MCP-Orchestrator
Provides Git workflow management, including branch creation, commits, merges, and rollbacks for AI agents.
Click on "Install Server".
Wait a few minutes for the server to deploy. Once ready, it will show a "Started" state.
In the chat, type
@followed by the MCP server name and your instructions, e.g., "@MCP-Orchestratorstart phase setup-database"
That's it! The server will respond to your query, and you can continue using it as needed.
Here is a step-by-step guide with screenshots.
MCP-Orchestrator
State Machine & Git Workflow Engine для AI-агентов
MCP-Orchestrator — это MCP-сервер, который превращает хаотичную работу AI-агентов в управляемый, изолированный и аудитируемый процесс. В основе лежит принцип SPEC → PLAN → AGENTS: агенты работают не напрямую с кодом, а через три управляющих файла, а сервер контролирует состояния, ветки Git и целостность проекта.
Концепция
┌─────────────────────────────────────────────────────┐
│ MCP-Orchestrator │
│ │
│ SPEC.md ──► PLAN.md ──► AGENTS.md │
│ ↑ ↑ ↑ │
│ Что? Как? Что сделано? │
│ │
│ ┌──────────────┬──────────────┬────────────────┐ │
│ │ State Machine │ Git Engine │ File Parser │ │
│ └──────────────┴──────────────┴────────────────┘ │
│ │
│ Tools: get_project_state │ start_phase │ commit │
│ complete_phase │ fail_phase │
└─────────────────────────────────────────────────────┘AI-агент никогда не пишет код напрямую в main. Он:
Запрашивает состояние проекта (
get_project_state)Запускает фазу (
start_phase) — сервер создаёт изолированную Git-веткуfeature/phase_idПишет код внутри этой ветки
Фиксирует прогресс (
commit_phase)Завершает фазу (
complete_phase) — сервер вливает ветку вmain, обновляетPLAN.mdи пишет лог вAGENTS.md
Related MCP server: morpheus-mcp
Три управляющих файла
Файл | Роль |
| Спецификация проекта. Что нужно построить? Какие правила и ограничения? |
| План работ. Разбивка на фазы, зависимости, статусы ( |
| Чёрный ящик. Аудит-лог всех завершённых фаз: кто, что и когда сделал, какие были проблемы |
Каждый файл содержит YAML Front Matter, который сервер парсит, валидирует и обновляет.
Архитектура
State Machine (src/state_machine.py)
In-memory конечный автомат для отслеживания жизненного цикла фаз.
Статусы:
pending → in_progress → completed / failedЗащита от AI Looping: блокировка после 3 неудачных попыток перезапуска фазы
Бэкапы: in-memory снимки
SPEC.md,PLAN.md,AGENTS.mdперед каждым инструментомАвтовосстановление: при повреждении
PLAN.mdфайл откатывается из бэкапа
File Parser (src/file_parser.py)
Парсер YAML Front Matter с двусторонней сериализацией.
Читает
PLAN.mdв структурированныеPlanFileData/PhaseDataЗаписывает обновления без потери текстового описания шагов
Валидирует: обязательные поля (
id,name), допустимые статусы, уникальность ID, корректность зависимостей
Git Engine (src/git_operations.py)
Управление ветками и изоляцией через системный Git.
start_phase→ проверка чистоты репозитория, созданиеfeature/phase_idcommit_phase→git add . && git commit -m "<message>"complete_phase→git merge --no-ffвmain, удаление feature-веткиfail_phase→git reset --hardк точке расхождения, удаление веткиКонфликт-анализ: при параллельных фазах проверяет
git diff --name-onlyи блокирует запуск при пересечении файловых скоупов
MCP Server (src/server.py)
Интеграция всего в 5 MCP-инструментов (см. ниже).
