode executar, não que executa de forma confiável.
Dos 9 projetos de a2a que a Argusic instalou e cronometrou, FlowX foi o 8º mais rápido a chegar a um estado de execução, e 8 de 9 chegaram a esse estado.
Também testados, na mesma área
Cada um destes foi instalado e executado pela Argusic em uma máquina limpa. Nada aparece aqui sem ter sido testado.
Histórico de execuções
| testado por | tentativa | resultado | pontuação | custo USD | quando |
|---|---|---|---|---|---|
| Argusic Runner | 1/3 | Executa com mocks | 92,00 | 0,88 |
Tópicos (de GitHub)
a2aagent-workflowsai-agentsai-agents-automationai-agents-frameworkgenerative-aiharnessllmmcpworkflow-automationworkflow-generationworkflow-orchestration
Incorporar o selo
Markdown para o README do projeto. Ele tem link de volta para esta página; os termos estão na página de termos.
[](https://argusic.com/subject/flowx)Perguntas
- FlowX executa?
- FlowX executa, com mocks no lugar de serviços externos. A Argusic o instalou e iniciou em uma máquina limpa em 38 minutos, encontrando 8 erros no caminho, e gravou a sessão.
- Como a Argusic testou FlowX?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit 212a78e84d80. Há uma tentativa registrada, e a metodologia completa está na página da metodologia.
- Quanto custou testar FlowX?
- A execução que produziu este veredito custou US$ 0,88: custo real de computação e de modelo, não um preço de tabela por milhão de tokens. Esse valor está registrado na página da execução.
- Quanto tempo leva para instalar FlowX?
- 38 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- FlowX precisa de GPU?
- Não para iniciar. A Argusic chegou a um estado de execução em uma máquina sem GPU.
- O que dá errado ao instalar FlowX?
- 8 coisas quebraram na execução registrada, e 8 foram corrigidas sem ajuda humana. Cada uma, com o tempo que custou, está listada nesta página.
- Como FlowX se compara às alternativas?
- Dos 9 projetos de a2a que a Argusic instalou e cronometrou, FlowX foi o 8º mais rápido a chegar a um estado de execução, e 8 de 9 chegaram a esse estado.
- Onde estão as evidências de FlowX?
- A execução registrada está nesta página, cada uma com link para o seu log completo e a sua gravação do terminal, guardados com uma impressão digital sha256 para que não possam ser alterados discretamente.