前言
在快节奏的软件开发中，效率至关重要。开发者和管理者都在寻找简化流程、自动化重复任务的方法。想象一下，如果能用自然语言与开发环境对话，让它搜索代码库、管理项目任务，甚至直接在 GitHub 上执行操作，这将极大提升生产力。
本文将指导你从零开始构建一个基础的自动化工作流，并将其与 GitHub MCP（Multi-Capability Platform）工具集成，赋予工作流直接与 GitHub 仓库交互的能力。无论你是希望检索开源项目、自动追踪任务，还是简化代码提交流程，本指南都将提供可操作的步骤。
基础工作流构建
1. 初始化工作流
首先，我们需要熟悉 Agent 平台的基本界面。通常包含左侧的工具栏（输入、输出、大模型等节点）、中间的画布（拖拽连接节点）以及右上角的控制区（运行、保存）。
进入编辑界面后，选择'自定义工作流'并新建应用。默认会有一个'开始'节点，点击编辑并设置友好的引导语，例如：'您好！我是您的智能助手。您可以向我提问或让我执行特定的 GitHub 操作。'这能帮助用户明确交互起点。
2. 配置输入节点
为了让工作流接收指令，需要添加'输入'节点。该节点会自动捕获用户输入的信息：
- 自然语言文本：保存在
user_input变量中。 - 上传文件内容：保存在
dialog_files_content变量中。 - 上传图片：保存在
dialog_image_files变量中。
理解这些变量名很关键，后续节点将通过它们获取上下文信息。
3. 集成大语言模型
工作流需要'思考'，因此需添加'大模型'节点。这是核心处理单元。
- 系统提示词 (System Prompt)：这是给模型的指令。点击
{x}按钮引入user_input变量。例如设置提示词：'你是一个专业的程序员助手，请根据用户输入的问题{{user_input}}提供详细解答。' - 模型选择：根据需求选择通用模型或特定能力的模型。
此时，工作流已具备初步的智能交互能力。
4. 结束节点与测试
最后添加'结束'节点，用于展示大模型的输出结果。结构大致为：开始 -> 输入 -> 大模型处理 -> 结束。
点击右上角'运行'，输入问题如'什么是人工智能？'，即可验证流程是否通畅。这个基础骨架将作为后续集成高级功能的载体。
集成 GitHub MCP
1. 生成 GitHub 访问令牌
要让工作流代表你操作 GitHub，需要身份验证凭证——个人访问令牌（PAT）。
- 登录 GitHub，进入 Settings > Developer settings > Personal access tokens > Tokens (classic)。
- 点击 Generate new token，建议选择 Fine-grained tokens 以获得更精细的权限控制。
- Token name：命名为便于识别的名称，如
Workflow_Agent_Token。 - Expiration：测试时可设为无过期，生产环境建议设置合理期限并定期轮换。
- Permissions：谨慎授予权限。若只需创建 Issue，仅开启
Issues (Read and write)。遵循最小权限原则，避免授予不必要的代码写入权限。 - 生成并保存：令牌生成后仅显示一次，务必立即复制并妥善保管。
2. 配置智能体节点
回到工作流编辑器，添加'智能体'节点替代或配合大模型节点使用。
