如果你用 AI 编程助手工作，EmbodiFlow 的 MCP 服务会在由公开 API 生成的工具之外，再给它一组面向算法和工作流的任务工具。这些工具返回的问题和控制台显示的一样，带行号和列号，所以助手能读懂并自己修正代码。
测试阶段。自定义算法和工作流已经在产品里，可以直接试用，但还没有在真实数据上完成完整验收。可能会遇到不完善的地方，依赖结果之前请先核对。
| 工具 | 作用 |
|---|---|
describe_categories | 各类别及其级别和默认端口、数据类型、语义类型、录制事实和 SDK 索引。传入 category 得到某个类别以及各级别的起步代码。 |
scaffold_algorithm | 某个类别的可运行 main.py，可以指定级别、质检读取的内容和名称。 |
validate_algorithm | 不运行代码，检查 main.py。问题带有 main.py:<行>:<列>。没有问题时返回接口。 |
test_algorithm_on_sample | 在真实数据的一小段上运行草稿或已保存的版本，返回预览。恰好传入一种输入：recordingId、episode 或 versionId。被拒绝时会给出明确的错误码。 |
save_algorithm | 把 main.py 保存为新版本，版本号根据接口变化建议，也可以用 version 调高。 |
get_workflow | 以 YAML 返回项目工作流。 |
add_step | 向工作流添加步骤，工作流可以是传入的文档，也可以是已保存的草稿。被拒绝的修改不会保存。 |
connect | 把输出连到输入，连接不被允许时拒绝并说明原因。 |
validate_workflow | 按工作流用到的已保存算法检查它。 |
run_workflow | 在一条录制或一个数据集版本上启动项目工作流，二者恰好传一个。 |
get_run | 一次运行及每个步骤的状态。 |
一次典型的对话
用平常的话告诉助手你想要什么，比如「标出夹爪从没合上过的任务片段」。它会调用 describe_categories 选定类别，用 scaffold_algorithm 拿到起步代码，然后修改代码，反复调用 validate_algorithm 和 test_algorithm_on_sample 直到输出正确，最后用 save_algorithm 保存。
要让结果真正用起来，它会接着调用 add_step 和 connect，用 validate_workflow 检查，再用 run_workflow 启动。这些工具以你自己的权限执行，所以助手做不了你在控制台里做不了的事。