Skip to main content
Glama
M6zngzh896-blip

star-orchestrator

by M6zngzh896-blip
OverviewSchemaSourceRelated ServersDiscussionsAdmin
Python
Local

star-orchestrator

一个本地优先、可自控的智能体编排框架：把「大模型决策」与「真实动作执行」彻底分层， 让 LLM 只负责选技能与填参数，所有副作用都经过显式技能注册表 + 风险确认闸门后才发生。

  • 编排层用 Python 标准库 http.server 起服务（零框架依赖）；

  • 执行层用 FastAPI/uvicorn，只接受 skill_id + args，不做意图解析；

  • MCP / A2A 协议接入全部手写 JSON-RPC over Streamable HTTP，不引入官方 SDK；

  • 内置 SSRF/越权/危险命令拦截、长期记忆、本地 LLM 故障兜底、SSE 流式与心跳。

用户 / 外部智能体 / Bot
        │
        ▼
┌──────────────────────────┐        ┌──────────────────────────┐
│ orchestrator  :8700      │        │ exec  :8730              │
│ 唯一对话层                │        │ 技能引擎                  │
│ · Function Calling 循环  │──────▶ │ · config 注册表驱动        │
│ · SSE 流式 + 心跳         │ skill  │ · risk=confirm 二次确认   │
│ · 参数护栏 arg_guard      │ + args │ · 危险命令/敏感路径拦截    │
│ · 长期记忆 / 本地 LLM 兜底│        │ · ResultEnvelope 统一返回  │
└──────────────────────────┘        └──────────────────────────┘
        │ mcp_ 前缀                          ▲
        ├─────────────▶ 外部 MCP Server      │
        │ a2a_ 前缀                          │
        └─────────────▶ 外部 A2A Agent       │
                                     config/super_connector.json

目录结构

star-orchestrator/
├── orchestrator/              编排层（8700）
│   ├── main.py               入口
│   ├── config.yaml           非敏感配置（凭据一律走环境变量）
│   ├── api/gateway_api.py    HTTP 网关 + FC 工具循环 + SSE
│   ├── adapters/             LLM / 执行层 / 可选外部大脑适配器
│   ├── router/               路由、参数护栏、tools schema、MCP、A2A
│   ├── storage/              会话记忆 + 长期记忆（SQLite）
│   ├── services/             平台化（审计/计价/健康）+ 通用查询服务
│   └── utils/                配置加载、trace
├── exec/                     执行层（8730）
│   ├── server.py             FastAPI 入口：鉴权 / 技能 / SSE
│   ├── auth.py               多用户认证（PBKDF2 + 会话 + 模块授权）
│   └── super_connector.py    技能引擎（handler 注册表 + 风险闸门）
├── config/super_connector.json   技能注册表（唯一扩展点）
├── examples/custom_skill.py      最小可运行的自定义技能示例
├── desktop/                      桌面壳源码（Swift + WKWebView / Tauri）
├── scripts/start.sh              一键启动两层
├── scripts/oss/audit_public.py   敏感信息闸门（CI 与发布前共用）
└── tests/                        176 个用例（全离线可跑）

Related MCP server: EVOKORE-MCP

快速开始

git clone https://github.com/<your-account>/star-orchestrator.git
cd star-orchestrator

python3 -m venv .venv && source .venv/bin/activate
pip install -r requirements.txt

cp .env.example .env      # 按需填入 DEEPSEEK_API_KEY 等凭据

./scripts/start.sh        # 同时起 8700（编排层）与 8730（执行层）

验证：

curl http://127.0.0.1:8730/api/health     # 执行层（loopback 免登录）
curl http://127.0.0.1:8730/api/skills     # 技能清单（由注册表派生）
curl http://127.0.0.1:8700/health         # 编排层双引擎状态

跑测试（无需任何外部服务与网络）：

python3 -m pytest tests/ -q        # 176 passed
python3 scripts/oss/audit_public.py  # 敏感信息闸门

