🤖 RuFlo MCP
RuFlo — продвинутый MCP-сервер для Claude Code, расширяющий его агентные возможности. Управление агентами, персистентная память, координация роевых систем, автопилот, embeddings, нейронные сети, браузерная автоматизация, workflows — всё в одном сервере с сотнями инструментов.
Что такое RuFlo
mcp__ruflo__* — пространство имён более 200 инструментов, доступных Claude Code через MCP-протокол. RuFlo реализует полный стек агентной инфраструктуры: от низкоуровневых примитивов (терминалы, браузер, embeddings) до высокоуровневых абстракций (swarm-координация, adaptive workflows, AI Defence).
Установка и подключение
~/.claude/settings.json или .mcp.json проекта/mcp — ruflo должен появиться в списке// ~/.claude/settings.json
{
"mcpServers": {
"ruflo": {
"command": "npx",
"args": ["-y", "@ruflo/mcp-server@latest"],
"env": {}
}
}
}
ToolSearch.
// Полная конфигурация с переменными окружения
{
"mcpServers": {
"ruflo": {
"command": "npx",
"args": ["-y", "@ruflo/mcp-server@latest"],
"env": {
"MCP_TOOL_SEARCH": "1",
"RUFLO_LOG_LEVEL": "warn"
}
}
}
}
Группы инструментов RuFlo
Все инструменты RuFlo сгруппированы по функциональным областям. Каждая группа решает отдельную задачу и может использоваться независимо или совместно с другими группами.
// Попроси CC создать агента-планировщика:
"Создай агента с ролью planner для анализа архитектуры проекта.
Агент должен изучить структуру папок и предложить рефакторинг."
// CC вызовет:
mcp__ruflo__agent_spawn → role="planner", task="analyze_architecture"
mcp__ruflo__agent_status → проверить прогресс
mcp__ruflo__agent_list → посмотреть все активные агенты
planner — стратегия и декомпозиция задач; coder — написание кода; reviewer — проверка качества; researcher — сбор и анализ информации; tester — тестирование.
// Скажи CC:
"Сохрани в RuFlo memory: мы используем CQRS для модуля orders.
Команды через CommandBus, чтение через отдельные Query-репозитории."
// CC вызовет:
mcp__ruflo__memory_store:
key: "architecture/orders_module"
value: "CQRS: CommandBus для write, QueryRepository для read"
tags: ["architecture", "orders", "cqrs"]
// В следующей сессии:
"Как устроен модуль orders?"
// CC вызовет memory_search → найдёт запись → ответит с контекстом
memory_search использует векторные embeddings — ищите по смыслу, не по точным словам. Запрос "авторизация" найдёт записи про "authentication", "login", "JWT".✅ Рефакторинг большого модуля: coder + reviewer работают параллельно
✅ Разработка фичи: planner → coder → tester → reviewer конвейером
✅ Аудит кодовой базы: несколько reviewer по разным модулям
✅ Исследование и реализация: researcher + coder одновременно
❌ Маленькие задачи — накладные расходы не оправданы
❌ Сильно зависимые задачи — лучше sequential выполнение
"Используй RuFlo swarm для параллельной реализации feature авторизации:
- planner агент: создаёт спецификацию и декомпозицию
- coder агент: реализует backend JWT логику
- tester агент: пишет unit-тесты
- reviewer агент: проверяет соответствие стандартам проекта"
// CC вызовет:
mcp__ruflo__swarm_init → создать рой с 4 агентами
mcp__ruflo__coordination_orchestrate → распределить задачи
mcp__ruflo__swarm_status → мониторить прогресс
// Синхронизировать состояние после параллельной работы:
mcp__ruflo__coordination_sync → объединить результаты агентов
// Разрешить конфликт: два агента предложили разные решения:
mcp__ruflo__coordination_consensus → достичь консенсуса через голосование
// Оркестрировать многошаговый workflow:
mcp__ruflo__coordination_orchestrate → управлять порядком выполнения
// Балансировать нагрузку между агентами:
mcp__ruflo__coordination_load_balance → равномерно распределить задачи
{
"name": "feature_development",
"description": "Полный цикл разработки фичи с агентами",
"steps": [
{
"id": "plan",
"agent": "planner",
"task": "create_spec",
"output": "spec.md"
},
{
"id": "implement",
"agent": "coder",
"task": "write_code",
"depends_on": ["plan"],
"input": "spec.md"
},
{
"id": "test",
"agent": "tester",
"task": "write_tests",
"depends_on": ["implement"],
"parallel": true
},
{
"id": "review",
"agent": "reviewer",
"task": "code_review",
"depends_on": ["implement", "test"]
}
]
}
"Создай и запусти workflow feature_development для фичи корзины покупок"
// CC вызовет:
mcp__ruflo__workflow_create → сохранить пайплайн
mcp__ruflo__workflow_execute → запустить с параметрами
mcp__ruflo__workflow_status → отслеживать прогресс
// Без RuFlo: один терминал, команды выполняются последовательно
cd /app && npm test
