FlowScope UX Flow Analyser

Name: FlowScope UX Flow Analyser
Author: DavidNgugi

de DavidNgugiversión 0.1.1i★ –iSe ejecuta en tu computadora

Nombre en el registroio.github.DavidNgugi/flowscope

Instalar

Resumen

Descripción del creador (original en inglés)

Turn YouTube product demos into structured UX flow reports, and compare demos side by side.

Los tres pilares de PopNx MCP

Estos tres nunca se combinan en una sola puntuación: las opiniones, las mediciones y la popularidad son cosas distintas.

Opinión de usuariosiAún no hay reseñasLas reseñas se abrirán junto con las cuentas en una etapa posterior
Nuestras revisiones básicasi1 de 1 superadasRevisado con información pública; el código aún no se ha escaneado
UsoiAún sin medir★ –

Qué puedes hacer con él

Todavía no escribimos un resumen sencillo para este. Abajo están los datos que leímos del registro.

Conexión: Se ejecuta en tu computadora
Transporte: stdio
Categoría: Marketing y redes sociales
Debes completar: FLOWSCOPE_API_TOKEN

Instalación

Elige la app de IA que usas y copia la configuración.

Antes de instalar

Revisiones básicas: 1 de 1 superadas
Se ejecuta en tu computadora con los permisos de tu usuario (archivos, red, apps).
Debes completar tú: FLOWSCOPE_API_URL, FLOWSCOPE_API_TOKEN, FLOWSCOPE_MAX_WAIT

Los valores marcados como secretos son llaves de tu cuenta. Nunca los compartas ni los pegues en un chat.

Necesitas

PyPIuv de Python instalado (para el comando uvx)

¿Qué app usas?

ClaudeClaude CodeCursorVS CodeChatGPT

Elige tu app arriba. La recordamos, así que la próxima vez el botón dirá “Instalar en …”.

Abre Claude Desktop → Settings → Developer → Edit Config y pega esto en claude_desktop_config.json

{
  "mcpServers": {
    "flowscope": {
      "command": "uvx",
      "args": [
        "flowscope-mcp"
      ],
      "env": {
        "FLOWSCOPE_API_URL": "your-value",
        "FLOWSCOPE_API_TOKEN": "your-value",
        "FLOWSCOPE_MAX_WAIT": "your-value"
      }
    }
  }
}

Ejecuta esto en tu terminal

claude mcp add flowscope --env FLOWSCOPE_API_URL=your-value --env FLOWSCOPE_API_TOKEN=your-value --env FLOWSCOPE_MAX_WAIT=your-value -- uvx flowscope-mcp

Completa los valores vacíos antes de ejecutarlo.

Abrir en Cursor

O copia la configuración tú

Pégalo en .cursor/mcp.json de tu proyecto, o en ~/.cursor/mcp.json

{
  "mcpServers": {
    "flowscope": {
      "command": "uvx",
      "args": [
        "flowscope-mcp"
      ],
      "env": {
        "FLOWSCOPE_API_URL": "your-value",
        "FLOWSCOPE_API_TOKEN": "your-value",
        "FLOWSCOPE_MAX_WAIT": "your-value"
      }
    }
  }
}

Tu navegador te pide permiso para abrir la app; luego la app muestra la configuración y te pide confirmar. Los valores de las claves quedan vacíos para que los completes tú.

Abrir en VS Code

O copia la configuración tú

Pégalo en .vscode/mcp.json de tu proyecto

{
  "servers": {
    "flowscope": {
      "type": "stdio",
      "command": "uvx",
      "args": [
        "flowscope-mcp"
      ],
      "env": {
        "FLOWSCOPE_API_URL": "your-value",
        "FLOWSCOPE_API_TOKEN": "your-value",
        "FLOWSCOPE_MAX_WAIT": "your-value"
      }
    }
  }
}

Tu navegador te pide permiso para abrir la app; luego la app muestra la configuración y te pide confirmar. Los valores de las claves quedan vacíos para que los completes tú.

Este se ejecuta en tu computadora, y ChatGPT solo puede conectarse a servidores en internet. Elige otra app.

Tu elección se guarda en una cookie en este dispositivo; no necesitas cuenta.

Valores que debes completar

FLOWSCOPE_API_URL env
Base URL of the running FlowScope backend. '/api' is appended if absent.
FLOWSCOPE_API_TOKEN secreto env
Bearer token, only needed when the backend sits behind an authenticating proxy.
FLOWSCOPE_MAX_WAIT env
Default seconds that flowscope_analyze_video waits for a job before returning a job id.

Esta configuración se genera a partir de la ficha del creador en el registro. Si el README dice otra cosa, sigue el README.

