Open Jobsite

Open Jobsite ist ein offener, lokaler Bauoperationsserver für goose und andere Model Context Protocol (MCP)-Clients. Er verwandelt Feldbeweise in überprüfbare Berechnungen, Tagesprotokolle, Kostenvoranschläge und Änderungsaufträge, während Quellenverweise, Einheitenmathematik, Annahmen, Ausschlüsse und Grenzen menschlicher Genehmigungen sichtbar bleiben.

Dieses Repository ist ein funktionierender v0.1-Grant-Proof-MVP. Es verwendet synthetische Daten, tätigt keine Netzwerkaufrufe und sendet niemals eine Nachricht, übermittelt keinen Preis, gibt keine Bestellung auf und genehmigt kein Artefakt.

Warum es existiert

Feldarbeit beginnt mit groben Notizen, Fotos, Skizzen, Messungen, Belegen und Gesprächen – nicht mit sauberen Datenbankzeilen. Allgemeine Agenten können ausgefeilte Antworten entwerfen, während sie verbergen, woher die Zahlen stammen. Open Jobsite verfolgt den gegenteiligen Ansatz:

• Beweise zuerst: Datensätze behalten eine vom Benutzer angegebene Quellenreferenz und den Datenschutzstatus.

• Deterministische Mathematik: Mengenwerkzeuge verwenden Dezimalarithmetik und legen Formeln und Zwischenwerte offen.

• Standardmäßig Entwurf: Jeder Kostenvoranschlag und jede Änderungsbestellung ist ausdrücklich nicht genehmigt.

• Lokal und portabel: JSON-Dateien bleiben in einem vom Benutzer kontrollierten Ordner und die Werkzeugoberfläche ist Standard-MCP.

• Feldgerechte Arbeitsabläufe: Portable Fähigkeiten decken Tagesprotokolle, abgegrenzte Kostenvoranschläge und Änderungsaufträge ab.

Related MCP server: Keystone MCP Server

Arbeitsablauf

1. Erstellen Sie ein lokales Projekt.

2. Erfassen Sie eine Notiz oder Messung mit einer Quellenreferenz.

3. Führen Sie eine deterministische Mengenberechnung durch.

4. Entwerfen Sie ein Artefakt, das mit der Beweis-ID verknüpft ist.

5. Überprüfen und bearbeiten Sie den Entwurf außerhalb des Servers, bevor Sie externe Aktionen durchführen.

Werkzeuge

Finanz- und Auftragsartefakte geben immer zurück:

{
  "status": "draft",
  "requires_human_approval": true,
  "external_action_performed": false
}

Installation und Test

Voraussetzungen: Python 3.12+ und uv.

uv sync --extra dev
uv run pytest
uv run open-jobsite --version

Führen Sie den MCP-Server über stdio aus:

uv run open-jobsite

Synthetische Demo

Der Ordner demo/ enthält einen synthetischen End-to-End-Workflow, einen Prompt, feste erwartete Ergebnisse, einen Windows-goose-CLI-Launcher und einen Preflight, der den echten STDIO-Server startet. Führen Sie den Preflight aus mit:

uv run python demo/run_demo.py

Der Preflight ist auch Teil von GitHub Actions. Er überprüft denselben Beweis-, Berechnungs-, Kostenvoranschlags-, Tagesprotokoll- und Genehmigungs-Gate-Ablauf, der für eine zukünftige Bildschirmaufnahme vorgesehen ist. Eine Aufnahme ist in v0.1 nicht enthalten.

Daten standardmäßig in .open-jobsite-data/. Wählen Sie einen anderen lokalen Ordner mit entweder --data-dir PATH oder der Umgebungsvariable OPEN_JOBSITE_DATA_DIR.

Verbindung zu goose Desktop

Erstellen und testen Sie zuerst das Repository. Fügen Sie dann eine benutzerdefinierte STDIO-Erweiterung in goose Desktop hinzu mit:

• Befehl: der absolute Pfad zu uv (where uv unter Windows)

• Argumente: run --directory C:\absolute\path\to\open-jobsite open-jobsite

• Umgebung: optional OPEN_JOBSITE_DATA_DIR auf einen privaten Auftragsdatenordner setzen

Verwenden Sie in einer öffentlichen Demo nur synthetische Daten. Der synthetische Prompt wurde mit goose CLI 1.46.0 unter Windows ausgeführt; siehe den Verifizierungsdatensatz. Ein Berd-lokaler MCP-Lauf wurde noch nicht verifiziert.

