gotoHuman MCP Server

Co dělá “gotoHuman” MCP Server?

gotoHuman MCP Server je nástroj navržený k bezproblémové integraci workflowů s lidským zapojením (human-in-the-loop) do AI asistentů a agentických vývojových prostředí. Umožňuje AI agentům žádat o lidská schválení prostřednictvím přizpůsobitelných hodnoticích formulářů, sledovat jednotlivé kroky schvalovacího procesu a spravovat notifikace i týmové workflowy. Díky vestavěnému ověřování, podpoře webhooků a robustnímu UI pro schvalování zvyšuje gotoHuman efektivitu vývojových procesů, které vyžadují dohled, soulad nebo ruční validaci. Své schopnosti zpřístupňuje přes Model Context Protocol (MCP), čímž umožňuje AI procesům přímo spolupracovat s externími lidskými aktéry – například pro moderaci obsahu, kontrolu kódu nebo automatizace založené na schválení, a to efektivně a auditovatelně.

Seznam promptů

V dostupném obsahu nejsou uvedeny žádné konkrétní šablony promptů.

Seznam zdrojů

V dostupném obsahu nejsou uvedeny žádné konkrétní MCP zdroje.

Seznam nástrojů

• list-forms
  Vypíše všechny dostupné hodnoticí formuláře ve vašem účtu včetně základních informací o polích v každém formuláři.

• get-form-schema
  Získá schéma konkrétního hodnoticího formuláře včetně polí a jejich nastavení, což je potřeba při žádosti o lidskou kontrolu.

• request-human-review-with-form
  Spustí lidskou kontrolu pomocí vybraného formuláře – zadáváte obsah, konfiguraci a metadata. Schválení lze přiřadit konkrétním uživatelům a výsledkem je odkaz na kontrolu v gotoHuman.

Případy použití tohoto MCP serveru

• Schválení s lidským zapojením
  Vkládejte schvalovací kroky do automatizovaných workflowů, aby klíčová rozhodnutí – například publikace obsahu, nasazení kódu nebo práce s citlivými daty – vždy prošla lidskou validací před pokračováním procesu.

• Vlastní formuláře pro moderaci
  Používejte přizpůsobitelné formuláře ke sběru lidské zpětné vazby a moderátorských rozhodnutí u AI výstupů. To pomáhá týmům vynucovat kvalitativní standardy a požadavky na compliance.

• Automatizace workflowu s lidským dohledem
  Automatizujte opakující se procesy a přitom zachovejte možnost lidského zásahu v klíčových fázích, např. při onboardingu uživatelů nebo při revizi transakcí.

• Týmová schválení a spolupráce
  Přiřazujte kontroly konkrétním členům týmu, sledujte stav schválení a spravujte notifikace – zjednodušuje týmová rozhodnutí.

• Integrace s IDE a agentickými nástroji
  Umožněte AI asistentům ve vývojových prostředích (např. Cursor, Claude nebo Windsurf) žádat o lidský vstup při code review nebo architektonických rozhodnutích, čímž eliminujete úzká místa a zvýšíte transparentnost workflowu.

Jak jej nastavit

Windsurf

1. Ujistěte se, že máte nainstalovaný Node.js.
2. Získejte svůj GOTOHUMAN_API_KEY na app.gotohuman.com.
3. Upravte konfigurační soubor Windsurf a přidejte MCP server:

   {
     "mcpServers": {
       "gotoHuman": {
         "command": "npx",
         "args": ["-y", "@gotohuman/mcp-server"],
         "env": {
           "GOTOHUMAN_API_KEY": "your-api-key"
         }
       }
     }
   }
   

4. Uložte konfiguraci a restartujte Windsurf.
5. Ověřte funkčnost spuštěním testovacího schválení.

Claude

1. Nainstalujte Node.js, pokud ještě není nainstalován.
2. Získejte svůj API klíč na app.gotohuman.com.
3. Aktualizujte konfigurační soubor Claude následovně:

   {
     "mcpServers": {
       "gotoHuman": {
         "command": "npx",
         "args": ["-y", "@gotohuman/mcp-server"],
         "env": {
           "GOTOHUMAN_API_KEY": "your-api-key"
         }
       }
     }
   }
   

4. Uložte konfiguraci a restartujte Claude.
5. Potvrďte integraci požadavkem na lidskou kontrolu.

Cursor

1. Ujistěte se, že je nainstalován Node.js.
2. Získejte svůj API klíč na app.gotohuman.com.
3. Vložte toto do své konfigurace Cursor:

   {
     "mcpServers": {
       "gotoHuman": {
         "command": "npx",
         "args": ["-y", "@gotohuman/mcp-server"],
         "env": {
           "GOTOHUMAN_API_KEY": "your-api-key"
         }
       }
     }
   }
   

4. Uložte a restartujte Cursor.
5. Otestujte spuštěním ukázkového schvalovacího procesu.

Cline

1. Nainstalujte Node.js, pokud jste tak ještě neučinili.
2. Získejte svůj GOTOHUMAN_API_KEY na app.gotohuman.com.
3. Přidejte MCP server do konfigurace Cline:

   {
     "mcpServers": {
       "gotoHuman": {
         "command": "npx",
         "args": ["-y", "@gotohuman/mcp-server"],
         "env": {
           "GOTOHUMAN_API_KEY": "your-api-key"
         }
       }
     }
   }
   

4. Uložte změny a restartujte Cline.
5. Ověřte funkčnost žádostí o lidskou kontrolu.

Zabezpečení API klíčů:
Používejte proměnné prostředí v konfiguraci pro citlivé klíče:

{
  "mcpServers": {
    "gotoHuman": {
      "command": "npx",
      "args": ["-y", "@gotohuman/mcp-server"],
      "env": {
        "GOTOHUMAN_API_KEY": "${GOTOHUMAN_API_KEY}"
      }
    }
  }
}

Skutečnou hodnotu proměnné nastavte ve svém operačním systému nebo prostředí nasazení.

Jak použít tento MCP ve flowech

Použití MCP ve FlowHunt

Chcete-li integrovat MCP servery do svého workflowu ve FlowHunt, začněte přidáním komponenty MCP do vašeho flowu a propojte ji s AI agentem:

Klikněte na komponentu MCP pro otevření panelu konfigurace. Do sekce systémové konfigurace MCP vložte údaje o vašem MCP serveru v tomto JSON formátu:

{
  "gotoHuman": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

Po uložení může AI agent používat tento MCP jako nástroj se všemi jeho funkcemi a možnostmi. Nezapomeňte změnit “gotoHuman” na skutečný název vašeho MCP serveru a URL nahradit vlastní adresou MCP serveru.

Přehled

| Roots Support | ⛔ (Není zmíněno) | | Sampling | ⛔ (Není zmíněno) |

Na základě dodané dokumentace je gotoHuman MCP Server zaměřený, snadno nastavitelný a nabízí jasné nástroje, ale postrádá dokumentaci k prompt šablonám, explicitním MCP zdrojům a funkcím sampling/roots. Je tedy robustní pro svůj hlavní účel, ale méně plnohodnotný ve srovnání s některými alternativami pro širší MCP integraci.

Náš názor

gotoHuman MCP Server je dobře zdokumentovaný co se týče instalace, použití nástrojů i správy API klíčů a naplňuje svůj základní slib lidského schvalování ve workflowech. Na druhou stranu mu chybí podrobnější dokumentace k MCP prompt šablonám, zdrojům a pokročilým MCP funkcím jako roots a sampling. Je proto spolehlivý a účelný pro schvalovací workflowy, ale méně univerzální, pokud hledáte širší MCP rozšiřitelnost.

MCP skóre