FlowScope UX Flow Analyser

Name: FlowScope UX Flow Analyser
Author: DavidNgugi

โดย DavidNgugiรุ่น 0.1.1i★ –iรันบนเครื่อง

ชื่อใน registryio.github.DavidNgugi/flowscope

ติดตั้ง

ภาพรวม

คำอธิบายจากผู้ทำ (ภาษาอังกฤษตามต้นฉบับ)

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

สามเสาของ PopNx MCP

สามเรื่องนี้ไม่รวมเป็นคะแนนเดียว เพราะความเห็น การวัด และความนิยม เป็นคนละเรื่องกัน

เสียงผู้ใช้iยังไม่มีรีวิวรีวิวเปิดพร้อมระบบบัญชีในขั้นถัดไป
ผลตรวจเบื้องต้นของเราiผ่าน 1 จาก 1 ข้อตรวจจากข้อมูลที่เปิดอยู่ ยังไม่ได้สแกนโค้ด
การใช้งานiยังไม่ได้วัด★ –

ใช้ทำอะไรได้

ตัวนี้ยังไม่ได้เรียบเรียงเป็นภาษาไทย ด้านล่างคือข้อเท็จจริงที่เราอ่านจาก registry

การเชื่อมต่อ: รันบนเครื่อง
ช่องทาง (transport): stdio
หมวด: การตลาดและโซเชียล
ต้องใส่ค่าเหล่านี้: FLOWSCOPE_API_TOKEN

ติดตั้ง

เลือกโปรแกรม AI ที่คุณใช้ แล้วคัดลอกค่าตั้งไปวาง

ก่อนติดตั้ง

ผลตรวจเบื้องต้น: ผ่าน 1 จาก 1 ข้อ
รันในเครื่องคุณด้วยสิทธิ์ของผู้ใช้คุณ (ไฟล์ อินเทอร์เน็ต แอปต่าง ๆ)
ค่าที่คุณต้องใส่เอง: FLOWSCOPE_API_URL, FLOWSCOPE_API_TOKEN, FLOWSCOPE_MAX_WAIT

ค่าที่ติดป้ายความลับคือกุญแจของบัญชีคุณ อย่าส่งให้ใคร และอย่าวางในแชต

ต้องเตรียมก่อน

PyPIติดตั้ง uv ของ Python (มีคำสั่ง uvx) ในเครื่อง

คุณใช้แอปไหน

ClaudeClaude CodeCursorVS CodeChatGPT

เลือกแอปด้านบน เราจำไว้ให้ ครั้งหน้าปุ่มจะขึ้นว่า “ติดตั้งลง …”

เปิด Claude Desktop → Settings → Developer → Edit Config แล้ววางค่านี้ในไฟล์ claude_desktop_config.json

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

พิมพ์คำสั่งนี้ใน Terminal

claude mcp add flowscope --env FLOWSCOPE_API_URL='ใส่ค่าของคุณ' --env FLOWSCOPE_API_TOKEN='ใส่ค่าของคุณ' --env FLOWSCOPE_MAX_WAIT='ใส่ค่าของคุณ' -- uvx flowscope-mcp

เติมค่าที่เว้นว่างไว้ก่อนรัน

เปิดใน Cursor

หรือคัดลอกค่าตั้งเอง

วางในไฟล์ .cursor/mcp.json ของโปรเจกต์ หรือ ~/.cursor/mcp.json

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

เบราว์เซอร์จะถามก่อนเปิดแอป จากนั้นแอปแสดงค่าตั้งให้ตรวจแล้วกดยืนยัน ช่อง key เว้นว่างไว้ให้คุณใส่เอง

เปิดใน VS Code

หรือคัดลอกค่าตั้งเอง

วางในไฟล์ .vscode/mcp.json ของโปรเจกต์

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

ตัวนี้รันในเครื่องคุณ แต่ ChatGPT ต่อได้เฉพาะ server บนอินเทอร์เน็ต ลองเลือกแอปอื่น

ตัวเลือกเก็บในคุกกี้บนเครื่องนี้ ไม่ต้องมีบัญชี

ค่าที่ต้องใส่เอง

FLOWSCOPE_API_URL env
Base URL of the running FlowScope backend. '/api' is appended if absent.
FLOWSCOPE_API_TOKEN ความลับ 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.

ค่าตั้งนี้สร้างจากข้อมูลใน registry ของผู้ทำ ถ้าไม่ตรงกับ README ให้เชื่อ README

ทำอะไรได้บ้าง

รันในเครื่องคุณ รายการเครื่องมือจะขึ้นในแอป AI หลังติดตั้ง

ผลตรวจเบื้องต้นi

เราตรวจจากข้อมูลที่ใครก็เปิดดูได้ ยังไม่ได้อ่านโค้ด ข้อที่ไม่เกี่ยวกับตัวนี้ไม่นับในตัวหาร · ตรวจเมื่อ 6 พ.ย. 2569

