LFM MCP Orchestrator

MCPAI代理

提供方 Syun-tnb

AI代理 stdio · 本地进程 无需鉴权 社区 / 第三方
查看接入方式

用于本地Ollama托管LFM 2.5角色的三阶段编排器,支持MCP服务器集成和任务处理。

一句话选型结论

按资料字段整理

LFM MCP Orchestrator 属于AI代理类 MCP 服务器,stdio · 本地进程,无需鉴权,有可直接执行的安装命令。接入前先确认权限范围;涉及写入、删除或付款的操作,建议先在测试环境验证。

分类AI代理 传输方式stdio · 本地进程 鉴权无需鉴权 部署方式本地部署
GitHub 星标 0 仓库热度,无公开仓库时显示未标注
工具数 未标注 暴露给模型的工具数量
资源 / 提示词 0 / 0 资源与提示词模板数量
维护方 社区 / 第三方 核验等级 仅资料核对

工具与能力

AI代理
数量来自来源目录的标注,具体工具清单以官方文档为准
工具数量未标注暴露给模型可调用的工具个数
资源数量0可读取的资源条目
提示词数量0内置提示词模板数量

能力标签

适用场景

LLM编排Python本地部署本地AI任务处理MCP集成

安装与配置

stdio · 本地进程 无需鉴权
客户端在本机拉起子进程,数据不出本机
uv run python src/main.py "ローカルLLM構成を説明して"

这条命令只是入口,具体启动参数请按官方文档补齐,不要直接照搬到别的服务器。

  1. 1
    准备运行环境

    stdio 服务在本地起进程,需要先装好 Python,再按安装命令拉取依赖。

  2. 2
    安装服务

    复制上面的安装命令执行;命令里带占位符的位置,换成自己的密钥或路径。

  3. 3
    写入客户端配置

    在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4
    验证是否可用

    连接成功后随便调一个只读工具,确认能返回结果,再接入正式流程。

典型使用场景

3 类
按分类与标签整理的常见用法,具体以官方文档为准
给代理接外部能力

让代理在任务中途调用搜索、数据库等真实工具。

多步任务编排

把一串操作拆成步骤,由代理按顺序执行。

自动化重复流程

把固定流程交给代理跑,减少手工操作。

选择建议

选之前先看这几条
按条目字段给出的判断,不替你决定用不用

值得选的地方

  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。
  • 资料标注无需鉴权,装好就能连。

先想清楚的地方

  • stdio 方式要求本地装好运行时(如 Node.js),换机器要重新装一遍。
  • 资料没标注工具数量,实际能力要装好后确认。
  • 版本更新与行为细节以官方仓库为准。

更适合

  • 需要在AI代理场景里让模型直接调用外部能力的人。
  • 想先快速试一下、能接受在本地或自有环境跑服务的人。

不太适合

  • 完全不想在本地装环境的人。
  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

6 个同类
同分类里挑最接近的几条,字段以各自详情页为准
MCP 服务器工具数传输方式部署方式安装命令最后核验
LFM MCP Orchestrator当前 未标注 stdio · 本地进程 本地部署 有 2026-05-17
Filesystem 560c4363 13 未标注 本地部署 无 2026-05-17
Server Everything (everything) 11 stdio · 本地进程 本地部署 有 2026-05-17
Time 7365cb6d 2 SSE · 服务端推送 远程部署 有 2026-05-18
Everything Claude Code 未标注 stdio · 本地进程 本地部署 有 2026-05-17
Openmemory 557e1585 未标注 stdio · 本地进程 本地部署 有 2026-05-17

服务器档案

AI代理
字段来自项目仓库与公开索引,中文说明由本站标注
提供方Syun-tnb上游标注的维护方 Syun-tnb
分类AI代理本站按上游分类展示
连接方式stdio · 本地进程客户端在本机拉起子进程,数据不出本机
鉴权方式无需鉴权远程服务建议用最小权限凭据
维护方社区 / 第三方核验等级 仅资料核对
包名 / 运行时未标注 · Python本地安装时用到的包标识与运行时
部署类型本地部署上游给出的部署形态
最近核验2026-05-17上游最后核验时间