cd /api && python manage.py test // нужно ждать первого
// С RuFlo terminal_*: параллельно в разных сессиях
terminal_create: "frontend_tests" → cwd=/app
terminal_create: "backend_tests" → cwd=/api
// Одновременно:
terminal_execute: "frontend_tests" → "npm test"
terminal_execute: "backend_tests" → "python manage.py test"
// Через 30 сек:
terminal_history: "frontend_tests" → результат npm test
terminal_history: "backend_tests" → результат python tests
"Открой localhost:8000/register, заполни форму тестовыми данными,
отправь и проверь что пришло письмо с подтверждением"
// CC вызовет последовательно:
mcp__ruflo__browser_open: url="http://localhost:8000/register"
mcp__ruflo__browser_fill: selector="#name", value="Test User"
mcp__ruflo__browser_fill: selector="#email", value="test@example.com"
mcp__ruflo__browser_fill: selector="#password", value="SecurePass123"
mcp__ruflo__browser_click: selector="button[type=submit]"
mcp__ruflo__browser_wait: condition="url_contains(/verify)"
mcp__ruflo__browser_screenshot: filename="registration_success.png"
mcp__ruflo__browser_get_text: selector=".success-message"
// Обучить модель на паттернах кодовой базы:
mcp__ruflo__neural_train:
data: "project_code_patterns",
model: "code_completion"
// Предсказать следующий паттерн:
mcp__ruflo__neural_predict:
input: "function getUserOrders(",
model: "code_completion"
→ предложит сигнатуру на основе паттернов проекта
// Найти повторяющиеся паттерны в коде:
mcp__ruflo__neural_patterns: → "обнаружен паттерн: N+1 запрос в 12 местах"
// Обычный agent_spawn:
→ агент создаётся, выполняет задачу, завершается, не помнит ничего
// daa_agent_create:
→ агент запоминает стратегии, адаптируется, делится знаниями с роем
→ "Я уже видел эту ошибку в Laravel — вот оптимальное решение"
→ когнитивные паттерны накапливаются между сессиями
// daa_cognitive_pattern:
→ "В вашем проекте 87% ошибок авторизации — missing middleware"
→ "Оптимальная стратегия рефакторинга для этого проекта: ..."
// Проверить пользовательский ввод перед передачей агенту:
mcp__ruflo__aidefence_is_safe:
input: "user_provided_prompt"
→ safe: false, reason: "possible prompt injection: 'ignore previous instructions'"
// Проверить данные на наличие персональной информации:
mcp__ruflo__aidefence_has_pii:
text: "email: john@example.com, card: 4242-4242-4242-4242"
→ has_pii: true, types: ["email", "credit_card"]
→ нужно маскировать перед логированием
aidefence_scan перед передачей данных агентам. Prompt injection может скомпрометировать всю агентную систему."Почему workflow feature_development работает так медленно?"
// CC вызовет:
mcp__ruflo__performance_bottleneck: workflow="feature_development"
→ "Шаг review занимает 78% времени. Агент reviewer перегружен задачами.
Рекомендуется: spawn дополнительный reviewer агент или
разбить review на параллельные под-задачи."
mcp__ruflo__system_health:
→ cpu: 34%, memory: 67%, agents_active: 8, queue_depth: 23
// hooks_route автоматически определяет тип задачи:
mcp__ruflo__hooks_route:
task: "проанализируй этот SQL запрос и оптимизируй"
→ routing: "database_expert_agent" // не generic coder
// hooks_intelligence_learn — обучение на паттернах:
→ "80% задач с словом 'оптимизируй' требуют profile-инструмента"
→ "После edit PHP-файлов часто нужен phpcs — добавляю в post_edit hook"
Практические примеры
// Скажи CC:
"Используй RuFlo swarm для параллельной реализации feature: корзина покупок.
Нужны: planner (создаёт спецификацию), coder (backend Laravel API),
frontend-coder (Vue компоненты), tester (phpunit + jest тесты), reviewer."
// CC выполнит:
1. mcp__ruflo__swarm_init → создать рой из 5 агентов
2. mcp__ruflo__workflow_create → пайплайн с зависимостями
3. mcp__ruflo__agent_spawn ×5 → запустить каждого агента
4. mcp__ruflo__coordination_orchestrate → распределить задачи
5. mcp__ruflo__workflow_status → отслеживать прогресс
6. mcp__ruflo__coordination_sync → объединить результаты
// Первая сессия:
"Сохрани в RuFlo memory следующие архитектурные решения проекта:
1. CQRS для модуля orders
2. Event Sourcing для аудит-лога
3. Redis для session и cache (не база данных)
4. Все API через /api/v1/ с versioning"
// CC вызовет:
mcp__ruflo__memory_store: key="arch/orders", value="CQRS pattern"
mcp__ruflo__memory_store: key="arch/audit", value="Event Sourcing"
mcp__ruflo__memory_store: key="arch/cache", value="Redis only, no DB"
mcp__ruflo__memory_store: key="arch/api", value="versioned /api/v1/"
// Следующая сессия (неделю спустя):
"Как добавить новую API конечную точку для модуля orders?"
