Binex MCP Server

社区

面向 AI 智能体工作流的开源可视化编排器，100% 本地运行

分类: 开发工具第 308 / 438
Stars: ★ 63 热门
传输方式: stdio（本地进程）
运行环境: Python 3.11+ · Docker
凭据: 可选 API Key
许可证: MIT
最近提交: 6 天前
工具数: 3

45FMRS · D

Binex 是一个本地优先、MIT 许可的 AI 智能体工作流运行时，其 MCP 服务器将运行、评估与产物暴露给编码智能体。它适合希望在不迁移现有框架的前提下调试和比较工作流的开发者，但要求本地安装 Python 3.11+ 的 Binex，且不提供托管云服务。

最强项 · 文档质量 12/20 最弱项 · 可靠性 6/20

可靠性

6/20

安全与权限

8/20

维护活跃度

9/20

文档质量

12/20

安装易用性

10/20

查看各项评分依据

可靠性 6/20: 静态审阅仅见 README 与仓库元数据，未提供服务器清单（manifest 未缓存），也未展示任何被提交的测试文件、CI 工作流内容或 MCP 握手证据。README 宣称工具（builtin://web_search、shell_command 等）、`binex mcp serve` 暴露 MCP 工具、以及 eval/golden 等能力，但没有可核验的源码片段证明这些声明的工具与真实实现一致。README 中出现的 CI/E2E/coverage 徽章属于不可信证据，且未给出真实执行证据，按校准规则可靠性不得高于 12；此处因缺少清单、缺少测试与错误处理证据，进一步下调至 6。
安全与权限 8/20: README 明确宣称‘100% 本地、无遥测、无云端’，数据默认写入 `.binex/`，这属于较克制的默认边界，是加分项。但静态材料中未展示凭据处理方式（API key 仅提环境变量，未见隔离或校验逻辑）、未说明 `shell_command`/`local://` 等高风险能力的确认机制、未披露 MCP stdio/HTTP 传输与 A2A 网关（`BINEX_REGISTRY_URL`）的网络出站范围。缺少实现层面的权限最小化与危险操作确认证据，按缺失即扣分，给 8 分。未发现恶意、窃密、硬编码真实令牌等红线，故不落入 0-4 区间。
维护活跃度 9/20: 仓库未归档，MIT 许可清晰，有 issue 通道与文档站，说明具备基本维护框架。但仅有 62 stars、2 个 open issue，缺少可核验的发布节奏、最近提交记录、依赖更新策略与安全响应渠道说明。指标中已提示 stars 仅作发现信号、不得加分，故按治理与版本化信息缺口下调，给 9 分。
文档质量 12/20: README 层次较完整：安装、Docker、Web UI、CLI 全命令表、YAML 示例、配置环境变量、架构目录、示例清单均已覆盖，属于可用的中上水位文档。扣分点在于：缺少 MCP 客户端配置的完整可复制示例、缺少工具参数级说明（builtin/mcp/python 工具的参数与限额未列出）、缺少成本与预算的实际计量口径、缺少故障排查章节；并声称 112 个内置提示模板、32 个 REST 端点、29 个示例等具体数字却无法在给定材料中核验，存在文档与能力不一致的风险。
安装易用性 10/20: 给出 `pip install binex` + `binex ui` 的最短路径，另有 Docker Compose 与 `claude mcp add binex -- binex mcp serve` 一行接入 MCP 客户端，安装路径清晰且主流客户端配置有示例，这是主要加分项。但要求 Python 3.11+、Web UI 需先构建前端、A2A/插件/调度等组件带来额外复杂度；最关键的 MCP 服务端参数、传输方式、鉴权与环境变量继承未在 README 中给出可核验细节，属于隐藏假设。按校准规则，缺少源码级执行证据时 setup 不得高于 15，结合上述缺口给 10 分。

静态评测 · 未实际运行收录于 2026-09-10

查看 FMRS 评分方法 →

选型与风险

能访问什么读取本地文件写入 / 删除本地文件执行命令或代码访问网络连接数据库

适合谁

已经使用 Binex 并希望通过编码智能体检查运行记录的开发者
需要本地优先、可调试智能体工作流工具链的团队

不适合谁

希望使用托管云端追踪服务而非本地运行时的用户
未安装 Python 3.11+ 或 Binex 的环境

所需权限

读取与写入 Binex 本地存储（默认 `.binex` 目录，含 SQLite 数据库与 JSON 产物文件）
读取本机配置的 LLM 提供商 API 密钥（用于运行工作流）
通过 stdio 与 MCP 客户端进程通信

