MCP-सक्षम मल्टी-एजेंट फ्रेमवर्क, जो डिक्लेरेटिव YAML-आधारित एजेंटिक वर्कफ़्लो के लिए है, और CodeQL एकीकरण के साथ AI-सहायित कोड ऑडिटिंग, भेद्यता ट्राइएज, और सुरक्षा अनुसंधान में उपयोग किया जाता है।
Security Lab Taskflow Agent एक MCP-सक्षम मल्टी-Agent फ्रेमवर्क है जो डिक्लेरेटिव, YAML-संचालित एजेंटिक वर्कफ़्लो के लिए है।
यह OpenAI Agents SDK के ऊपर बनाया गया है, ग्रामर वैलिडेशन के लिए Pydantic और टेम्पलेट रेंडरिंग के लिए Jinja2 का उपयोग करता है।
Taskflow Agent Agents के एक सेट का उपयोग करके कार्यों की एक श्रृंखला करने के लिए GitHub Workflow-जैसे YAML आधारित ग्रामर का लाभ उठाता है।
इसका प्राथमिक मूल्य प्रस्ताव एक CLI टूल के रूप में है जो उपयोगकर्ताओं को बिना कोई कोड लिखे एजेंटिक वर्कफ़्लो को शीघ्रता से परिभाषित और स्क्रिप्ट करने की अनुमति देता है।
Agents को personalities के माध्यम से परिभाषित किया जाता है, जो tools के एक सेट के साथ, पूरा करने के लिए एक task प्राप्त करते हैं।
Agents तथाकथित taskflows के माध्यम से कार्यों के अनुक्रम को पूरा करने के लिए सहयोग कर सकते हैं।
आप taskflow ग्रामर का विस्तृत अवलोकन यहाँ और उदाहरण taskflows यहाँ पा सकते हैं।
┌─────────────────────────────────────────────────────┐
│ CLI (cli.py) │
│ Typer-based entry point: -p, -t, -l, -g, -m, --resume, --lint│
└─────────────────────┬───────────────────────────────┘
│
┌─────────────────────▼───────────────────────────────┐
│ Runner (runner.py) │
│ Taskflow execution loop, model resolution, │
│ template rendering, session checkpointing │
└─────────────────────┬───────────────────────────────┘
│
┌─────────────────────▼───────────────────────────────┐
│ MCP Lifecycle (mcp_lifecycle.py) │
│ Server connection, cleanup, process management │
└─────────────────────┬───────────────────────────────┘
│
┌─────────────────────▼───────────────────────────────┐
│ Agent (agent.py) │
│ TaskAgent wrapper, hooks, OpenAI Agents SDK bridge │
└─────────────────────────────────────────────────────┘
Supporting modules:
models.py — Pydantic v2 grammar models (validation)
session.py — Task-level checkpoint / resume
available_tools.py — YAML resource loader with caching
template_utils.py — Jinja2 template environment
mcp_utils.py — MCP client parameter resolution
mcp_transport.py — MCP transport implementations (stdio, streamable)
mcp_prompt.py — System prompt construction
prompt_parser.py — Legacy prompt argument parser
capi.py — AI API endpoint and token management
path_utils.py — Platform-aware data/log directories
एजेंट Chat Completions और Responses दोनों OpenAI API का समर्थन करता है।
API प्रकार को वैश्विक रूप से या model_config फ़ाइल में प्रति मॉडल कॉन्फ़िगर किया जा सकता है:
seclab-taskflow-agent:
version: "1.0"
filetype: model_config
api_type: chat_completions # default for all models
models:
gpt_default: gpt-4.1
gpt_responses: gpt-5.1
model_settings:
gpt_responses:
api_type: responses # override for this model
endpoint: https://api.githubcopilot.com
token: CAPI_TOKEN # env var name containing the API key
प्रति-मॉडल model_settings में शामिल हो सकते हैं:
api_type — "chat_completions" (डिफ़ॉल्ट) या "responses"endpoint — इस मॉडल के लिए API बेस URL ओवरराइडtoken — API कुंजी वाले एनवायरनमेंट वेरिएबल का नामरनर एक सामान्य इंटरफ़ेस के पीछे तीन SDKs को चला सकता है:
openai_agents (डिफ़ॉल्ट) — OpenAI Agents Python SDK। मल्टी-पर्सनैलिटी हैंडऑफ़, दोनों chat_completions और responses api_type, temperature, parallel_tool_calls, exclude_from_context, और stdio, SSE, तथा streamable HTTP पर MCP का समर्थन करता है।copilot_sdk — GitHub Copilot Python SDK। स्ट्रीमिंग, reasoning_effort, stdio/SSE/HTTP पर MCP, और प्रति-टूल अनुमति गेटिंग का समर्थन करता है। SDK प्रति मॉडल अपना स्वयं का वायर प्रोटोकॉल चुनता है, इसलिए YAML api_type फ़ील्ड का पालन नहीं किया जाता; मल्टी-पर्सनैलिटी हैंडऑफ़, temperature, और parallel_tool_calls भी उपलब्ध नहीं हैं। जो टास्कफ़्लो असमर्थित फ़ील्ड का उपयोग करते हैं, वे लोड समय पर BackendCapabilityError के साथ विफल हो जाते हैं जो उस दोषपूर्ण फ़ील्ड का नाम बताता है।anthropic_sdk — Anthropic Python SDK, जो मूल Messages API (/v1/messages) को चलाता है। स्ट्रीमिंग, MCP के माध्यम से टूल कॉलिंग, और कॉन्फ़िगर करने योग्य reasoning.effort (low, medium, high, max) के साथ अनुकूली सोच का समर्थन करता है। हैंडऑफ़ समर्थित नहीं हैं। CAPI के Anthropic एंडपॉइंट के साथ उपयोग के लिए डिज़ाइन किया गया; प्रमाणीकरण Authorization: Bearer का उपयोग करता है (x-api-key नहीं)।चयन प्राथमिकता (उच्चतम से निम्नतम):
model_settings ब्लॉक में प्रति-टास्क backend: (उस एक टास्क के लिए मॉडल-स्तरीय मान को ओवरराइड करता है; _resolve_task_model() देखें)।model_settings में प्रति-मॉडल backend: (एक ही टास्कफ़्लो में मिश्रित बैकएंड की अनुमति देता है)।backend: फ़ील्ड (वैश्विक डिफ़ॉल्ट)।SECLAB_TASKFLOW_BACKEND एनवायरनमेंट वेरिएबल।openai_agents।seclab-taskflow-agent:
version: "1.0"
filetype: model_config
models:
code_analysis: claude-opus-4.7
general_tasks: gpt-5.4-mini
model_settings:
code_analysis:
api_type: messages
backend: anthropic_sdk
reasoning:
effort: high
general_tasks:
api_type: responses
backend: openai_agents
प्रत्येक बैकएंड एडाप्टर अपने SDK-मूल अपवादों को sdk/errors.py में तटस्थ पदानुक्रम में अनुवादित करता है, ताकि रनर बिना किसी SDK को आयात किए पुनः प्रयास नीति लागू कर सके। बैकएंड जोड़ने का अर्थ है उसकी त्रुटियों का भी अनुवाद करना; test_every_backend_adapter_translates_transport_failures रजिस्ट्री में इसका प्रवर्तन करता है।
ट्रांसपोर्ट विफलताओं के लिए स्पष्ट हैंडलिंग आवश्यक है और इन्हें छोड़ना आसान है। विक्रेता SDKs httpx को केवल उस कॉल के आसपास लपेटते हैं जो अनुरोध भेजती है, और स्ट्रीमिंग के साथ यह प्रतिक्रिया हेडर आने पर लौट आता है जबकि बॉडी बाद में पुनरावृत्त की जाती है। इसलिए बॉडी के बीच में मरने वाला कनेक्शन एक नंगे httpx त्रुटि के रूप में सामने आता है, जो न तो SDK के अपने पदानुक्रम में है और न ही बिल्टिन्स में। sdk/_transport.py पुनः प्रयास योग्य त्रुटियों की गणना करता है, और प्रत्येक एडाप्टर उन्हें BackendTransportError में मैप करता है। सेट को गिनाया जाता है बजाय httpx.TransportError को पूरी तरह पकड़ने के, क्योंकि LocalProtocolError का अर्थ है कि अनुरोध विकृत था और UnsupportedProtocol नियतात्मक है।
पुनः प्रयास का एक ही स्वामी है: ब्रांच, _deploy_with_transport_retry में। यह एकमात्र स्तर है जो प्रयासों के बीच कैप्चर स्थिति को रीसेट करता है, इसलिए विफलता से पहले दर्ज किया गया टूल परिणाम दो बार प्रकाशित नहीं हो सकता या कार्य का नामित आउटपुट नहीं बन सकता, और यह केवल उसी ब्रांच को दोहराता है जो विफल हुई, न कि उन सहोदर ब्रांचों को जो पहले से ही बाहरी सिस्टम में लिख चुकी हों। पुनः प्रयास TASK_RETRY_LIMIT द्वारा सीमित हैं और TASK_RETRY_BACKOFF से रैखिक बैकऑफ के साथ।