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
### 🔧 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 > 0MCP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
cd workflow-orchestrator-mcp
uv sync --all-extrasVS代码/副驾驶配置
添加到您的VS代码设置或 .vscode/mcp.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
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
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