前言
在快节奏的软件开发中，效率至关重要。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、管理任务，甚至直接在 GitHub 上执行操作，体验会如何？这不再是科幻场景。本文将指导你从零开始构建一个基础的自动化工作流，并将其与强大的 GitHub MCP 工具无缝集成，赋予工作流直接与 GitHub 仓库交互的能力。
第一章：构建基础工作流
万丈高楼平地起。在探索 GitHub 集成之前，先掌握构建基础工作流的核心技能。这个工作流负责接收指令，调用核心模块，并呈现结果。
1.1 初始化工作流
进入工作流编辑界面后，你会看到一个清晰的布局。左侧是工具栏，包含输入、输出、大模型等节点；中间是画布，用于拖拽连接节点；右上角是控制区，可进行运行测试和保存。选择'自定义工作流'以获取最大灵活性。点击'新建应用'，找到默认的'开始'节点。点击并编辑它，设置一段友好的引导语，例如：'您好！我是您的智能助手。您可以向我提问任何问题，或让我帮您执行特定的 GitHub 操作。'这为用户提供了明确的交互起点。
1.2 配置输入节点
接下来添加'输入'节点。它专门用来捕捉用户输入的信息。无论是键盘输入的文字还是上传的文件，都会被捕获并存储。通常，自然语言文本保存在 user_input 变量中。理解这些变量名称至关重要，因为在后续步骤中，我们需要通过调用这些变量，让其他节点知道我们到底输入了什么。
1.3 集成大语言模型
现在工作流能接收指令，但还不会'思考'。添加一个'大模型'节点来处理和理解自然语言。点击系统提示词输入框右上角的 {x} 按钮，从列表中选择 user_input 变量。你可以这样设置提示词：'你是一个专业的程序员助手，请根据用户输入的问题 {{user_input}} 提供详细和准确的解答。'这一步赋予了工作流理解和生成人类语言的能力。
1.4 完成流程
最后添加'结束'节点，自动连接到大模型节点的输出。至此，一个完整的基础工作流搭建完成：开始 -> 输入 -> 大模型处理 -> 结束。点击'运行'按钮，输入问题如'什么是人工智能？'，即可看到大模型生成的解答。这验证了流程的可行性，为后续集成复杂工具打下基础。
第二章：集成 GitHub MCP
如果说基础工作流给了框架，那么集成 GitHub MCP 工具，就是让它飞出对话框，在 GitHub 世界中作业。
2.1 获取 GitHub 个人访问令牌
要让工作流代表你去操作 GitHub，首先需要向 GitHub 证明身份。这需要个人访问令牌（Personal Access Token, PAT）。
- 登录 GitHub 账户，点击右上角头像，选择 Settings。
- 在左侧导航栏底部找到 Developer settings。
- 选择 Personal access tokens -> Tokens (classic)。点击 Generate new token。建议优先选择 Fine-grained tokens，提供更精细的权限控制。
- 配置令牌属性：命名如
Workflow_Agent_Token。关于过期时间，生产环境中建议设置合理期限并定期轮换。 - 授予权限：这是最关键的一步。Repository access 可选择 All repositories 或指定仓库。Permissions 向下滚动，根据最小权限原则，仅授予必要的读写权限（如 Issues, Repository contents）。切勿随意授予全部权限。
- 生成并保存令牌。令牌生成后且仅会显示一次。必须立即复制并妥善保管，一旦离开页面将无法再次查看。
2.2 配置智能体节点
回到工作流构建界面，将'钥匙'交给'智能体（Agent）'节点。
- 在输入节点后添加一个'智能体'节点。通常可以直接替换掉简单的大模型节点，因为它内部集成了大模型进行决策。
- 进入智能体节点设置，点击'添加工具'。
- 搜索关键词 "github"，选择
GitHub_MCP工具。 - 系统要求提供凭证，粘贴刚才生成的 PAT 并保存。
- 验证连接成功。这意味着平台已获得通过 API 与 GitHub 通信的授权。
- 正式启用工具：在智能体节点的可用工具箱中添加已链接的
GitHub_MCP。
2.3 了解工具能力
在实战前，检阅一下 GitHub_mcp 工具箱里的功能。