详细介绍

5.6 KB
来自项目仓库与上游目录的原文,未做删改

LFM MCP编排器

Ollama主持的三个LFM 2.5角色的本地第一编排器:

  • thinking
  • instruct
  • jp

当前代码按顺序运行这些阶段,而不是并行运行。它针对本地Ollama设置,可以通过stdio连接到MCP服务器。

状态

这个存储库还处于早期阶段。下面的文档描述了代码中实现的当前行为。

  • 已实施:
  • CLI入口点 src/main.py
  • 三阶段编排 src/orchestrator/engine.py
  • 提示建设者 instruct, thinking,以及 jp
  • MCP服务器附件和工具目录加载
  • 尚未实施:
  • 模型并行执行
  • 从编排管道调用工具
  • 捆绑模型配置或模型文件

文档

  • 文档概述: docs/README.md
  • 架构和指挥棒流: docs/architecture.md
  • MCP集成: docs/mcp.md
  • 开发和测试: docs/development.md
  • 日语概述: docs/README_jp.md

仓库的规划```text

src/
agents/ Prompt builders and payload models for each stage
mcp_runtime/ MCP server config, attachment, and tool registry
orchestrator/ Engine config, orchestration flow, traces, helpers
main.py CLI entry point
tests/
test_orchestrator_engine.py
docs/
README.md
architecture.md
mcp.md
development.md
README_jp.md


## 快速启动

### 1.要求

- python `>=3.14`
- `uv`
- `ollama`
- Olama型号以这些名称提供,除非被覆盖:
- `lfm-thinking`
- `lfm-instruct`
- `lfm-jp`

从代码推断的当前行为:

- 该项目被描述为针对MacBook Air M4,但代码本身并没有强制执行仅限macOS的行为。
- 如果 `OLLAMA_HOST` 指向本地主机,而Ollama未运行,CLI将尝试启动 `ollama serve` 自动。

### 2.安装依赖项```bash
uv sync

3.准备环境

CLI加载本地 .env 如果存在,则自动文件。

最低预期环境:```bash
export OLLAMA_HOST=http://127.0.0.1:11434
export LFM_THINKING_MODEL=lfm-thinking
export LFM_INSTRUCT_MODEL=lfm-instruct
export LFM_JP_MODEL=lfm-jp


如果您的本地模型名称不同,请用上面的环境变量覆盖它们。

### 4.运行编排器

将提示作为参数传递:```bash
uv run python src/main.py "ローカルLLM構成を説明して"

从文件读取:```bash
uv run python src/main.py --prompt-file task.txt


管道输入:```bash
echo "Explain the current pipeline." | uv run python src/main.py

打印痕迹至 stderr:```bash
uv run python src/main.py --trace "Describe the runtime flow."


## 运行时摘要

从代码推断的当前行为:

1. CLI加载环境变量,读取提示,构建 `EngineConfig`,并确保可以联系到Ollama。
1. 如果提示包含日文字符, `instruct` 作为规范化阶段运行,并生成一份简洁的英语任务备忘录。
1. 如果提示不包含日文字符,则跳过规范化,并在代码中创建合成任务备忘录。
1. `thinking` 接收任务备忘录并返回英语推理 `RESULT:` 部分。
1. `jp` 接收提取的 `RESULT:` 值,并将其重写为最终的日语响应。
1. 原始阶段输出和累积的接力棒被记录到 `stderr`.

