Workflowy MCPをCodexにつなぐ方法｜CLI・APIキー設定を実体験で解説

Workflowyにあるタスクを、AIと人間の両方が見て更新できる「AIマネジメントボード」にしたい。

そう考えて、CodexとWorkflowyをMCPでつないでみた。

ところが最初は、MCPとAPIの違いすら、よくわからない。

• 「MCPもAPIと同じようなもの？」
• 「ローカルに何かインストールするの？」
• 「APIキーはどこに書けばいい？」

と、疑問が次々に出てくる。

CLI（黒い画面）にも不慣れだったが、公式手順を一つずつ確認すると無事に接続できた。

この記事では、Workflowy CLIのインストールから、APIキー認証、CodexへのMCP登録までを解説する。

Workflowyそのものの使い方から知りたい方は、先に次の記事をご覧ください。

Workflowy MCPをCodexへ接続する手順

まずはとにかく、手順を解説する。

初心者向けの疑問点（というか、私がつまづいた点）は後半にまとめたので、そちらも見てから作業を進めると納得感があると思う。

1．Workflowy CLIをインストールする

macOSまたはLinuxでは、公式ヘルプに載っている次のコマンドをターミナルで実行する（出典：Workflowy CLI公式ヘルプ）。

curl -fsSL https://github.com/rodolfo-terriquez/workflowy-cli/releases/latest/download/install.sh | bash

インストールできたら、ターミナルを起動して、次のコマンドで確認する。

wf --version
command -v wf

command -v wfで表示されたパスは、あとでCodexへ登録するときに使う。

私のMacでは、/Users/ユーザー名/.local/bin/wfという形だった。

2．Workflowy APIキーを発行する

Workflowyへログインした状態で、Workflowy公式のAPI Keyページを開く。

ここでAPIキーを発行する。

3．wf loginでAPIキーを入力する

ターミナルで、次のコマンドを実行する。

wf login

APIキーを求められたら、先ほど発行したキーを貼り付ける。入力内容は画面に表示されないが、そのままEnterを押してOK。

Workflowy CLI公式ヘルプでも、対話形式のwf loginが推奨されている。

と出れば認証成功だ。

4．キャッシュを同期して診断する

ログイン後は、公式手順どおりに同期と診断を実行する（出典：Workflowy CLI公式ヘルプ）。

wf cache:sync
wf doctor

wf cache:syncは、Workflowyの内容をローカルへ同期するコマンドだ。

私の場合、ノード（項目）が8.6万個ほどあるが、約20秒で完了した。

wf doctorでは、ログインやキャッシュの状態をまとめて確認できる。

ずらずらっと情報が出てくるので、ざっと確認して次に進もう。

同期と診断が終わったら、試しにInboxを取得してみよう。

wf node:read @inbox

Inboxの項目が表示されれば、CLIからWorkflowyを読み取れている。

Inboxのノードを作っていない（削除した）人は、別のノードで試してみよう。

5．CodexへWorkflowy MCPを登録する

次に、Workflowy CLIをMCPサーバーとしてCodexへ登録する（出典：OpenAI「MCP」）。

codex mcp add workflowy -- /Users/ユーザー名/.local/bin/wf mcp

/Users/ユーザー名/.local/bin/wfの部分は、command -v wfで確認した自分のパスへ置き換える。絶対パスで登録しておけば、Codexから起動したときもwfを見つけやすい。

この登録作業は、Codexにやってもらってもいい。今回、私は次のように頼んだ。

Workflowy CLIをMCPサーバーとして登録して

登録後は、Codexアプリを再起動する。

6．接続状態を確認する

最後に、次のコマンドで登録内容を確認する（出典：OpenAI「MCP」）。

codex mcp get workflowy

私の環境では、enabled: trueと表示された。

これで接続は完了。おつかれさまでした。

後半では、私が進める中で疑問に感じた点をまとめてある（普段CLIを扱わないような初心者向けです）。

MCPとは？APIとの違い

MCPとAPIは何が違うのか？私はここでつまずいた。

それぞれの役割をまとめてみた。

用語	今回の役割
MCP	AIと外部ツールをつなぐ共通ルール
Workflowy API	Workflowyを読み書きする窓口
Workflowy CLI	APIとMCPの両方を扱うツール
Codex	MCPを通じてWorkflowyへ指示するAI

MCPは、AIが外部ツールを使うための共通ルールだ。今回の場合は、CodexがMCPクライアント、手元で動くWorkflowy CLIがMCPサーバーになる。

次のような流れ。

Codexから命令を受けたWorkflowy CLIが、ローカルキャッシュやWorkflowy APIを使って、実際のデータを読み書きする。この流れがわかると、MCPとAPIを混同しなくなった。

詳しい仕様は、OpenAIのMCP解説とWorkflowy APIリファレンスで確認できる。

Workflowy Desktop MCPとCLI、どちらを使う？

もう一つ迷ったのが、Workflowy公式ヘルプに「Workflowy Desktop MCP」と「Workflowy CLI」の両方が載っていたことだ。

	Workflowy Desktop MCP	Workflowy CLI
形	専用のデスクトップアプリ	ターミナルで使うCLI
主な用途	MCP対応AIとの接続	検索・編集・自動化・AI接続
MCP	専用アプリとして提供	wf mcpを内蔵
ローカルキャッシュ	アプリ側で扱う	SQLiteキャッシュを利用
向いている人	GUI中心で接続したい人	CLI操作や自動化にも広げたい人

今回インストールしたのは、Workflowy CLI だ。

私の場合、操作は基本的にAI（Codex）にやってもらうつもり。だからデスクトップアプリ（GUI）は不要だ。

コマンド操作や自動化にも広げたいため、MCPサーバーを内蔵したCLI版を選んだ。

インストール前には、Workflowy CLI公式ヘルプで最新版を確認してほしい。

まとめ：Workflowy MCPはCLI版でもCodexにつなげる

Workflowy CLIをインストールし、APIキーで認証する。あとは、内蔵のwf mcpをCodexへ登録すれば接続できる。

• MCPはAIとツールをつなぐ共通ルール
• Workflowy APIはデータを読み書きする窓口
• Workflowy CLIはAPIとMCPを橋渡しするローカル実行役
• 対話式のwf loginならAPIキーをシェル履歴へ残しにくい
• 接続後は、AIの操作範囲と確認ルールを先に決める

私もMCPの仕組みがわからず、CLIにも慣れていなかった。それでも、手順どおりに進めれば接続できた。

次はWorkflowyを安全に操作するCodexスキルを作り、人間とAIで使うAIマネジメントボードへ進みたい。

次は安全に操作するスキルを作る

接続できたので、次はいよいよAIマネジメントボードを作る。ただ、その前にCodexがWorkflowyを安全に扱うためのスキルを用意したい。

• 最初は読み取りと検索を中心にする
• 作成・移動・完了・削除の権限を分ける
• 削除や大量変更は実行前に確認する
• 対象ボードや親ノードを明示する
• 変更内容を人間が追える形で報告する

MCPでつながったからといって、いきなり何でも任せるのは怖い。AIが触っていい場所と、実行前に確認する操作を先に決める。

そのうえで、「未着手・実行中・完了」のボードを作っていきたいと考えている。

Workflowyの基本機能や活用例もあわせて知りたい方は、使い方をまとめた次の記事も参考にしてほしい。