端口表

端口

服务

说明

8700

orchestrator/main.py

唯一对话层：路由、FC 循环、SSE、记忆

8730

exec/server.py

执行层：技能清单 / 执行 / 确认闸门 / 唤醒 SSE

所有地址与端口均可用环境变量覆盖，详见 .env.example。

内置技能

技能由 config/super_connector.json 单一权威源定义，risk=read 免确认直接执行， risk=confirm 必须先经二次确认闸门。

分类

技能

信息获取

web_search、web_fetch、weather、news、stock_query

出行/消费

travel_query、train_query、price_compare

办公

send_mail（confirm）、calendar_query、task_query、task_create（confirm）、task_complete（confirm）

创作

img_gen、visual_analyze

桌面操作

run_command（confirm）、file_read_write（confirm）、app_launch、app_control（confirm）、screen_analyze、code_exec（confirm）

系统

sys_status

新增技能见 docs/SKILLS.md，可直接照抄 examples/custom_skill.py。

协议接入

  • MCP（作为 Host/客户端）：在 orchestrator/config.yaml 的 mcp.servers 白名单里声明外部 MCP Server，工具会以 mcp_<server>_<tool> 前缀并入 Function Calling 面板。详见 docs/MCP.md。

  • A2A（Agent 联邦）：在 a2a.servers 声明外部 Agent，其技能以 a2a_<agent>_<skill> 前缀暴露； 默认只读委托，allow_write=false 时写操作会被拒绝。详见 docs/A2A.md。

两者均为手写 JSON-RPC over Streamable HTTP，无第三方 SDK 依赖。

安全模型

  • 分层纪律：执行层不接受自然语言，只接受 skill_id + args；意图解析归编排层。

  • 风险闸门：risk=confirm 技能生成一次性令牌，用户确认后才真正执行。

  • 参数护栏：orchestrator/router/arg_guard.py 在执行前拦截 SSRF（内网 URL）、 家目录越权读写、非法枚举取值、空参数等。

  • 命令与路径：exec/super_connector.py 内置危险命令正则与敏感目录黑名单。

  • 凭据：任何 api_key / 令牌 / 口令都只从环境变量读取，config.yaml 全为空串占位。

  • 发布闸门：scripts/oss/audit_public.py 在 CI 与发布前扫描全仓，命中敏感信息即非零退出。

⚠️ 本框架默认提供终端执行 / 文件读写 / 代码执行等高权限技能。请仅在受控环境运行， 并遵循 SECURITY.md 中的部署建议。

文档

许可

MIT，见 LICENSE。

This server cannot be deployed

One endpoint for every MCP toolRayrun runs every MCP server behind one URL and holds the credentials. Each call is decided per client, tool, and argument, then recorded.ray.runAd

Maintenance

ActivityMaintained
ResponsivenessNo issues

Resources

Related MCP Connectors

Related MCP Servers

  • FPF Agent Stack

    venikman
    F
    license
    Not graded
    quality
    D
    maintenance
    Enables offline AI agent automation with embedded local LLM (Qwen 2.5), sandboxed file operations through AgentFS, and dynamic skill loading. Exposes capabilities via MCP with tri-state safety guards for private, air-gapped environments without network connectivity or API costs.
    -

  • EVOKORE-MCP

    mattmre
    A
    license
    Not graded
    quality
    C
    maintenance
    Multi-server MCP aggregator with 266 skills, an orchestration runtime, fleet/claims coordination, and hook-driven session governance for autonomous Claude/Cursor/Gemini agent runs.
    3
    MIT

  • troth

    xgre1
    A
    license
    Not graded
    quality
    B
    maintenance
    A persistent AI partner MCP server that keeps identity, memory, goals and refusals in a local SQLite substrate, renting language work from Claude, ChatGPT, Kimi, local models or any BYOK OpenAI-compatible provider, with governed shell/fs/http tools, MCP "hands" gated by state-transition-validated cognition, loopback-only security, and tamper-evident audit.
    8
    AGPL 3.0

  • CONTINUUM

    Cyrax321
    A
    license
    Not graded
    quality
    A
    maintenance
    Universal verifiable recovery for long-running AI agents with semantic checkpoints, idempotent action ledger and hash chained log as a deny by default MCP server. Framework agnostic with adapters for LangGraph, LangChain and OpenAI plus gateway and OTel.
    28
    Apache 2.0