Qué puede hacer

Se ejecuta en tu computadora; la lista de herramientas aparece en tu app de IA después de instalarlo.

Revisiones básicasi

Revisamos información que cualquiera puede ver; no hemos leído el código. Las revisiones que no aplican no se cuentan. · Revisado el 6 nov 2026

✓ Superada
El creador coincide con el repo
El nombre en el registro se verificó con la cuenta de GitHub DavidNgugi, dueña del repo
… Aún sin revisar
Sigue en mantenimiento
Todavía no hemos leído este repo en GitHub
… Aún sin revisar
Tiene licencia
Todavía no hemos leído este repo en GitHub
– No aplica
El endpoint responde
Este se ejecuta en tu computadora; no hay endpoint en internet
– No aplica
Inicio de sesión con OAuth
Se ejecuta en tu computadora y usa ajustes locales en su lugar
… Aún sin revisar
Sin instrucciones ocultas en las descripciones de herramientas
Se ejecuta en tu computadora; solo podemos leer listas de herramientas de endpoints en internet

Comparado con otros en Marketing y redes socialesi

Más estrellas que el 0% de los otros 2956 servidores de esta categoría
Publicado en el registro más recientemente que el 49% de los otros 2956 servidores de esta categoría
Revisiones básicas iguales o mejores que el 100% de los otros 2956 servidores de esta categoría

Comparado con todos los servidores activos de esta categoría en el registro. Las estrellas solo cuentan cuando quien lo publica es dueño del repo.

Preguntas frecuentes

¿Es seguro FlowScope UX Flow Analyser?

Superó 1 de 1 revisiones básicas aplicables. No hemos leído el código. Antes de agregar una clave o un token, revisa qué acceso pide el servidor y usa una clave que tenga solo los permisos que necesitas.

¿Qué claves o códigos necesita?

Debes completar: FLOWSCOPE_API_TOKEN

¿Se ejecuta en mi computadora o en la nube?

Se ejecuta en tu computadora. Tu app de IA lo inicia cuando hace falta, y los datos no pasan por los servidores del creador (a menos que el propio servidor llame a un servicio en línea).

¿Sigue en mantenimiento?

El repo de GitHub cambió por última vez –, y la última versión (0.1.1) llegó al registro hace 30 días.

¿Qué apps pueden usarlo?

Las apps compatibles con MCP, como Claude Desktop, Claude Code, Cursor y VS Code. También necesitas Python (uv) en tu computadora.

¿Qué puedo usar en su lugar?

En la misma categoría: MCP YouTube Transcript, Google Analytics MCP, BibiGPT YouTube Video Summarizer

Alternativas

Servidores de la misma categoría hechos por otros creadores, ordenados por estrellas.

Cómo leer una tarjeta:★ Estrellas de GitHubiTres pilares: reseñas · revisiones · usoiActualizado = fecha en que se publicó la última versión en el registroi

MCP YouTube Transcript

de jkawamoto

An MCP server retrieving transcripts of YouTube videos

Se ejecuta en tu computadora★ 495MITActualizado hace 9 días

Instalar

Google Analytics MCP

de surendranb

GA4 MCP server for AI agents: schema discovery, server-side aggregation, analysis-ready defaults.

Se ejecuta en tu computadora★ 244MITActualizado hace 9 días

Instalar

BibiGPT YouTube Video Summarizer

de JimmyLv

AI video summarizer: summarize and transcribe YouTube, Bilibili, TikTok and podcast videos.

Se ejecuta en la nube★ 137MITActualizado hace 9 días

Instalar

README del creador

Abrir el README

Copiado tal cual del repo del creador. PopNx MCP no lo ha revisado ni lo respalda. Se quitaron HTML, imágenes y scripts. Los enlaces llevan fuera de este sitio.

flowscope-mcp

An MCP server that exposes the FlowScope UX-analysis pipeline to any LLM client. Speaks MCP protocol 2026-07-28 and ships two spec-portable Agent Skills.

uvx flowscope-mcp        # stdio server; needs a local FlowScope backend

FlowScope takes a YouTube product-demo URL, downloads the video, transcribes it, extracts and de-duplicates screenshots of each distinct screen, describes every screen with a vision model, and synthesises a step-by-step UX flow. This package turns that pipeline into tools an agent can call.

Ask your agent something like:

Compare the onboarding flows in these two videos: and

Tear down the checkout UX in this demo:

Requirements

This server is a client of a running FlowScope backend; it does not run the pipeline itself. Start the backend first:

cd backend

uvicorn app.main:app --port 8000

The backend needs ffmpeg, a Python environment with backend/requirements.txt, and one LLM provider key in backend/.env. The server's flowscope_health_check tool reports exactly which of these is missing, so you can ask your agent to check rather than guessing.