✓ ผ่าน
ตัวตนผู้ทำตรงกับ repo
ชื่อใน registry ยืนยันด้วยบัญชี GitHub DavidNgugi ซึ่งเป็นเจ้าของ repo
… ยังไม่ตรวจ
ยังมีคนดูแล
ยังไม่ได้อ่านข้อมูล repo จาก GitHub
… ยังไม่ตรวจ
มีสัญญาอนุญาต (license)
ยังไม่ได้อ่านข้อมูล repo จาก GitHub
– ไม่เกี่ยว
endpoint ตอบ
ตัวนี้รันบนเครื่องคุณ ไม่มี endpoint บนอินเทอร์เน็ต
– ไม่เกี่ยว
ล็อกอินแบบ OAuth
ตัวนี้รันบนเครื่อง ใช้ค่าที่ตั้งในเครื่องแทน
… ยังไม่ตรวจ
คำอธิบายเครื่องมือไม่มีคำสั่งแอบแฝง
รันในเครื่องคุณ เราอ่านรายการเครื่องมือได้เฉพาะตัวที่มี endpoint บนอินเทอร์เน็ต

เทียบกับตัวอื่นในหมวด การตลาดและโซเชียลi

ดาวมากกว่า 0% ของอีก 2954 ตัวในหมวดนี้
ส่งรุ่นใหม่เข้า registry ล่าสุดกว่า 50% ของอีก 2954 ตัวในหมวดนี้
ผลตรวจเบื้องต้นดีกว่าหรือเท่ากับ 100% ของอีก 2954 ตัวในหมวดนี้

เทียบกับทุก server ที่ยังใช้งานในหมวดนี้ทั้งทะเบียน ดาวนับเฉพาะเมื่อผู้ลงทะเบียนเป็นเจ้าของ repo

คำถามที่พบบ่อย

FlowScope UX Flow Analyser ปลอดภัยไหม?

จากการตรวจเบื้องต้นของเรา ผ่าน 1 จาก 1 ข้อที่ตรวจได้ เรายังไม่ได้อ่านโค้ด ก่อนใส่กุญแจหรือ token ให้ดูว่า server ขอสิทธิ์อะไร และเลือกกุญแจที่ทำได้เท่าที่จำเป็น

ต้องใช้กุญแจหรือรหัสอะไรบ้าง?

ต้องใส่ค่าเหล่านี้: FLOWSCOPE_API_TOKEN

ตัวนี้รันบนเครื่องหรือบนคลาวด์?

รันบนเครื่องของคุณ โปรแกรม AI จะเปิด server ขึ้นมาเองเมื่อใช้ ข้อมูลไม่ต้องผ่านเซิร์ฟเวอร์ของผู้ทำ (ยกเว้นตัวที่ไปเรียกบริการออนไลน์ต่อ)

ยังมีคนดูแลอยู่ไหม?

repo บน GitHub มีการแก้โค้ดล่าสุด – และส่งรุ่นล่าสุด (0.1.1) เข้า registry 30 วันที่ผ่านมา

ใช้กับโปรแกรมไหนได้บ้าง?

โปรแกรมที่รองรับ MCP เช่น Claude Desktop, Claude Code, Cursor และ VS Code ตัวนี้ต้องมี Python (uv) ในเครื่องด้วย

มีตัวไหนใช้แทนได้บ้าง?

ในหมวดเดียวกันมี MCP YouTube Transcript, Google Analytics MCP, BibiGPT YouTube Video Summarizer

ตัวที่ใช้แทนได้

server หมวดเดียวกันจากผู้ทำคนอื่น เรียงตามดาว

อ่านการ์ด:★ ดาว GitHubiสามเสา: รีวิว · ผลตรวจ · การใช้งานiอัปเดต = วันที่ส่งรุ่นล่าสุดเข้า registryi

MCP YouTube Transcript

โดย jkawamoto

An MCP server retrieving transcripts of YouTube videos

รันบนเครื่อง★ 495MITอัปเดต 9 วันที่ผ่านมา

ติดตั้ง

Google Analytics MCP

โดย surendranb

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

รันบนเครื่อง★ 244MITอัปเดต 9 วันที่ผ่านมา

ติดตั้ง

BibiGPT YouTube Video Summarizer

โดย JimmyLv

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

รันบนคลาวด์★ 137MITอัปเดต 9 วันที่ผ่านมา

ติดตั้ง

README จากผู้ทำ

เปิดอ่าน README

ส่วนนี้คัดจาก repo ของผู้ทำตามต้นฉบับ PopNx MCP ไม่ได้ตรวจหรือรับรองเนื้อหา ตัด HTML รูปภาพ และสคริปต์ออกแล้ว ลิงก์จะพาออกนอกเว็บ

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

ตัดมาแค่ช่วงต้น อ่านต่อใน repo

FlowScope UX Flow Analyser

ภาพรวม

สามเสาของ PopNx MCP

ใช้ทำอะไรได้

ติดตั้ง

ก่อนติดตั้ง

ค่าที่ต้องใส่เอง

ทำอะไรได้บ้าง

ผลตรวจเบื้องต้นi

ตัวตนผู้ทำตรงกับ repo

ยังมีคนดูแล

มีสัญญาอนุญาต (license)

endpoint ตอบ

ล็อกอินแบบ OAuth

คำอธิบายเครื่องมือไม่มีคำสั่งแอบแฝง

เทียบกับตัวอื่นในหมวด การตลาดและโซเชียลi

คำถามที่พบบ่อย

ตัวที่ใช้แทนได้

MCP YouTube Transcript

Google Analytics MCP

BibiGPT YouTube Video Summarizer

README จากผู้ทำ

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