Skip to main content
Glama
Local Workspace Orchestrator

Local Workspace Orchestrator

Local Workspace Orchestrator

Ein MCP (Model Context Protocol)-Client-Server-System, das Anthropic Claude über eine Reihe von Workspace-Tools mit Ihrem lokalen Dateisystem verbindet. Der Orchestrator ermöglicht es Claude, Dateien zu lesen, CSV-Dateien zu analysieren, Skripte auszuführen, Diagramme zu erstellen und mehr — alles über eine interaktive Chat-Oberfläche.

Architektur

┌───────────────────────────┐        stdio         ┌──────────────────────────┐
│  orchestrator_client.py   │ ◄──────────────────► │  workspace_server.py     │
│  (MCP Client + Anthropic) │     MCP protocol     │  (FastMCP Server)        │
│                           │                      │                          │
│  • Connects to 1+ servers │                      │  Tools:                  │
│  • Streams Claude output  │                      │   • list_workspace_files │
│  • Retries failed calls   │                      │   • summarize_csv_dataset│
│  • Saves chat history     │                      │   • execute_python_script│
│                           │                      │   • write_file           │
│                           │                      │   • run_shell_command    │
│                           │                      │   • plot_column_distrib. │
│                           │                      │                          │
│                           │                      │  Resources:              │
│                           │                      │   • workspace://files    │
│                           │                      │   • workspace://schema/* │
└───────────────────────────┘                      └──────────────────────────┘

Related MCP server: ai-distiller-mcp

Schnellstart

1. Klonen und installieren

git clone <your-repo-url>
cd local-workspace-orchestrator

# Using uv (recommended)
uv sync

# Or using pip
pip install -r requirements.txt

2. Richten Sie Ihren API-Schlüssel ein

cp .env.example .env
# Edit .env and paste your Anthropic API key

3. Führen Sie den Orchestrator aus

# Using uv
uv run orchestrator_client.py

# Or directly
python orchestrator_client.py

Sie sehen die interaktive Eingabeaufforderung:

======================================================
   Local Workspace Orchestrator Active
   Type queries, or /help for commands, 'quit' to exit.
======================================================

Orchestrator >

4. Probieren Sie einige Abfragen aus

Orchestrator > list all files in this workspace
Orchestrator > summarize the sample_consumer.csv dataset
Orchestrator > plot the distribution of SpendingScore in sample_consumer.csv
Orchestrator > run the run_analysis.py script

Serverkonfiguration

Der Orchestrator liest server_config.json, um zu erfahren, welche MCP-Server gestartet werden sollen. Das Format verwendet die Standard-MCP-mcpServers-Struktur:

{
  "mcpServers": {
    "workspace_orchestrator": {
      "command": "uv",
      "args": ["run", "workspace_server.py"]
    }
  }
}

Weitere Server hinzufügen

Sie können mehrere Server verbinden — die Tools jedes Servers werden automatisch erkannt und registriert:

{
  "mcpServers": {
    "workspace_orchestrator": {
      "command": "uv",
      "args": ["run", "workspace_server.py"]
    },
    "my_other_server": {
      "command": "python",
      "args": ["other_server.py"]
    }
  }
}

Chat-Befehle

Befehl

Beschreibung

/tools

Alle registrierten Tools nach Server auflisten

/save [filename]

Gesprächsverlauf in JSON-Datei speichern

/load [filename]

Ein gespeichertes Gespräch laden

/reconnect <server>

Verbindung zu einem getrennten Server wiederherstellen

/history

Anzahl der Gesprächsnachrichten anzeigen

/clear

Gesprächsverlauf löschen

/help

Alle verfügbaren Befehle anzeigen

quit

Orchestrator beenden

Verfügbare Tools

Schreibgeschützte Tools

Tool

Beschreibung

list_workspace_files

Dateien und Unterverzeichnisse in einem Workspace-Pfad auflisten

summarize_csv_dataset

Form, Spalten, dtypes und zusammenfassende Statistiken für eine CSV-Datei zurückgeben

run_shell_command

Einen freigegebenen Shell-Befehl ausführen (ls, cat, grep usw.)

Destruktive Tools

Tool

Beschreibung

write_file

Eine Datei im Workspace erstellen oder überschreiben

execute_python_script

Ein Python-Skript ausführen und stdout/stderr zurückgeben

plot_column_distribution

Ein Histogramm-PNG für eine CSV-Spalte erzeugen

Ressourcen

URI

Beschreibung

workspace://files

Listet alle Dateien im Workspace-Stammverzeichnis auf

workspace://schema/{file_name}

Spaltennamen + dtypes für eine CSV-Datei

Sicherheit

  • Schutz vor Pfad-Traversal: Alle Tools, die Dateien akzeptieren, validieren Pfade mithilfe von os.path.realpath() + pathlib.Path.resolve(), um Angriffe durch Verzeichnis-Traversal zu verhindern.

  • Shell-Befehls-Zulassungsliste: run_shell_command erlaubt nur eine kuratierte Auswahl schreibgeschützter Befehle (ls, cat, grep, head, tail usw.).

  • Skript-Sandboxing: execute_python_script führt Skripte in einem Unterprozess mit einem 30-Sekunden-Timeout aus, der über cwd auf das Workspace-Verzeichnis beschränkt ist. Hinweis: Dies ist keine echte Sandbox — der Unterprozess besitzt dieselben Betriebssystem-Berechtigungen wie der Serverprozess.

  • Tool-Annotationen: Jedes Tool trägt readOnlyHint- / destructiveHint-Annotationen, damit MCP-Clients die Sicherheit einschätzen können.

CLI-Optionen

python orchestrator_client.py --help

options:
  --log-level {DEBUG,INFO,WARNING,ERROR}   Set logging verbosity (default: INFO)
  --system-prompt TEXT                     Custom system prompt for Claude
  --config PATH                            Path to server_config.json

Umgebungsvariablen

Variable

Beschreibung

Standard

ANTHROPIC_API_KEY

Ihr Anthropic-API-Schlüssel (erforderlich)

—

LOG_LEVEL

Ausführlichkeit der Protokollierung

INFO

Projektstruktur

local-workspace-orchestrator/
├── orchestrator_client.py    # MCP client + Anthropic integration
├── workspace_server.py       # FastMCP server with workspace tools
├── server_config.json        # MCP server connection configuration
├── main.py                   # Stub entry point
├── run_analysis.py           # Example analysis script
├── sample_consumer.csv       # Sample dataset
├── pyproject.toml            # Project metadata + dependencies
├── requirements.txt          # Pinned pip dependencies
├── .env.example              # API key template
├── .gitignore                # Git ignore rules
└── README.md                 # This file

Lizenz

MIT

Tool Schema Changelog

Recent tool additions, removals, and schema changes observed during successful MCP inspections.

Loading tool schema changelog…

    Related MCP Connectors

    Related MCP Servers