Install

As a Claude Code plugin

One step, and it brings the skills, the prompts, and the server registration:

/plugin marketplace add DavidNgugi/flowscope

/plugin install flowscope@flowscope

From PyPI

Nothing needs a permanent install — uvx runs it in a throwaway environment. uv is the only prerequisite (brew install uv):

uvx flowscope-mcp                 # starts a stdio server

uvx flowscope-mcp --version # confirm the published version uvx flowscope-mcp@0.1.0 # pin, when reproducibility matters

From a git URL or a local checkout

uvx --from /absolute/path/to/flowscope/mcp flowscope-mcp

uvx --from "git+https://github.com/DavidNgugi/flowscope.git@main#subdirectory=mcp" flowscope-mcp

Environment

Variable	Default	Purpose
`FLOWSCOPE_API_URL`	`http://127.0.0.1:8000`	Backend base URL. `/api` is appended if absent, so either form works.
`FLOWSCOPE_API_TOKEN`	_(empty)_	Sent as `Authorization: Bearer …`. Only needed behind an authenticating proxy.
`FLOWSCOPE_HTTP_TIMEOUT`	`30`	Seconds for ordinary requests.
`FLOWSCOPE_MAX_WAIT`	`900`	Default wait budget for `flowscope_analyze_video`.
`FLOWSCOPE_POLL_INTERVAL`	`5`	Seconds between job-status polls.

These are read from the process environment on each call. The MCP Python SDK v2 deliberately stopped reading MCP_* variables and .env files, so set them in your client's server configuration instead.

Point a harness at it

The config shapes genuinely differ — VS Code's own file uses `servers` where every other client uses `mcpServers`, Codex is TOML, and Claude Desktop does not expand ${VAR} placeholders — so generating the file is more reliable than copying a snippet:

uvx --from flowscope-mcp flowscope-mcp-install --help   # every client + its path

uvx --from flowscope-mcp flowscope-mcp-install print # portable JSON, writes nothing

uvx --from flowscope-mcp flowscope-mcp-install claude-code uvx --from flowscope-mcp flowscope-mcp-install cursor uvx --from flowscope-mcp flowscope-mcp-install vscode uvx --from flowscope-mcp flowscope-mcp-install codex uvx --from flowscope-mcp flowscope-mcp-install gemini uvx --from flowscope-mcp flowscope-mcp-install claude-desktop

It merges into an existing config file and leaves other servers alone.

Harness	File	Key	Syntax
Claude Code	`.mcp.json`, `~/.claude.json`	`mcpServers`	JSON
Claude Desktop	`claude_desktop_config.json`	`mcpServers`	JSON
Cursor	`.cursor/mcp.json`, `~/.cursor/mcp.json`	`mcpServers`	JSON
VS Code	`.vscode/mcp.json`	`servers`	JSON
Codex CLI	`~/.codex/config.toml`	`[mcp_servers.flowscope]`	TOML
Gemini CLI	`~/.gemini/settings.json`	`mcpServers`	JSON

VS Code additionally reads the portable /.mcp.json shape (key mcpServers), which flowscope-mcp-install vscode-portable writes when you want one config shared with Claude Code and Cursor.

Remote / shared deployment

Run one server for several clients, or for a harness that cannot spawn a process:

flowscope-mcp --transport streamable-http --host 127.0.0.1 --port 8765

Clients connect to POST http://127.0.0.1:8765/mcp:

claude mcp add --transport http flowscope http://127.0.0.1:8765/mcp

docs/install.md has the full per-harness reference, the placeholder syntax each one accepts, and the two traps that most often break an install.

Use it

Restart your client, open a new chat, and check the install first:

Check whether FlowScope is ready to use.

That runs flowscope_health_check and names anything missing — usually ffmpeg or an LLM provider key on the backend host. Then ask for what you want.

Example prompts

One video, fully analysed

Tear down the onboarding UX in this demo:

What does this product actually do, based on this demo? Walk me through the flow screen by screen:

Analyse and tell me where a first-time user would get stuck.

A specific question about a flow

In this demo, how many steps does signup take, and what does each one ask for?

Does this demo show any error or empty states?

What's above the fold on the first screen, and what's the primary call to action?

Several videos, compared

Compare the onboarding flows in these two demos. Where do they diverge, and what's the trade-off each one makes?

-

I'm designing a checkout flow. What do these two demos do differently, and what should I borrow?

Which of these three gets a new user to first value fastest, judging by the demos?

Working with what already exists

What videos has FlowScope already analysed?