// CC автоматически вызовет:
mcp__ruflo__memory_search: query="orders module architecture"
→ найдёт: CQRS, Command через CommandBus, QueryRepository
→ сразу учтёт в реализации — не нужно объяснять заново
// Скажи CC:
"Используй mcp__ruflo__browser_* для полного E2E теста:
1. Открой localhost:8000
2. Авторизуйся как admin@example.com / password
3. Создай новый продукт через форму
4. Проверь что продукт появился в каталоге
5. Сделай скриншоты каждого шага"
// CC выполнит:
browser_open: "http://localhost:8000/login"
browser_fill: "#email" → "admin@example.com"
browser_fill: "#password" → "password"
browser_click: "button[type=submit]"
browser_wait: condition="url=/dashboard"
browser_screenshot: "01_logged_in.png"
browser_open: "http://localhost:8000/products/create"
browser_fill: "#name" → "Test Product"
browser_fill: "#price" → "999"
browser_click: "#submit"
browser_wait: condition="success_message_visible"
browser_screenshot: "02_product_created.png"
browser_open: "http://localhost:8000/catalog"
browser_get_text: ".product-list" → проверить наличие нового продукта
browser_screenshot: "03_catalog_verified.png"
// Скажи CC:
"Используй ruflo embeddings для поиска дублированной логики авторизации.
Найди все места где проверяются права доступа пользователя —
независимо от названий функций и классов."
// CC вызовет:
mcp__ruflo__embeddings_init: → индексировать кодовую базу
mcp__ruflo__embeddings_generate: → вектор для "authorization access control"
mcp__ruflo__embeddings_search: → top_k=30
// Найдёт файлы:
- Middleware/AuthMiddleware.php (similarity: 0.94)
- Policies/UserPolicy.php (similarity: 0.91)
- Services/PermissionService.php (similarity: 0.88)
- Http/Controllers/AdminController.php (similarity: 0.85) // неожиданно!
- Traits/HasPermissions.php (similarity: 0.83)
// CC: "Обнаружено дублирование в AdminController —
// логика проверки прав дублирует PermissionService.
// Рекомендую инжектировать PermissionService."
RuFlo vs обычные MCP серверы
| Возможность | Обычный MCP сервер | RuFlo MCP |
|---|---|---|
| Управление агентами | ❌ отсутствует | ✅ spawn / terminate / pool |
| Память между сессиями | ❌ контекст сбрасывается | ✅ персистентное хранилище |
| Рой агентов (Swarm) | ❌ только один контекст | ✅ координация N агентов |
| Браузерная автоматизация | ❌ нужен отдельный MCP | ✅ встроен, 22 инструмента |
| Изолированные терминалы | ❌ один общий контекст | ✅ именованные сессии |
| Семантический поиск | ❌ только grep/find | ✅ embeddings + vector search |
| ML / нейронные сети | ❌ отсутствует | ✅ neural_train / predict |
| AI Defence / PII проверка | ❌ отсутствует | ✅ aidefence_scan / has_pii |
| Мониторинг в реальном времени | ❌ нет метрик | ✅ performance_metrics |
| Автоматизированные workflows | ❌ ручное управление | ✅ декларативные пайплайны |
| Адаптивные агенты (DAA) | ❌ отсутствует | ✅ обучаются на паттернах |
| Количество инструментов | ~10–50 | 200+ |
Советы по работе с RuFlo
memory_* для персистентности, затем agent_* для параллелизма, потом swarm_* для сложных задач.
ToolSearch с select:mcp__ruflo__memory_store,mcp__ruflo__memory_retrieve перед первым вызовом группы.
memory_store; "Создай агента-планировщика" → agent_spawn; "Запусти параллельно" → swarm_init.
// Эффективные промпты для RuFlo:
✅ "Сохрани в RuFlo memory: [информация]"
✅ "Создай агента с ролью [роль] для [задача]"
✅ "Используй RuFlo swarm для параллельной разработки [фича]"
✅ "Найди через embeddings все места где [логика]"
✅ "Автоматизируй через браузер: [шаги]"
✅ "Создай workflow для [процесс] с шагами: [шаги]"
✅ "Проверь через aidefence безопасность [ввод пользователя]"
❌ "Вызови mcp__ruflo__agent_spawn с параметрами..." // избыточно
❌ "Используй RuFlo для всего" // слишком расплывчато
Следующие шаги
RuFlo — фундамент для построения сложных мульти-агентных систем. Изучите связанные темы для углублённого понимания:
mcp__ruflo__* и вызываются автоматически когда CC решает, что они нужны для задачи. Никакого специального синтаксиса — просто опишите что хотите сделать.