A
licenseNot graded
qualityA
maintenanceA local-first control plane for AI agent tools, providing policy enforcement, spend caps, rate limiting, and audit trails for MCP servers.
1
Apache 2.0
OrbitMCP
by Velocity07
OrbitMCP
边缘原生模型上下文协议（MCP）控制平面与自主工具调度器
一个轻量级、物理隔离的桌面控制台，将本地 LLM（Llama 3.2）连接到标准 MCP 工具，并提供确定性硬件安全保障。
核心问题
标准大型语言模型——无论是专有云端 API 还是本地权重——本质上都是孤立的文本预测器。它们对自身运行所在的物理机器根本缺乏感知：
无原生硬件感知能力： 没有外部胶水代码，LLM 无法独立检查剩余显存、查看项目仓库、运行 Shell 例程或读取 SQLite 数据库。
云端隐私与数据外泄风险： 通过云端 API 传输专有代码库结构、内部文档和主机遥测数据，会引入持续的 Token 开销和数据合规漏洞。
Electron 臃肿问题： 现有的智能体 GUI 普遍依赖 Electron，在推理模型加载到内存之前就消耗了 800MB–1.5GB 的内存。
Related MCP server: ControlMCP
OrbitMCP 的解决方案
OrbitMCP 将你的本地工作站转变为零延迟、物理隔离的智能体环境。
OrbitMCP 采用原生 Rust（Tauri v2） 外壳和 Python FastMCP 伴生进程构建，运行时内存开销低于 100MB，将你的系统资源完全预留给模型权重和快速本地推理。
┌────────────────────────────────────────────────────────────────────────┐
│ User Prompt / Directive │
└───────────────────────────────────┬────────────────────────────────────┘
│
▼
┌────────────────────────────────────────────────────────────────────────┐
│ Local Quantized LLM (Ollama / Llama-3.2) │
│ - Analyzes intent & generates standard JSON tool execution schema │
└───────────────────────────────────┬────────────────────────────────────┘
│ (MCP Tool Call)
▼
┌────────────────────────────────────────────────────────────────────────┐
│ OrbitMCP FastMCP Gateway (Local :8765) │
│ - Validates sandbox path boundaries & executes kernel functions │
└───────────────────┬────────────────────────────────┬───────────────────┘
│ │
▼ ▼
┌─────────────────────────┐ ┌─────────────────────────┐
│ system_telemetry() │ │ list_files() │
│ (RAM / CPU / Headroom) │ │ (Safe Workspace Tree) │
└────────────┬────────────┘ └────────────┬────────────┘
│ │
└────────────────┬───────────────┘
│
▼
┌────────────────────────────────────────────────────────────────────────┐
│ React 18 Control Plane (Geist UI + Claude Thinking) │
│ - Real-time hardware stream, collapsible trace & typewriter output │
└────────────────────────────────────────────────────────────────────────┘
核心特性
1. 自主 MCP 工具执行循环
OrbitMCP 将用户查询转换为与 OpenAI 兼容的工具规范，供本地 Ollama 模型使用。当查询需要操作系统上下文时，模型会中断标准生成过程，向 FastMCP 网关分发结构化工具参数，在本地执行 Python 脚本，并汇总最终结果载荷。
2. 实时内核遥测轮询
通过 psutil 直接进行硬件轮询，每 3 秒监控一次 CPU 核心利用率、常驻内存消耗和可用内存余量，以防止在重型推理过程中发生内存溢出（OOM）卡死。
3. Claude 风格思考过程区块
包含一个振荡的 4 柱波形动画和实时耗时计时器（Thought for 11.4s）。思考区块可折叠为内部独白草稿，详细记录模式解析和安全边界检查过程。
4. 四款精选开发者主题
包含四套高对比度的开发者配色方案，可在运行时切换并即时重新渲染令牌：
Obsidian Amber（深炭黑 + 暖琥珀）
Tokyo Violet（赛博合成靛蓝 + 紫色）
Matrix Emerald（终端绿 + 墨黑）
Linear Cobalt（深空岩板灰 + 天蓝）
5. 动态模型发现与参数调优
模型下拉框： 启动时自动查询本地 Ollama 守护进程（
/api/tags），列出已安装的权重模型（llama3.2:3b、qwen2.5-coder、mistral等）。采样温度： 内置滑块（0.0 到 1.0），用于动态调整生成的确定性。
工具门控： 每个工具卡片上设有独立开关，可动态启用或禁用模型模式中的特定 MCP 功能。
技术栈
层 | 技术 | 用途 |
桌面容器 | Tauri v2 (Rust) | 原生 Windows 窗口生命周期、极低内存占用、零开销 IPC |
前端界面 | React 18, TypeScript, Vite | 响应式仪表盘状态、实时指标轮询、快捷键 |
样式与图标 | Tailwind CSS, Lucide Icons | 响应式石板灰主题、微过渡动画、开发者图标符号 |
字体排印 | Geist Sans & JetBrains Mono | 受 Claude 启发的开发者可读性与等宽字体细节 |
工具引擎 | FastMCP, FastAPI, Uvicorn | 标准化的模型上下文协议（MCP）实现 |
本地推理 | Ollama (Llama 3.2 3B) | 完全离线、隐私至上的本地语言模型执行 |
项目结构
orbit-mcp/
├── backend/ # FastMCP Python engine
│ ├── tools/
│ │ ├── telemetry.py # Kernel hardware metrics polling
│ │ └── fs.py # Sandboxed workspace filesystem inspector
│ ├── server.py # FastAPI gateway & Ollama tool loop dispatcher
│ └── requirements.txt # Python dependencies
├── src/ # React frontend source
│ ├── App.tsx # Main OrbitMCP Control Plane component
│ ├── main.tsx # React DOM entry point