Show me the screenshot of the pricing screen from that report.

You do not need to phrase these carefully. Analyses are cached by YouTube video id, so a vague prompt costs a lookup rather than a re-analysis — the agent checks the cache before spending anything.

What happens after you press enter

Analysing a video downloads it, transcribes it, extracts and de-duplicates screenshots, then makes one vision call per distinct screen plus a synthesis call. A five-minute demo typically yields 15–40 screens. Expect 2–10 minutes and real money per video.

flowscope_analyze_video waits by default and usually returns the finished report directly, so one prompt is normally enough. If the video needs longer than the budget it returns status: "running" with a video_id, and the agent should poll flowscope_job_status. If it resubmits the URL instead, stop it — that starts duplicate work.

Answers are grounded, or should be

Reports have three layers: ux_insights (the synthesis), flow_steps (the ordered user path), and frames (the evidence — one entry per screen, with its purpose, UI elements, and aligned narration). A good answer leads with the insights and cites the screen behind each claim. The bundled skills enforce this, including saying "the demo does not show this" rather than inferring.

docs/usage.md has the full walkthrough, prompt patterns that produce better answers, and a troubleshooting table.

Tools

Ten tools, split between read-only inspection and actions that cost money.

Tool	Annotations	What it does
`flowscope_health_check`	read-only	Backend up? ffmpeg, yt-dlp, provider key present?
`flowscope_list_videos`	read-only	Every stored video with its latest job status.
`flowscope_job_status`	read-only	Progress of one analysis job.
`flowscope_get_report`	read-only	The finished UX report: flow, insights, per-screen findings.
`flowscope_frame_image`	read-only	The actual screenshot for one screen, as an image.
`flowscope_compare_videos`	open-world	Cross-video common patterns, divergences, stage matrix.
`flowscope_analyze_video`	open-world	Download and analyse one or more URLs. Costs money.
`flowscope_retry_video`	idempotent	Re-queue a failed job; completed stages are reused.
`flowscope_reanalyze_video`	destructive	Discard derived results and redo analysis.
`flowscope_delete_video`	destructive	Remove a video; optionally delete media from disk.

Plus two prompts (flowscope_ux_teardown, flowscope_compare_flows) and two resources (flowscope://videos, flowscope://videos/{video_id}/report).

Cost and time

Analysing a video downloads it, transcribes it, and makes one vision call per distinct screen plus a synthesis call. That is minutes and real money per video. Two things protect against waste:

Results are cached by YouTube video id. flowscope_list_videos reveals existing analyses, and resubmitting a finished video is free and instant.
flowscope_analyze_video checks the cache before starting work and only submits what is actually new.

The bundled skill teaches an agent to check the cache first.

Transports

flowscope-mcp                                  # stdio (default)

flowscope-mcp --transport streamable-http --port 8765

Streamable HTTP serves POST /mcp. The SDK serves the 2026-07-28 protocol revision and the older handshake era from the same endpoint, so legacy clients work without extra configuration. Legacy clients create server-side sessions, which are stored in-process — if you run more than one worker behind a load balancer, enable sticky routing.

Skills

Two Agent Skills ship alongside the server, written to the open specification so they install into any compatible client:

Skill	Use it when
`analyzing-product-demo-ux`	You want a teardown of one recorded flow — how onboarding, signup, or checkout works, screen by screen.
`comparing-product-demo-ux`	You want several products compared: shared conventions, real divergences, and what is worth borrowing.

They carry the operational knowledge the tool descriptions cannot: check the health and the cache before spending money, read the synthesis rather than re-deriving it from the raw transcript, say "the demo does not show this" rather than inferring, and treat an auto-caption's product names with suspicion.

The skills and the server are independent — the skills are useful on a report you already have, and the server

Solo se muestra el principio; lee el resto en el repo

FlowScope UX Flow Analyser

Resumen

Los tres pilares de PopNx MCP

Qué puedes hacer con él

Instalación

Antes de instalar

Valores que debes completar

Qué puede hacer

Revisiones básicasi

El creador coincide con el repo

Sigue en mantenimiento

Tiene licencia

El endpoint responde

Inicio de sesión con OAuth

Sin instrucciones ocultas en las descripciones de herramientas

Comparado con otros en Marketing y redes socialesi

Preguntas frecuentes

Alternativas

MCP YouTube Transcript

Google Analytics MCP

BibiGPT YouTube Video Summarizer

README del creador

flowscope-mcp

Requirements

Install

As a Claude Code plugin

From PyPI

From a git URL or a local checkout

Environment

Point a harness at it

Use it

Example prompts

What happens after you press enter

Answers are grounded, or should be

Tools

Cost and time

Transports

Skills