Workflow Orchestrator MCP Server

基本能力

产品定位

orchestrator-mcp-server 是一个 AI 驱动的工作流编排服务器，专注于通过智能决策和动态调整来管理和执行复杂任务。

核心功能

• AI 驱动决策：动态分支、错误处理和基于上下文的调整。
• Markdown 定义工作流：工作流和步骤以 Markdown 文件定义，易于阅读和编辑。
• 持久化状态管理：使用 SQLite 数据库存储工作流状态，支持长时间运行的任务。
• 工作流恢复：中断的工作流可以恢复，AI 帮助协调客户端状态和持久化状态。
• 模块化步骤：步骤定义可重用，提升维护性。

适用场景

• 复杂任务的动态编排。
• 需要 AI 辅助决策的工作流。
• 长时间运行的任务管理。
• 中断后需要恢复的工作流。

工具列表

• list_workflows：列出可用的工作流定义。
• start_workflow：按名称启动工作流，可选初始上下文。
• get_workflow_status：获取运行中工作流实例的当前状态。
• advance_workflow：报告上一步结果并请求下一步。
• resume_workflow：重新连接到现有工作流实例，提供客户端状态以协调。

常见问题解答

• 如何定义工作流：在 workflows/ 目录下创建 Markdown 文件，定义工作流目标和步骤。
• 如何恢复中断的工作流：使用 resume_workflow 工具，提供实例 ID 和客户端状态。
• 如何配置 AI 服务：通过环境变量 AI_SERVICE_ENDPOINT 和 AI_SERVICE_API_KEY 配置外部 LLM 服务。

使用教程

使用依赖

1. 确保已安装 Python 环境，并由 uv 管理。
2. 设置必要的环境变量（见配置部分）。
3. 确保 WORKFLOW_DEFINITIONS_DIR 和 WORKFLOW_DB_PATH 目录存在且可写。

安装教程

1. 安装依赖： bash uv sync
2. 运行服务器： bash uv run python -m orchestrator_mcp_server

调试方式

1. 检查日志级别：通过 LOG_LEVEL 环境变量设置（默认 info）。
2. 验证工作流定义：确保 workflows/ 目录下的 Markdown 文件格式正确。
3. 测试 API 调用：使用 MCP 工具（如 list_workflows）验证服务器响应。

许可证

该项目遵循 Unlicense 开源许可条款。