MCP-инструменты
Инструмент | Параметры | Действие |
| — | Возвращает матрицу фаз, доступные для запуска, подсказку о параллельных фазах |
|
| Переводит фазу в |
|
|
|
|
| Переводит в |
|
| Переводит в |
Установка
git clone <repo-url>
cd orchestrator-mcp
pip install -e ".[dev]"Зависимости:
Python ≥ 3.10
System Git (доступный через
gitв PATH)
Запуск
python -m src.serverСервер запускается в режиме stdio (стандартный протокол MCP). Подключайтесь через любой MCP-клиент (например, mcp-cli или AI-ассистент с поддержкой MCP).
Workflow разработки
1. get_project_state()
└─► Сервер отвечает: доступна фаза "phase_2a"
2. start_phase("phase_2a")
└─► Сервер создаёт ветку feature/phase_2a
└─► Статус PLAN.md: phase_2a → in_progress
3. [Агент пишет код...]
4. commit_phase("phase_2a", "Added foo module")
└─► git add . && git commit
5. [Агент продолжает или завершает...]
6. complete_phase("phase_2a", "Done", executor_name="...", problems="...")
└─► Статус PLAN.md: phase_2a → completed
└─► merge feature/phase_2a → main
└─► Запись в AGENTS.md: дата, исполнитель, summary, хэш коммита, проблемы
7. get_project_state()
└─► Сервер отвечает: доступны следующие фазы...Параллельные фазы
Если в PLAN.md две фазы помечены parallel: true и не пересекаются по file_scope, сервер сообщит о возможности параллельного выполнения. При попытке запустить фазу, чей file_scope пересекается с уже изменёнными файлами в параллельной ветке, сервер заблокирует запуск с сообщением:
Конфликт файлов. Выполняй фазы строго последовательно
Тестирование
pytest tests/ -vПроект покрыт unit-тестами (test_state_machine.py, test_git_operations.py, test_file_parser.py) и интеграционными тестами (test_server_integration.py), которые создают временный Git-репозиторий для каждого теста.
Лицензия
MIT
This server cannot be installed
Maintenance
Resources
Unclaimed servers have limited discoverability.
Looking for Admin?
If you are the server author, to access and configure the admin panel.
Related MCP Servers
- AlicenseBqualityDmaintenanceOrchestrates complete agile development workflows from product requirements to QA testing through role-based stages (PO → Architect → SM → Dev → Review → QA). Manages workflow state, generates role-specific prompts, and saves artifacts while integrating with multiple AI engines for comprehensive project delivery.Last updated12819MIT
- AlicenseAqualityCmaintenanceProvides plan state management and phase gate enforcement for AI development loops. It tracks task progress and coordinates the lifecycle of agents by requiring specific evidence before advancing through development phases.Last updated10MIT
- FlicenseBqualityBmaintenanceManages KittyClaw task board workflows for AI agents, providing a safe control plane without shell or git access.Last updated281
- Alicense-qualityAmaintenanceProvides a specification-driven workflow layer for AI-assisted coding, enabling agents to follow an explicit 11-phase feature workflow with checkpoints, artifacts, and quality gates.Last updatedMIT
Related MCP Connectors
The project brain for AI coding agents — memory, decisions, sprints, knowledge base via MCP.
Git-native policy layer for AI agents: check_action verdicts against rules approved via PR.
Cross-agent artifact workspace with provenance across Claude Code, Codex, Cursor, LangGraph.
Latest Blog Posts
- Who's Calling? MCP Hosts Are an Identity Blind Spot (And the Spec Knows It)By Om-Shree-0709 on .mcpAgent IdentityOAuth 2.1
- Your AI Chatbot Just Exposed Your CEO's Salary to an InternBy Om-Shree-0709 on .Agent IdentityMCP SecurityOAuth Delegation
- Why MCP Servers Need Execution Sandboxing (And Why Your Current Stack Isn't Enough)By Om-Shree-0709 on .Agentic AiPrompt InjectionWebAssembly
MCP directory API
We provide all the information about MCP servers via our MCP API.
curl -X GET 'https://glama.ai/api/mcp/v1/servers/4il228/Orchestrator-MCP'
If you have feedback or need assistance with the MCP directory API, please join our Discord server