Workflow Orchestrator MCP

MCPAI代理

提供方 grimlor

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

一个用于通过自然语言在Markdown中定义AI工作流并进行编排的MCP服务器,具有工具规范、基于断言的验证、步骤间变量流和LLM反馈循环功能。

一句话选型结论

按资料字段整理

Workflow Orchestrator MCP 属于AI代理类 MCP 服务器,stdio · 本地进程,无需鉴权,可直接接入 VS Code、VS Code Insiders,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 2 仓库热度,无公开仓库时显示未标注
工具数 5 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5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

支持客户端

适用场景

AI工作流Python本地部署工作流编排自然语言处理Markdown解析LLM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 pytest # Run tests (77 BDD specs)

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

    连接成功后客户端会列出约 5 个工具,随便调一个只读工具确认能返回结果。

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

  • 资料标注 5 个工具,职责相对集中,接入后不容易误操作。
  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。
  • 已适配 VS Code、VS Code Insiders,换客户端不用重新研究配置。
  • 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。
  • 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。
  • 已经在用 VS Code、VS Code Insiders 的用户,接入路径最短。
  • 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
Workflow Orchestrator MCP当前 5 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grimlor上游标注的维护方 grimlor
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

4.5 KB
来自项目仓库与上游目录的原文,未做删改

工作流编排器MCP服务器

一个MCP服务器,用于用自然语言编排markdown中定义的AI工作流。演化自 演示助手mcp --添加了工具规范、基于断言的验证、步骤之间的变量流和LLM反馈循环。

快速安装

单击上面的徽章进行一键安装,或按照下面的手动安装进行操作。

运作原理

在可读的标记中定义工作流。编排器将它们解析为步骤,并向Copilot提供丰富的提示,Copilot执行指定的工具。在每一步之后,LLM都会报告结果,编排器会跟踪结果并将数据流到下一步。```
Workflow.md Orchestrator Copilot / LLM
┌──────────┐ ┌──────────────────┐ ┌──────────────────────┐
│ Step 1 │──► │ Parse & build │──► │ Execute tools │
│ Step 2 │ │ enriched prompt │◄── │ Evaluate assertions │
│ Step 3 │ │ Track outcomes │ │ Report via callback │
└──────────┘ └──────────────────┘ └──────────────────────┘


### 关键概念

- **丰富的提示** --每个步骤都会变成一个提示,其中包含工具名称、解析变量、断言条件和回调指令
- **反馈循环** --LLM电话 `report_step_result` 在每一步之后,报告通过/失败和提取的输出变量
- **可变流量** --一步输出值(`📤 OUTPUTS:`)成为下一个的输入值(`📥 INPUTS:`)
- **断言评估** --由LLM评估的自然语言成功标准,而不是程序化引擎

## 快速示例```markdown
### 🔧 WORKFLOW STEP: Discover repositories
` ` `
Find all repositories in the current project.
` ` `

### 🛠️ TOOL: repository_discovery

### 📤 OUTPUTS:
- result.repositories[0].name → REPO_NAME

### ✅ ASSERT:
- result contains "repositories"
- result.repositories.length > 0

看 工作流格式 对于完整的规格和 例子 用于演练。

MCP工具

工具 说明
load_workflow 加载并解析工作流markdown文件
execute_workflow_step 获取当前步骤的丰富提示
report_step_result LLM向编排器报告步骤结果
get_workflow_state 查看工作流进度、变量和断言结果
reset_workflow 重置为开始(工作流保持加载状态)

安装

快速安装(推荐)

点击顶部的徽章之一,自动安装到VS Code中!

手动安装```bash

cd workflow-orchestrator-mcp
uv sync --all-extras


## VS代码/副驾驶配置

添加到您的VS代码设置或 `.vscode/mcp.json`:```json
{
"mcp.servers": {
"workflow-orchestrator": {
"command": "uv",
"args": ["run", "workflow-orchestrator-mcp"],
"cwd": "/path/to/workflow-orchestrator-mcp",
"description": "Orchestrate AI workflows defined in markdown"
}
}
}

发展```bash

uv run pytest # Run tests (77 BDD specs)
uv run pytest --cov # Run tests with coverage
uv run ruff check src/ tests/ # Lint
uv run pyright src/ tests/ # Type check


### 项目结构```
src/workflow_orchestrator_mcp/
├── server.py                  # MCP server entry point
├── tools/
│   └── workflow_tools.py      # Tool implementations
└── common/
├── workflow_parser.py     # Markdown parser
├── workflow_state.py      # State management & data structures
├── prompt_builder.py      # Enriched prompt composition
├── error_handling.py      # ActionableError with suggestions
└── logging.py             # Logging configuration

文档

  • 建筑 --执行模型、组件和设计决策
  • 工作流格式 --完整的降价格式规范
  • 例子 --带解释的演练示例

与演示助手mcp的比较

Aspect 演示助手mcp 工作流编排器mcp
目的 实时演示编排 自动化工作流执行
执行 人工确认每一步 自动执行整个工作流程
验证 无(人类观察) LLM评估断言,并报告
数据流 [VARIABLE] 替换 带LLM管理变量流的结构化输入/输出
反馈循环 无(单向) LLM通过以下方式报告结果 report_step_result

这两个项目都遵循 副驾驶介导的执行模型 --MCP服务器制作提示,Copilot执行它们。两个服务器都不直接调用工具。

相关

  • 演示助手mcp --直播演示编排的父项目

常见问题

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

在客户端按下面的安装命令接入:uv run pytest # Run tests (77 BDD specs)。装完在客户端配置里引用同一个包或端点。

Workflow Orchestrator MCP 怎么在 VS Code、VS Code Insiders 里配置?

它的传输方式是stdio · 本地进程,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,配置才会生效。

Workflow Orchestrator MCP 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。

Workflow Orchestrator MCP 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。

Workflow Orchestrator MCP 支持哪些客户端?

资料标注支持 VS Code、VS Code Insiders;其他客户端只要能配置 MCP Server,也能用同样的命令或地址接入。

Workflow Orchestrator MCP 能提供哪些能力?

资料显示约 5 个工具;能力标签包括 AI工作流、Python、VS Code、文档处理。具体工具清单以官方文档为准。

Workflow Orchestrator MCP 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。

Workflow Orchestrator MCP 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。