Skip to main content
Glama
deenesjakoruzh
aniketmehetre

Local Workspace Orchestrator

by aniketmehetre
OverviewSchemaRelated ServersScoreDiscussions
Python
Local

Local Workspace Orchestrator

一个 MCP (Model Context Protocol) 客户端-服务器系统，通过一组工作区工具将 Anthropic Claude 连接到您的本地文件系统。该编排器让 Claude 能够读取文件、分析 CSV、执行脚本、生成图表等——所有这些都可以通过交互式聊天界面完成。

架构

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

快速开始

1. 克隆并安装

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

# Using uv (recommended)
uv sync

# Or using pip
pip install -r requirements.txt

2. 设置您的 API 密钥

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

3. 运行编排器

# Using uv
uv run orchestrator_client.py

# Or directly
python orchestrator_client.py

您将看到交互式提示符：

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

Orchestrator >

4. 尝试一些查询

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

服务器配置

编排器通过读取 server_config.json 来了解要启动哪些 MCP 服务器。该格式使用标准的 MCP mcpServers 结构：

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

添加更多服务器

您可以连接多台服务器——每台服务器的工具都会被自动发现并注册：

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

聊天命令

命令

描述

/tools

按服务器列出所有已注册的工具

/save [filename]

将对话历史保存到 JSON 文件

/load [filename]

加载已保存的对话

/reconnect <server>

重新连接到已断开的服务器

/history

显示对话消息数量

/clear

清除对话历史

/help

显示所有可用命令

quit

退出编排器

可用工具

只读工具

工具

描述

list_workspace_files

列出工作区路径中的文件和子目录

summarize_csv_dataset

返回 CSV 的形状、列、dtypes 和汇总统计信息

run_shell_command

执行白名单中的 shell 命令（ls、cat、grep 等）

破坏性工具

工具

描述

write_file

创建工作区中的文件或覆盖已有文件

execute_python_script

运行 Python 脚本并返回 stdout/stderr

plot_column_distribution

为 CSV 列生成直方图 PNG

资源

URI

描述

workspace://files

列出工作区根目录中的所有文件

workspace://schema/{file_name}

CSV 文件的列名 + dtypes

安全

  • 路径遍历保护：所有接受文件的工具都使用 os.path.realpath() + pathlib.Path.resolve() 验证路径，以防止目录遍历攻击。

  • Shell 命令白名单：run_shell_command 只允许一组精选的只读命令（ls、cat、grep、head、tail 等）。

  • 脚本沙箱：execute_python_script 在子进程中运行脚本，超时时间为 30 秒，并通过 cwd 将运行范围限制在工作区目录内。注意：这 不是 真正的沙箱——子进程拥有与服务器进程相同的操作系统权限。

  • 工具注解：每个工具都带有 readOnlyHint / destructiveHint 注解，以便 MCP 客户端能够判断安全性。

CLI 选项

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

环境变量

变量

描述

默认值

ANTHROPIC_API_KEY

您的 Anthropic API 密钥（必填）

—

LOG_LEVEL

日志详细程度

INFO

项目结构

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

许可证

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