Skip to main content
Glama
deenesjakoruzh
aniketmehetre

Local Workspace Orchestrator

by aniketmehetre
OverviewSchemaRelated ServersScoreDiscussions
Python
Local

Local Workspace Orchestrator

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.

Arquitectura

┌───────────────────────────┐        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/* │
└───────────────────────────┘                      └──────────────────────────┘

Inicio rápido

1. Clonar e instalar

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

# Using uv (recommended)
uv sync

# Or using pip
pip install -r requirements.txt

2. Configura tu clave de API

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

3. Ejecuta el orquestador

# Using uv
uv run orchestrator_client.py

# Or directly
python orchestrator_client.py

Verás el prompt interactivo:

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

Orchestrator >

4. Prueba algunas consultas

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

Configuración del servidor

El 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"]
    }
  }
}

Añadir más servidores

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"]
    }
  }
}

Comandos del chat

Command

Descripción

/tools

Lista todas las herramientas registradas por servidor

/save [filename]

Cómo el historial de conversación a un archivo JSON

/load [filename]

Carga una conversación guardada

/reconnect <server>

Reconecta a un servidor caído

/history

Muestra el número de mensajes de la conversación

/clear

Limpia el historial de conversación

/help

Muestra todos los comandos disponibles

quit

Sale del orquestador

Herramientas disponibles

Herramientas de solo lectura

Tool

Descripción

list_workspace_files

Lista archivos y subdirectorios en una ruta del espacio de trabajo

summarize_csv_dataset

Devuelve forma, columnas, dtypes y estadísticas resumidas de un CSV

run_shell_command

Ejecuta un comando de shell de la lista permitida (ls, cat, grep, etc.)

Herramientas destructivas

Tool

Descripción

write_file

Crea o sobrescribe un archivo en el directorio de trabajo

execute_python_script

Ejecuta un script de Python y devuelve stdout/stderr

plot_column_distribution

Genera un PNG de histograma para una columna de un CSV

Recursos

URI

Descripción

workspace://files

Lista todos los archivos en la raíz del directorio de trabajo

workspace://schema/{file_name}

Nombres de columnas y dtypes de un archivo CSV

Seguridad

  • 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.

Opciones de CLI

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

Variables de entorno

Variable

Descripción

Valor por defecto

ANTHROPIC_API_KEY

Tu clave de API de Anthropic (requerida)

—

LOG_LEVEL

Nivel de detalle de registro

INFO

Estructura del proyecto

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

Licencia

MIT

This server cannot be installed

-
license - not tested
Not graded
quality - not tested
C
maintenance

How are these scores calculated?

Maintenance

–Maintainers
–Response time
–Release cycle
–Releases (12mo)
Commit activity

Resources

Unclaimed servers have limited discoverability.

Looking for Admin?

If you are the server author, to access and configure the admin panel.

Related MCP Connectors

  • Frenchie

    OCR, transcription, file extraction, and image generation for AI agents via MCP.

  • mcp

    Augments MCP Server - A comprehensive framework documentation provider for Claude Code

  • AgentDrive

    Cross-agent artifact workspace with provenance across Claude Code, Codex, Cursor, LangGraph.

View all MCP Connectors

Latest Blog Posts

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/aniketmehetre/local_workspace_orchestrator-MCP-SERVER'

If you have feedback or need assistance with the MCP directory API, please join our Discord server