Skip to main content
Glama
deenesjakoruzh
aniketmehetre

Local Workspace Orchestrator

by aniketmehetre
OverviewSchemaSourceRelated ServersDiscussionsAdmin
Python
Local

Локальный оркестратор рабочего пространства

Система клиент-сервер MCP (Model Context Protocol), которая подключает Anthropic Claude к вашей локальной файловой системе через набор инструментов рабочего пространства. Оркестратор позволяет Claude читать файлы, анализировать CSV, выполнять скрипты, создавать графики и многое другое — всё из интерактивного чат-интерфейса.

Архитектура

┌───────────────────────────┐        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

Быстрый старт

1. Клонирование и установка

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

# Using uv (recommended)
uv sync

# Or using pip
pip install -r requirements.txt

2. Настройка вашего API-ключа

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

3. Запуск оркестратора

# Using uv
uv run orchestrator_client.py

# Or directly
python orchestrator_client.py

Вы увидите интерактивное приглашение:

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

Orchestrator >

4. Попробуйте несколько запросов

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

Конфигурация сервера

Оркестратор читает server_config.json, чтобы узнать, какие MCP-серверы запускать. Формат использует стандартную структуру MCP mcpServers:

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

Добавление дополнительных серверов

Вы можете подключить несколько серверов — каждый из них будет автоматически обнаруживать и регистрировать свои инструменты:

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

Команды чата

Команда

Описание

/tools

Список всех зарегистрированных инструментов по серверам

/save [filename]

Сохранить историю разговора в JSON-файл

/load [filename]

Загрузить сохранённый разговор

/reconnect <server>

Переподключиться к отключённому серверу

/history

Показать количество сообщений в разговоре

/clear

Очистить историю разговора

/help

Показать все доступные команды

quit

Выйти из оркестратора

Доступные инструменты

Инструменты только для чтения

Инструмент

Описание

list_workspace_files

Список файлов и подкаталогов в пути рабочего пространства

summarize_csv_dataset

Возвращает форму, столбцы, типы данных и сводную статистику для CSV

run_shell_command

Выполняет разрешённую команду оболочки (ls, cat, grep и т.д.)

Деструктивные инструменты

Инструмент

Описание

write_file

Создать или перезаписать файл в рабочем пространстве

execute_python_script

Выполнить Python-скрипт и вернуть stdout/stderr

plot_column_distribution

Сгенерировать PNG-гистограмму для столбца CSV

Ресурсы

URI

Описание

workspace://files

Список всех файлов в корне рабочего пространства

workspace://schema/{file_name}

Имена столбцов + типы данных для CSV-файла

Безопасность

  • Защита от обхода пути: Все инструменты, принимающие файлы, проверяют пути с помощью os.path.realpath() + pathlib.Path.resolve(), чтобы предотвратить атаки обхода каталогов.

  • Список разрешённых команд оболочки: run_shell_command разрешает только выбранный набор команд только для чтения (ls, cat, grep, head, tail и т.д.).

  • Песочница для скриптов: execute_python_script выполняет скрипты в подпроцессе с тайм-аутом 30 секунд, ограниченным каталогом рабочего пространства через cwd. Примечание: это не настоящая песочница — подпроцесс имеет те же права ОС, что и процесс сервера.

  • Аннотации инструментов: Каждый инструмент несёт аннотации readOnlyHint / destructiveHint, чтобы MCP-клиенты могли оценивать безопасность.

Параметры командной строки

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

Переменные окружения

Переменная

Описание

По умолчанию

ANTHROPIC_API_KEY

Ваш ключ API Anthropic (обязательно)

—

LOG_LEVEL

Уровень детализации логирования

INFO

Структура проекта

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

Лицензия

MIT

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

ActivityStale
ResponsivenessNo issues

Resources

Related MCP Connectors

Related MCP Servers