项目简介

iq (Intelligent Query) 是一个功能强大的命令行工具，旨在简化多步骤自主AI工作流的构建和执行。您无需编写代码，只需通过简洁的YAML文件即可定义复杂的自动化流程，包括逻辑、状态管理和错误恢复。

其核心亮点之一是原生支持Model Context Protocol (MCP)。这意味着 'iq' 不仅可以在其工作流中作为客户端调用外部MCP工具，更可以将自身定义的工作流作为MCP服务器对外暴露，从而允许其他LLM客户端或AI代理通过标准化的JSON-RPC协议与之通信，并将其托管的工作流作为一个可调用的“工具”来使用。

主要功能点

无代码工作流设计: 使用声明式的YAML文件定义复杂的AI自动化流程，无需编程。
目标驱动工作流: 将多个AI驱动的步骤（如Prompt调用、工具执行）编排成连贯的自主代理工作流。
原生MCP集成和服务器模式: 可以将您定义的任何 'iq' 工作流作为Model Context Protocol服务器启动，或在工作流中连接和编排外部MCP工具。
链式调用、路由、迭代和状态管理: 内置支持灵活的规则语言，用于复杂工作流的构建。
容错执行: 内置的监督器和回退策略确保从错误中恢复。
灵活的I/O: 无缝支持标准输入输出、本地文件、目录、AWS S3、SQS等多种输入/输出方式。
支持多种LLM提供商: 兼容OpenAI、AWS Bedrock以及本地运行的LLM模型（如LM Studio）。

安装步骤

macOS (Homebrew 推荐)

brew tap fogfish/iq https://github.com/fogfish/iq
brew install iq

升级到最新版本：

brew upgrade iq

直接下载二进制文件 (Linux, Windows)

从 'iq' 的最新发布页面下载对应您操作系统的可执行文件，并将其添加到系统PATH环境变量中。

从源代码构建

需要安装Go环境。在终端中运行：

go install github.com/fogfish/iq@latest

服务器配置 (用于MCP客户端连接 'iq' 服务器)

当您将 'iq' 工作流作为MCP服务器运行时，其他MCP客户端（例如其他AI代理或应用程序）就可以通过标准化的JSON-RPC协议连接到这个 'iq' 进程，并将其托管的工作流作为一个可调用的“工具”来使用。

要让您的MCP客户端成功连接到由 'iq' 启动的MCP服务器，您通常需要在客户端配置中提供以下关键信息：

工具名称 (Tool Name): 这是您在 'iq' 工作流 YAML 文件中 'name' 字段的值。例如，如果您的工作流文件 'myworkflow.yml' 的 'name' 是 'summarize_document'，那么MCP客户端在调用时就使用 'summarize_document' 作为工具名称。这个名称告诉客户端它正在调用的是 'iq' 服务器上暴露的哪个特定工作流。
启动命令 (Command): 这是客户端用于启动 'iq' 服务器进程的完整命令行。通常的形式是 'iq agent serve -f <您的工作流文件>'。例如，如果您的工作流文件是 'myworkflow.yml'，命令可能就是 'iq agent serve -f myworkflow.yml'。客户端会执行这个命令来启动 'iq'，然后通过标准输入/输出 (stdio) 与其通信。
输入Schema (Input Schema): 您的 'iq' 工作流 YAML 文件中 'schema.input' 部分定义的JSON Schema。这个Schema描述了调用该工具时客户端需要提供的参数结构和类型。MCP客户端会根据这个Schema来构造请求参数，并进行初步的验证。
输出Schema (Output Schema): 您的 'iq' 工作流 YAML 文件中 'schema.reply' 部分定义的JSON Schema。这个Schema描述了 'iq' 服务器（即您的工作流）在处理完成后返回的结果结构和类型。客户端可以根据这个Schema来解析和验证服务器的响应。
传输协议 (Transport Protocol): 'iq' 默认使用 'stdio'（标准输入/输出）作为MCP服务器的通信协议。这意味着MCP客户端应该配置为通过 'stdio' 与 'iq' 进程进行JSON-RPC消息的交换。

示例配置信息理解：

假设您的 'iq' 工作流文件 'my_summarizer.yml' 内容如下：

name: document_summarizer
about: A tool to generate concise summaries of text.
schema:
  input:
    type: object
    required: [text_content]
    properties:
      text_content:
        type: string
        description: The full text content to be summarized.
  reply:
    type: object
    required: [summary]
    properties:
      summary:
        type: string
        description: A concise summary of the provided text.
jobs:
  main:
    steps:
      - prompt: |
          Summarize the following text clearly and concisely:
          {{.text_content}}

要让一个MCP客户端连接到由 'iq' 运行的这个工作流服务器，客户端需要知道：

工具名称: 'document_summarizer'
启动 'iq' 服务器的命令: 'iq agent serve -f my_summarizer.yml'
调用时预期的输入参数格式: 一个JSON对象，其中包含一个名为 'text_content' 的字符串。
'iq' 服务器返回的输出结果格式: 一个JSON对象，其中包含一个名为 'summary' 的字符串。
通信方式: 通过 'stdio' 进行JSON-RPC消息交换。

基本使用方法 (将 'iq' 工作流作为MCP服务器运行)

创建您的工作流文件 (例如 'my_agent_server.yml'):

name: greeting_tool
about: A simple tool that generates a greeting message.
schema:
  input:
    type: object
    required: [recipient_name]
    properties:
      recipient_name:
        type: string
        description: The name of the person to greet.
  reply:
    type: object
    required: [message]
    properties:
      message:
        type: string
        description: The personalized greeting message.
jobs:
  main:
    steps:
      - prompt: |
          Hello, {{.recipient_name}}! This is a greeting from your iq agent.

请确保您的工作流定义了 'name' (作为MCP工具的名称) 和 'schema.input'/'schema.reply' (定义输入输出结构)。

启动 'iq' 作为MCP服务器:

在您的终端中运行以下命令：
```
iq agent serve -f my_agent_server.yml
```
'iq' 进程将启动，并进入服务器模式，通过标准输入/输出等待MCP客户端发送JSON-RPC请求。此时，您不会在终端中看到任何常规输出，除非有MCP客户端连接并进行通信。
连接MCP客户端并调用工具:

现在，任何支持Model Context Protocol的客户端都可以连接到这个 'iq' 进程。它会发现一个名为 'greeting_tool' 的新工具。例如，如果客户端发送一个包含 '{"recipient_name": "World"}' 的JSON-RPC请求，'iq' 服务器将处理它并返回一个类似 '{"message": "Hello, World! This is a greeting from your iq agent."}' 的JSON-RPC响应。

关键词