Verifizierte v0.1-Beweise

Stand 2026-08-27:

• 28 automatisierte Tests bestehen unter Windows.

• Alle fünf synthetischen Benchmark-Fälle bestehen, einschließlich vier exakter numerischer Fälle und drei Genehmigungs-Invarianten.

• Der echte STDIO-Preflight erzeugt 108 Quadratfuß, vier Platten, eine CAD 344,00-Zwischensumme, eine CAD 378,40-Gesamtsumme und 6,00 Arbeitsstunden.

• Ein isolierter Windows-goose-CLI-Lauf erzeugte zwei Beweisdatensätze und zwei Entwurfsartefakte mit denselben erwarteten Werten.

Dies sind enge Softwareprüfungen, keine Aussagen über Feldgenauigkeit, Kostenschätzungsgenauigkeit, Codekonformität oder Benutzerergebnisse.

Beispiel-MCP-Argumente

Komplexe Eingaben verwenden typisierte Arrays, damit goose die erforderlichen Felder im MCP-Schema sehen kann. Für draft_estimate ist ein minimaler line_items-Wert:

[
  {
    "description": "Synthetic wallboard",
    "quantity": 3,
    "unit": "sheet",
    "unit_cost": 18.5,
    "evidence_ids": ["ev-example"]
  }
]

Die Beweis-ID muss bereits im selben Projekt vorhanden sein.

Repository-Übersicht

• src/open_jobsite/: deterministischer Kern, lokaler Speicher, Artefakte, MCP-Werkzeuge

• skills/: portable Feldarbeitsablauf-Anweisungen für goose

• benchmark/: synthetische, maschinenlesbare Bewertungsfälle

• demo/: reproduzierbarer Preflight, Windows-goose-Launcher und Aufnahmeplan

• examples/: ein synthetischer Beispielprojektdatensatz

• tests/: Kern- und In-Process-MCP-Protokolltests

• docs/architecture.md: Komponenten- und Vertrauensgrenzen-Design

• docs/threat-model.md: aktuelle Risiken und Gegenmaßnahmen

Sicherheit und Einschränkungen

Diese Alpha-Version ist keine Kostenschätzungs-, Rechts-, Vertrags-, Steuer-, Bau-, Code- oder Sicherheitsberatung. Sie prüft keine Baustellenbedingungen, validiert keine Pläne, optimiert keine Schnitte, bestätigt keine Preise und ersetzt keinen qualifizierten Fachmann. Eine korrekte Berechnung kann dennoch auf einer falschen Messung oder Annahme basieren. Überprüfen Sie alle Ausgaben anhand aktueller Zeichnungen, Verträge, Vorschriften, Herstelleranweisungen und Feldbedingungen.

Geben Sie keine Mieter Namen, Adressen, Anmeldedaten, private Fotos, Kundendatensätze oder proprietäre Preisdaten in öffentliche Beispiele oder Fehlerberichte. Siehe SECURITY.md und docs/threat-model.md.

Roadmap

• Q1: stabile Schema, 25 Benchmark-Fälle, CI, Windows-goose/Berd-Demo, Upstream-goose-Beitrag

• Q2: Sprach-/Foto-/PDF-Adapter, zweisprachige Arbeitsabläufe, Provenienz-Review-MCP-App, drei sicher dokumentierte Pilotprojekte

• Q3: Revisionshistorie, Änderungserkennung, lokale Preisbuch-Adapter, Sicherheitshärtung, drei externe Pilotprojekte

• Q4: v1.0, 50+ Benchmark-Aufgaben, Usability-Studie mit fünf Feldbenutzern, Wartungsdokumentation

Siehe CONTRIBUTING.md zur Teilnahme. Apache-2.0-lizenziert.