风险与副作用

暴露的运行记录、评估与产物会写入本地 `.binex` 目录，可能包含敏感提示词或输出
若配置了云端 LLM 提供商，提示词与数据会发送至相应提供商
任何能调用该 MCP 服务器的本地进程都可读取运行数据

安装接入

准备工作

运行环境：Python 3.11+ · Docker

OPENAI_API_KEY 可选密钥 OpenAI API 密钥，运行 LLM 工作流时使用（也可改用 Ollama 实现完全本地运行）；非必需。

其他可选配置项（5 个）

BINEX_STORE_PATH 可选 SQLite 数据库和 artifacts 的存储目录，默认 .binex；非必需。

BINEX_DEFAULT_DEADLINE_MS 可选默认节点超时时间（毫秒），默认 120000；非必需。

BINEX_DEFAULT_MAX_RETRIES 可选失败节点的默认重试次数，默认 1；非必需。

BINEX_DEFAULT_BACKOFF 可选重试退避策略，fixed 或 exponential，默认 exponential；非必需。

BINEX_REGISTRY_URL 可选默认 A2A 代理注册表 URL，默认 http://localhost:8000；非必需。

安装：pip install binex（需要 Python 3.11+）。
将 Binex 注册为 MCP 服务器：claude mcp add binex -- binex mcp serve。
在 Claude Code、Cursor 或其他兼容 MCP 的客户端中启动，即可使用 binex_debug、binex_eval_run、binex_diff 等工具。

.mcp.json

{"mcpServers":{"binex":{"command":"binex","args":["mcp","serve"]}}}

以 Claude Code 为例。其他客户端的配置文件位置或字段可能不同（如 VS Code 使用 servers 字段），可用下方配置生成器转换。

.vscode/mcp.json

{
  "servers": {
    "binex": {
      "command": "binex",
      "args": [
        "mcp",
        "serve"
      ]
    }
  }
}

写入项目的 .vscode/mcp.json（VS Code 使用 servers 字段）。

Terminal

claude mcp add binex -- binex mcp serve

在终端运行；先把 <…> 占位符换成你自己的值。

生成并校验客户端配置

验证是否装好

使用 `pip install binex` 安装，通过 `claude mcp add binex -- binex mcp serve` 添加服务器，然后确认客户端工具列表中出现 binex_debug、binex_eval_run 和 binex_diff；先运行 `binex hello` 可在不使用任何 API 密钥的情况下验证 CLI 本身可用。

常见排障

确认 `binex` 命令已在 PATH 中且 Python 版本为 3.11 或更高
检查 MCP 客户端配置中命令与参数是否为 `binex mcp serve`
确认 `.binex` 存储目录可读写，或检查 `BINEX_STORE_PATH` 环境变量
若工具未出现，重启 MCP 客户端并查看其日志

试试这样问

连接成功后，可以直接对 AI 助手这样说：

调试最近一次运行，显示每个节点的输入和输出。
对比我最近两次运行，指出哪些节点出现了分歧。
对已批准的基线运行评估套件，报告任何回归。
显示最近一次工作流运行中每个节点的成本明细。

工具能力 3

binex_debug 只读

以事后检查方式查看某次运行的逐节点输入与输出。

binex_eval_run 写入

针对已批准的基线运行 YAML 评估套件，用于回归测试。

binex_diff 只读

对两次运行进行并排比较，支持过滤变更、失败与成本差异。

使用场景

在 Claude Code 或 Cursor 中直接调试和检查 Binex 工作流运行记录

对智能体流水线运行评估套件并对比基线

比较两次运行以定位节点级差异与成本变化

支持客户端

Claude Code

Cursor部分支持

依据项目文档列出，未经本站实测。

详细介绍

Binex 是一个开源、完全本地运行的 AI 智能体工作流运行时，提供 DAG 流水线、产物血缘关系和可重放运行。它通过 binex mcp serve 将运行记录、评估和产物以 MCP 工具的形式暴露出来，供 Claude Code、Cursor 等兼容 MCP 的智能体调用。其源码基于 Python、React、FastAPI 和 TypeScript 构建，采用 MIT 许可证，不含遥测。