灵活编排
在单次执行中自由组合任意处理器。通过 GO_TO_TASK 条件跳转、loop_condition 编程式 break / continue，或基于 LLM 输出分支——全部用 YAML 配置，无需编写代码。
MCP 工具服务器 · 任务编排 · LLM 原生 · AI 驱动生成
将任意工作流变成 MCP 工具 — 可被任何 Agent 调用。
PETP 是一个流水线执行运行时，将每个自动化任务暴露为带类型的 MCP 工具。AI Agent 可以发现、调用并编排你的真实业务操作——同时任务内部的处理器也可以自主调用 LLM 进行智能决策。现已内置 OCR、验证码处理与条件流程控制。
内置 LLM
处理器可调用 LLM
任意场景
个人与企业工具集
工作原理
1
定义
在 GUI 中可视化配置任务，或直接编写 YAML
2
运行
桌面应用、后台服务或 Docker 容器
3
集成
暴露为 MCP 工具，供 AI Agent 发现与调用
核心能力
任务内置 LLM
任意任务步骤均可调用 LLM 处理器：摘要、分类、生成或决策。结果作为变量流入下游步骤。
个人与企业
在笔记本上运行个人助手，或将企业工具集部署到 Docker。同一引擎，同一 YAML，不同规模。
可视化编辑器（撤销 / 重做）
图形编辑器支持完整撤销 / 重做与快照历史。5 套配色主题，含 System（自动跟随系统深浅色模式）。状态栏实时展示执行事件——启动、完成耗时、错误和手动停止。日志搜索高亮（Ctrl+F）。任务网格右键可查看处理器用法与引用查找。
AI Execution生成器
通过自然语言生成和修改任务流程。多轮 LLM 对话、可展开的 Processor 浏览器（支持搜索）、选择性上下文节省 Token。一键生成 MCP 工具描述并智能合并。AI 驱动的错误分析与修复建议。通过 Ollama 支持视觉模型图像理解。支持 10 家 LLM 供应商——只需配置 ai_provider。
AI 驱动工作流
1
描述
用自然语言告诉 AI 你想要什么——通过多轮对话创建新 Execution 或修改已有流程。
2
生成
AI 从 80+ 处理器类型中构建任务流程。支持浏览、搜索并选择性包含处理器上下文以节省 Token。
3
发布
一键生成 MCP 工具描述。自动提取输入/输出 Schema，生成 Agent 可理解的描述。智能合并不覆盖已有配置。
4
自动修复
执行失败时，AI 自动分析上下文错误——定位根因、建议修复方案，并预填诊断结果打开 AI 助手。
场景示例
采购自动化
下载采购申请文件、按创建日期合并合同、通过 LLM 分类，最后发送摘要邮件——全部由一条 Claude 消息触发。
财务报表生成
通过 SSH/SFTP 从多个表格拉取数据，合并透视，调用 LLM 撰写执行摘要，最终导出 Excel 报表。
DevOps 工具集
将 CI 触发、部署脚本、日志拉取和健康检查暴露为 MCP 工具，让 Copilot 或对话 Agent 协调复杂发布流程。
个人生产力
MacBook 上的轻量个人 MCP 工具集：网页抓取、本地文件管理、日历数据提取与 LLM 驱动的每日简报生成。
表单填写与验证码自动化
通过 OCR 从扫描件或截图中提取文字，CAPTCHA 处理器应对登录验证码。结合 Selenium 与 GO_TO_TASK 实现端到端表单自动化——失败自动重试，无需编写一行代码。
端侧 AI + MCP 工具
将 PETP 打包为 Docker 镜像部署到 NAS 作为标准 MCP Tool Server。端侧 AI 应用（如内嵌 Gemma 4 模型的 LSnote）按需调用工具——网页抓取、文档处理、邮件发送——无需云端中转。
MCP Tool Server
请求到结果的完整流程
MCP 客户端
Claude · Claude Code · Copilot
PETP 自调用 · 任意 HTTP Streaming MCP 客户端
PETP 自调用 · 任意 HTTP Streaming MCP 客户端
→
MCP 服务器
tools/list · tools/call
stdio · HTTP Streaming
stdio · HTTP Streaming
→
PETP 运行时
流水线 → 执行 → 任务
→
处理器
Selenium · HTTP · SSH · LLM · 邮件…
→
JSON 结果
结构化输出返回给 LLM
简洁配置
用 YAML 定义完整自动化——无需代码，无需 SDK，只需声明要做什么。
execution: DAILY_REPORT
astool: true
mcp_desc: '{"desc":"Generate daily report","params":["date"]}'
list:
- type: HTTP_REQUEST
input: '{"url":"https://api.example.com/data?date={date}"}'
- type: AI_LLM_QANDA
input: '{"prompt":"Summarize: {http_response}"}'
- type: SEND_EMAIL
input: '{"to":"team@co.com","body":"{llm_answer}"}'用 PETP 构建你的专属 MCP 工具集
用 YAML 定义执行任务，启动 MCP 服务器，任何 LLM Agent 即可立刻发现并编排你的真实工作流。无需 SDK，无需样板代码。