Workflowy MCPサーバー連携

「Workflowy」MCPサーバーは何をしますか？

Workflowy MCPサーバーは、AIアシスタントが人気ノート管理・プロジェクト管理ツールであるWorkflowyとプログラム的に連携できるModel Context Protocol (MCP) サーバーです。MCP互換インターフェースを通じ、AIモデルがWorkflowyアカウントに接続し、ノード（タスク、ノート、リスト）の検索・作成・更新・管理などを直接Workflowy上で実行できます。この連携により、開発者やAIエージェントはワークフロー自動化、プロジェクト進捗の同期、生産性向上を実現し、他のAI対応ツール・サービスとの橋渡しをスムーズに行えます。アクセスにはユーザー名・パスワード認証を用い、より広範なAI開発環境への統合が容易に設計されています。

プロンプト一覧

(リポジトリに再利用可能なプロンプトテンプレートは記載されていません。このセクションは意図的に空欄です。)

リソース一覧

(リポジトリに明示的なMCPリソースは記載されていません。このセクションは意図的に空欄です。)

ツール一覧

• ノード検索: ユーザーのクエリに基づいてWorkflowyノードを検索できます。
• ノード作成: Workflowy内に新しいノード（ノート/タスク）の作成が可能です。
• ノード更新: 既存Workflowyノードの内容や状態を更新できます。
• ノードを完了/未完了にマーク: タスク管理を効率化するため、ノードの完了・未完了を切り替えできます。

このMCPサーバーのユースケース

• プロジェクト管理自動化: AIエージェントがプロジェクトの進捗更新、タスクの完了、Workflowyデータをもとに新たなタスク提案などを自動で行います。
• 知識検索・要約: 特定プロジェクトやトピックに関連するノートをAIが迅速に検索・要約できます。
• ワークフロー同期: Workflowyリストを他ツールやコードベースと自動同期し、プロジェクト状況を常に一貫して保ちます。
• タスク提案・計画: 既存マイルストーンをAIが分析し、進捗に応じた次のタスクやアクションを提案します。
• パーソナライズドレポート: Workflowyデータから会議やステータス更新用の要約・レポートを自動生成します。

セットアップ手順

Windsurf

1. Node.js v18+ をインストールし、Workflowyアカウントを準備します。
2. Windsurfの設定ファイルを開きます。
3. mcpServersにWorkflowy MCPサーバーを以下のように追加します:

   {
     "mcpServers": {
       "workflowy-mcp": {
         "command": "npx",
         "args": ["-y", "mcp-workflowy@latest", "server", "start"],
         "env": {
           "WORKFLOWY_USERNAME": "your_username",
           "WORKFLOWY_PASSWORD": "your_password"
         }
       }
     }
   }
   

4. 設定を保存し、Windsurfを再起動します。
5. サーバーが正常に動作しているか確認してください。

APIキーの安全管理
上記のように認証情報は必ず環境変数で管理し、設定へ直接記載しないでください。

Claude

1. Node.js v18+ をインストールし、Workflowy認証情報を用意します。
2. Claudeの設定ファイルに以下を追加します:

   {
     "mcpServers": {
       "workflowy-mcp": {
         "command": "npx",
         "args": ["-y", "mcp-workflowy@latest", "server", "start"],
         "env": {
           "WORKFLOWY_USERNAME": "your_username",
           "WORKFLOWY_PASSWORD": "your_password"
         }
       }
     }
   }
   

3. 保存してClaudeを再起動します。
4. MCPサーバーが登録されているか確認してください。

Cursor

1. 必須: Node.js v18+ とWorkflowyアカウント。
2. Cursorの設定ファイルを開きます。
3. MCPサーバーを以下のように追加します:

   {
     "mcpServers": {
       "workflowy-mcp": {
         "command": "npx",
         "args": ["-y", "mcp-workflowy@latest", "server", "start"],
         "env": {
           "WORKFLOWY_USERNAME": "your_username",
           "WORKFLOWY_PASSWORD": "your_password"
         }
       }
     }
   }
   

4. 設定を保存し、Cursorを再起動します。
5. 接続状況を確認してください。

Cline

1. Node.js v18+ をインストールし、Workflowy認証情報を取得します。
2. ClineのMCP設定ファイルを開きます。
3. 次のようにWorkflowy MCPを追加します:

   {
     "mcpServers": {
       "workflowy-mcp": {
         "command": "npx",
         "args": ["-y", "mcp-workflowy@latest", "server", "start"],
         "env": {
           "WORKFLOWY_USERNAME": "your_username",
           "WORKFLOWY_PASSWORD": "your_password"
         }
       }
     }
   }
   

4. 設定を保存し、サービスを再起動します。
5. MCPエンドポイントを検証してください。

注意:
認証情報などの機密情報は常に環境変数で管理してください。例:

{
  "env": {
    "WORKFLOWY_USERNAME": "${WORKFLOWY_USERNAME}",
    "WORKFLOWY_PASSWORD": "${WORKFLOWY_PASSWORD}"
  }
}

このMCPをフローで使う方法

FlowHuntでMCPを使う

FlowHuntワークフローにMCPサーバーを組み込むには、フローにMCPコンポーネントを追加し、AIエージェントと接続することから始めます。

MCPコンポーネントをクリックし、設定パネルを開きます。system MCP設定欄に下記のJSON形式でMCPサーバー情報を入力します:

{
  "workflowy-mcp": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

設定後、AIエージェントはこのMCPの全機能・能力にアクセスできるようになります。“workflowy-mcp"は実際のMCPサーバー名に、URLは自分のMCPサーバーのURLに置き換えてください。

概要

上記の表から、Workflowy MCPは明確なコア機能を備えた特化型サーバーですが、プロンプトやリソースプリミティブが不足しています。セキュリティのベストプラクティスが守られており、Workflowy用途のツールカバレッジも十分です。高度なMCP機能が足りないため、評価は中程度です。

MCPスコア