│ ├── index.css # Tailwind base styles & Claude wave keyframes
│ └── vite-env.d.ts # Vite client TypeScript definitions
├── src-tauri/ # Native Rust desktop application
│ ├── capabilities/ # Tauri v2 security policies
│ ├── icons/ # Multi-platform application icon sets
│ ├── src/main.rs # Rust application entry point
│ ├── Cargo.toml # Rust dependencies & metadata
│ └── tauri.conf.json # Window geometry, title, and build targets
├── orbitmcp-cover.png # Repository hero cover banner
├── orbit-icon.png # Master 1024x1024 application icon
├── package.json # Node dependencies and scripts
├── tailwind.config.js # Color tokens & typography configuration
└── tsconfig.json # TypeScript compiler rules (TS5 bundler mode)
快速开始
前提条件
请确保你的主机系统已安装以下运行时：
Node.js（v18.0 或更高版本）
Python（v3.10 至 v3.12）
Rust & Cargo（用于 Tauri 桌面编译）
Ollama（已拉取
llama3.2:3b模型）
安装与配置
1. 克隆仓库
git clone [https://github.com/Velocity07/OrbitMCP.git](https://github.com/Velocity07/OrbitMCP.git)
cd OrbitMCP
2. 配置 Python FastMCP 后端
创建并激活虚拟环境，然后安装依赖：
# Windows PowerShell
python -m venv .venv
.\.venv\Scripts\Activate.ps1
# Install backend requirements
pip install -r backend/requirements.txt
3. 安装前端依赖
npm install
4. 拉取本地推理模型
确保 Ollama 正在运行，然后拉取默认的轻量级工具调用模型：
ollama pull llama3.2:3b
运行 OrbitMCP
步骤 A：启动 FastMCP 后端服务器
在第一个终端中（已激活 .venv 虚拟环境）：
python backend/server.py
网关将初始化于 http://127.0.0.1:8765。
步骤 B：启动原生桌面窗口
在第二个终端中：
npx tauri dev
OrbitMCP 将编译原生 Rust 二进制文件，启动桌面窗口，并自动与 FastMCP 后端建立实时 IPC 桥接。
编写自定义 FastMCP 工具
OrbitMCP 的设计目标之一是易于扩展。要向智能体循环注册新工具：
使用 FastMCP 在
backend/tools/中定义工具函数：
# backend/tools/network.py
import socket
from typing import Dict, Any
def test_port(host: str, port: int) -> Dict[str, Any]:
"""Check if a specific host and port is accepting connections."""
s = socket.socket(socket.AF_INET, socket.SOCK_STREAM)
s.settimeout(2.0)
try:
s.connect((host, port))
s.close()
return {"host": host, "port": port, "open": True}
except Exception as e:
return {"host": host, "port": port, "open": False, "error": str(e)}
在
backend/server.py中注册工具装饰器和模式：
from tools.network import test_port
@mcp.tool()
def check_port(host: str, port: int) -> Dict[str, Any]:
"""Test connection status for a remote host and port."""
return test_port(host, port)
重启
server.py。该工具将立即出现在 已注册工具 面板中，并可被自主调用。
路线图
FastMCP Python 网关集成
实时主机硬件遥测轮询（CPU / RAM）
Llama 3.2 自主工具执行循环
Claude 风格思考折叠面板与耗时计时器
多主题运行时切换器（Obsidian、Tokyo、Emerald、Cobalt）
原生 Tauri v2 Windows Shell 集成
服务器发送事件（SSE）逐 Token 流式输出
自动化的 PyInstaller 伴生二进制文件打包
多轮对话记忆草稿
许可证
基于 MIT 许可证 分发。更多信息请参阅 LICENSE。
This server cannot be deployed
Maintenance
ActivitySlowing
ResponsivenessNo issues
Related MCP Connectors
MCP-Native LLM Orchestration Agent
Control plane for autonomous software labor. Agents claim objectives over MCP with audit trail.
Zero-setup MCP gateway securely connecting AI to your tools with authentication and workflows
LLM Orchestration MCP Agent
Related MCP Servers
- AlicenseNot gradedqualityDmaintenanceAn MCP server that enables LLMs to see and control a computer — screen capture, window management, mouse and keyboard automation — with a structured plan-execute workflow for complex desktop automation.GPL 3.0
- FlicenseAqualityDmaintenanceSafety-first local MCP tool gate with control plane, runtime security, and observability for managing MCP backends.4-
- AlicenseBqualityBmaintenanceLocal AI ops broker that keeps SSH secrets on your machine, exposes intent-level MCP tools to agents, and requires approval via a loopback Web UI for dangerous writes.141 npmMIT