automation-queue-mcp

Ein MCP-Server (Model Context Protocol), der es einem LLM wie Claude ermöglicht, eine Automatisierungs-Job-Warteschlange zu überwachen und zu steuern – Jobs auflisten, Status prüfen, neue Ausführungen auslösen, fehlgeschlagene Jobs wiederholen und warteschlangenweite Statistiken über natürliche Sprache abrufen.

Warum ich das gebaut habe

Nach mehreren Jahren in der Leitung der Plattformentwicklung für Enterprise-RPA (UiPath-Warteschlangen, ausgelöst über AWS Lambda, Roboter-/Maschinenlebenszyklus, Lizenz- und Infrastrukturverwaltung) bin ich immer wieder zu derselben Frage zurückgekehrt: Wie sähe es aus, wenn ein LLM diese Warteschlange tatsächlich direkt bedienen könnte, anstatt dass ein Mensch ein Dashboard überprüft und fehlgeschlagene Jobs manuell erneut auslöst?

Dieses Projekt ist eine generalisierte, nicht-proprietäre Version dieser Idee – ein MCP-Server, der die Operationen bereitstellt, die jede Automatisierungswarteschlange benötigt (auflisten, prüfen, auslösen, erneut versuchen, Statistiken), sodass ein LLM-Client Automatisierungsjobs im Gespräch verstehen und verwalten kann.

Es verwendet eine In-Memory-Mock-Warteschlange, sodass es bedenkenlos sofort ohne Einrichtung ausgeführt und erkundet werden kann. Tauschen Sie job_queue.py gegen ein echtes Backend (REST-API, Datenbank, Orchestrator-Client) aus, um es auf eine Live-Automatisierungsumgebung auszurichten.

Related MCP server: Hatchet MCP Server

Was es tut

Beispielinteraktion (über Claude)

Sie: Was ist gerade in der Warteschlange fehlgeschlagen?

Claude: (ruft list_jobs mit status_filter="failed" auf) Zwei Jobs sind fehlgeschlagen: EligibilityCheck_Workflow auf BOT-VM-02 (bereits 2 Wiederholungen) und ExceptionHandling_Workflow auf BOT-VM-04 (1 Wiederholung). Soll ich einen davon erneut versuchen?

Sie: Versuchen Sie es mit dem Berechtigungsprüfungs-Job.

Claude: (ruft retry_failed_job mit job_id=2 auf) Erledigt – er ist wieder in der Warteschlange, jetzt bei Wiederholung #3.

Erste Schritte

git clone https://github.com/<your-username>/automation-queue-mcp.git
cd automation-queue-mcp
python -m venv venv
source venv/bin/activate   # Windows: venv\Scripts\activate
pip install -r requirements.txt
python server.py

Verbinden mit Claude Desktop

Fügen Sie den Server zur Konfiguration von Claude Desktop hinzu (siehe examples/claude_desktop_config.json für eine Vorlage):

{
  "mcpServers": {
    "automation-queue": {
      "command": "python",
      "args": ["/absolute/path/to/automation-queue-mcp/server.py"]
    }
  }
}

Starten Sie Claude Desktop neu, und die fünf oben genannten Werkzeuge werden im Gespräch verfügbar.

Projektstruktur

automation-queue-mcp/
├── server.py              # MCP server + tool definitions
├── job_queue.py            # In-memory mock job queue (swap for a real backend)
├── requirements.txt
├── examples/
│   └── claude_desktop_config.json
└── LICENSE

Dieses Projekt erweitern

Die Mock-JobQueue-Klasse in job_queue.py ist absichtlich isoliert von der MCP-Serverlogik in server.py – um dies mit einem echten Automatisierungssystem zu verbinden, müssen Sie nur die fünf Methoden von JobQueue (list_jobs, get_job, queue_stats, trigger_job, retry_job) gegen Ihre tatsächliche Warteschlange/API neu implementieren. Die MCP-Werkzeugschicht muss nicht geändert werden.

Hintergrund

Erstellt von John Samuel Jacob David Ravichandran – Hintergrund als Technical Lead im Bereich Enterprise Intelligent Automation, Plattformentwicklung und Healthcare-RPA. Mehr auf LinkedIn.

Lizenz

MIT – siehe LICENSE.