Un sistema cliente-servidor MCP (Model Context Protocol) que conecta Anthropic Claude a tu sistema de archivos local mediante un conjunto de herramientas de espacio de trabajo. El orquestador permite a Claude leer archivos, analizar archivos CSV, ejecutar scripts, generar gráficos y más, todo desde una interfaz de chat interactiva.
┌───────────────────────────┐ 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
git clone <your-repo-url>
cd local-workspace-orchestrator
# Using uv (recommended)
uv sync
# Or using pip
pip install -r requirements.txtcp .env.example .env
# Edit .env and paste your Anthropic API key# Using uv
uv run orchestrator_client.py
# Or directly
python orchestrator_client.pyVerás el prompt interactivo:
======================================================
Local Workspace Orchestrator Active
Type queries, or /help for commands, 'quit' to exit.
======================================================
Orchestrator >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 scriptEl orquestador lee server_config.json para saber qué servidores MCP debe lanzar. El formato usa la estructura estándar mcpServers de MCP:
{
"mcpServers": {
"workspace_orchestrator": {
"command": "uv",
"args": ["run", "workspace_server.py"]
}
}
}Puedes conectar varios servidores: las herramientas de cada uno se descubrirán y registrarán automáticamente.
{
"mcpServers": {
"workspace_orchestrator": {
"command": "uv",
"args": ["run", "workspace_server.py"]
},
"my_other_server": {
"command": "python",
"args": ["other_server.py"]
}
}
}Command | Descripción |
| Lista todas las herramientas registradas por servidor |
| Cómo el historial de conversación a un archivo JSON |
| Carga una conversación guardada |
| Reconecta a un servidor caído |
| Muestra el número de mensajes de la conversación |
| Limpia el historial de conversación |
| Muestra todos los comandos disponibles |
| Sale del orquestador |
Tool | Descripción |
| Lista archivos y subdirectorios en una ruta del espacio de trabajo |
| Devuelve forma, columnas, dtypes y estadísticas resumidas de un CSV |
| Ejecuta un comando de shell de la lista permitida (ls, cat, grep, etc.) |
Tool | Descripción |
| Crea o sobrescribe un archivo en el directorio de trabajo |
| Ejecuta un script de Python y devuelve stdout/stderr |
| Genera un PNG de histograma para una columna de un CSV |
URI | Descripción |
| Lista todos los archivos en la raíz del directorio de trabajo |
| Nombres de columnas y dtypes de un archivo CSV |
Protección contra path traversal: Todas las herramientas que aceptan archivos validan las rutas con os.path.realpath() + pathlib.Path.resolve() para evitar ataques de traversal de directorios.
Lista permitida de comandos de shell: run_shell_command solo permite una lista seleccionada de comandos de solo lectura (ls, cat, grep, head, tail, etc.).
Aislamiento de scripts: execute_python_script ejecuta los scripts en un subproceso con un tiempo límite de 30 segundos, restringido al espacio de trabajo mediante cwd. Nota: esto no es un sandbox real; el subproceso tiene los mismos permisos del sistema operativo que el proceso del servidor.
Anotaciones de herramientas: cada herramienta lleva anotaciones readOnlyHint / destructiveHint para que los clientes MCP puedan evaluar la seguridad.
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.jsonVariable | Descripción | Valor por defecto |
| Tu clave de API de Anthropic (requerida) | — |
| Nivel de detalle de registro |
|
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 fileMIT
This server cannot be deployed
Use your Mac, Windows or Linux computer from ChatGPT, Claude or Codex: files, commands, documents.
Creative workspace. Public MCP: outline previews for Codex and Claude Code; media in the web app.
Work on your own computers from Claude or ChatGPT: run commands, edit and search files.
An agent-first office suite Claude & ChatGPT read and write over one MCP URL.