看 `docs/architecture.md` 对于全流量。

## 配置

代码当前使用的环境变量:

变量 · 默认值 · 用途
`OLLAMA_HOST` · `http://127.0.0.1:11434` 基础 URL
`LFM_THINKING_MODEL` · `lfm-thinking` · 的型号名称 `thinking` 舞台
`LFM_INSTRUCT_MODEL` · `lfm-instruct` · 的型号名称 `instruct` 舞台
`LFM_JP_MODEL` · `lfm-jp` · 的型号名称 `jp` 舞台
`LFM_TARGET_LOCALE` · `ja-JP` · 区域设置传递到终结器提示符中
`LFM_MAX_TOOL_ROUNDS` · `4` · 存在于配置中,当前未被运行时使用
`LFM_REQUEST_TIMEOUT` · `180` · Ollama客户端超时(秒)
`OLLAMA_KEEP_ALIVE` · `10m` · 奥利玛活着的提示
`LFM_ALLOW_PARTIAL_MCP` · `true` · 允许在MCP服务器部分故障的情况下启动
`MCP_SERVERS_JSON` · 空 · MCP服务器定义的内联JSON列表

CLI选项:

- `--prompt-file PATH`
- `--mcp-config PATH`
- `--trace`

## MCP配置

MCP服务器定义可以通过以下任一方式提供:

- `--mcp-config path/to/servers.json`
- `MCP_SERVERS_JSON='[...]'`

例子:```json
[
{
"name": "filesystem",
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-filesystem", "/tmp"],
"enabled": true,
"tool_prefix": "fs"
}
]

重要电流限制:

  • MCP注册表已初始化,工具元数据已加载,但中的编排路径 src/orchestrator/engine.py 当前不向模型公开工具或执行工具调用。
  • 因此, OrchestrationResult.tools 当前始终为空。

细节: docs/mcp.md

故障排除

Ollama is not installed or not on PATH

安装Ollama并确认 ollama 在所使用的外壳中可用 uv run.

Ollama is not reachable

  • 检查 OLLAMA_HOST.
  • 如果主机是远程的,CLI将不会自动启动Ollama。
  • 如果主机是本地的,请尝试 ollama serve 手动并重新运行。

型号名称错误

存储库当前不提供模型设置脚本或模型文件。确认 ollama list 包含在中配置的名称 LFM_THINKING_MODEL, LFM_INSTRUCT_MODEL,以及 LFM_JP_MODEL.

似乎跳过了快速规范化

从代码推断的当前行为:

  • 规范化仅在输入包含正则表达式检测到的日文字符时运行
  • 仅英文提示绕过 instruct 正常化阶段

MCP服务器启动警告

随着 LFM_ALLOW_PARTIAL_MCP=true,失败的MCP附件被记录为警告,启动继续。使用 --trace 检查序列化结果中的警告。

发展

此存储库中所需的验证命令:```bash
python3 -m py_compile src/main.py src/orchestrator/engine.py src/agents/*.py src/agents/init.py


当前存在的单元测试:```bash
python3 -m unittest tests/test_orchestrator_engine.py

更多详情: docs/development.md

常见问题

7 问
答案由本站依据条目字段整理,不引用上游原文
LFM MCP Orchestrator 怎么安装?

在客户端按下面的安装命令接入:uv run python src/main.py "ローカルLLM構成を説明して"。装完在客户端配置里引用同一个包或端点。

LFM MCP Orchestrator 怎么在客户端里配置?

它的传输方式未标注,在客户端 MCP 配置里按官方文档填写启动命令和参数,保存后重启客户端生效。

LFM MCP Orchestrator 收费吗?

本站不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

LFM MCP Orchestrator 需要 API Key 吗?

资料标注为无需认证,装好就能连;如果实际调用时报鉴权错误,按官方文档补上凭据。

LFM MCP Orchestrator 能提供哪些能力?

资料显示能力标签包括 本地AI、Python、本地部署。具体工具清单以官方文档为准。

LFM MCP Orchestrator 需要什么运行环境?

运行时为 Python;属于本地进程,需要在本机装好运行环境。

LFM MCP Orchestrator 是本地还是远程?

它是本地进程(stdio),由客户端在本机拉起。传输方式为stdio · 本地进程。

热门专题

按标签挑服务器
全部专题 →

服务器信息以作者仓库与官方文档为准;分类、传输方式与鉴权方式的中文说明为中文整理,最近核验 2026-05-17。