Orchestrator MCP Server

このプロジェクトは、AIベースのワークフローオーケストレーションMCPサーバーを実装しており、大規模言語モデル(LLM)を通じてインテリジェントな決定と動的な調整を実現し、複雑なタスクの分解、状態の永続化、およびワークフローの回復をサポートします。

開発者ツール人工知能チャットボット #AIワークフロー #動的オーケストレーション #状態管理 #MCPサービス .Python

スコア : 2ポイント

ダウンロード数 : 7.1K

更新時間 : 2025-04-28

サイトを開く

ワークフローオーケストレータとは？

ワークフローオーケストレータは、複雑なタスクを小さなステップに分解することで自動化および管理を支援するスマートサーバーです。AIを使用して、あなたのニーズに基づいて最適なアクションのシーケンスを決定し、変更や予期しない結果に自動的に適応できます。

どのように動作しますか？

シンプルなMarkdownファイルでワークフローを定義すると、オーケストレータはAIを使用して実行をガイドします。各ワークフローで現在の位置を記憶し、中断された場合でも中断したところから再開できます。

いつ使用すべきですか？

以下の場合に最適です：繰り返しの多段階プロセスの自動化、予測不可能な結果を伴うタスクの処理、変更が必要になる可能性のある適応型ワークフローの作成、および中断される可能性のある長時間実行される操作の管理。

主要機能

AI搭載の決定機能

システムは、ワークフロー定義とリアルタイムの結果に基づいて次のステップをインテリジェントに決定し、あなたのプロセスをより柔軟にします。

シンプルなMarkdown定義

複雑なプログラミングの代わりに、読みやすいMarkdownファイルを使用してワークフローを作成および変更します。

状態保存

進行状況を自動的にデータベースに保存するため、ワークフローを一時停止して後で再開できます。

スマートなエラー回復

AIは、中断されたワークフローを再開する際に不一致を解消するのを支援します。

利点

従来の自動化ツールでは対応が困難な複雑な非線形プロセスを処理します。

ワークフローはコーディング知識なしで人間が読め、編集可能です。

予期しない状況や結果に自動的に適応します。

中断されてもワークフローの状態を維持します。

制限

完全な機能を利用するにはAIサービス（Geminiなど）へのアクセスが必要です。

複雑なワークフローでは慎重なステップ定義が必要になる場合があります。

ワークフロー定義の初期設定には学習曲線があります。

始めるには

インストールと設定

AIサービスの資格情報やファイルパスなどの環境変数を設定してサーバーをセットアップします。

ワークフローの定義

workflowsディレクトリにMarkdownファイルを作成して、プロセスのステップとAIのガイダンスを定義します。

サーバーの起動

オーケストレータサービスを起動して、ワークフローの実行を可能にします。

MCPを介した操作

MCPコマンドを使用して、APIを通じてワークフローを開始、監視、および進行させます。

使用例シナリオ

コードレビュー自動化

GitLabの問題を自動的に分析し、改善案を提案し、リファクタリングの推奨事項を生成します。

ドキュメントチェック

READMEファイルが現在のプロジェクトの状態と最新の状態であることを確認します。

コードリファクタリング

テストカバレッジを伴う体系的なリファクタリングをガイドします。

よくある質問

これを使用するためにプログラミングスキルが必要ですか？

AIはワークフローにどのように役立ちますか？

ワークフローが実行中に編集できますか？

ワークフローが中断された場合、どうなりますか？

追加リソース

ワークフロー定義ガイド

ワークフローMarkdownファイルを作成するための詳細な手順

APIリファレンス

MCPツールの完全な技術仕様

サンプルワークフロー

事前に構築されたワークフローテンプレートのコレクション

🚀 ワークフローオーケストレータ MCP サーバー

このワークフローオーケストレータ MCP サーバーは、人工知能による意思決定機能を利用した、複雑なワークフローを管理および実行するシステムを実装しています。このシステムは、明確な手順、条件、および目標を定義することで、分散型タスクとサービスを自動的に調整および監視します。

🚀 クイックスタート

依存関係のインストール

uv sync

サーバーの起動

uv run python -m orchestrator.server

サンプルワークフロー定義

workflow_id: deploy_web_app
steps:
  - id: prepare_env
    type: execute_command
    command: "source setup.sh"
  - id: distribute_code
    type: git_checkout
    branch: main
dependencies:
  - step_id: prepare_env
    must_succeed_before: true

✨ 主な機能

人工知能による意思決定機能を利用して、複雑なワークフローを自動的に管理および実行します。
定義された手順、条件、および目標に基づいて、分散型タスクとサービスを調整および監視します。
環境変数を使用して柔軟に設定できます。

📦 インストール

依存関係のインストール

uv sync

💻 使用例

基本的な使用法

以下は、典型的な Web アプリケーションのデプロイワークフローです。

1. 環境準備
2. コード配布
3. 依存関係のインストール
4. データベースのマイグレーション
5. アプリケーションの起動
6. ヘルスチェック

📚 ドキュメント

背景

現代のアプリケーションにおけるワークフローがますます複雑化する中、これらのプロセスを手動で管理することは時間がかかり、エラーが発生しやすくなっています。本プロジェクトは、先進的な人工知能技術を利用してワークフロー管理を最適化し、効率を向上させ、人為的なエラーのリスクを低減するためのインテリジェントなソリューションを提供することを目的としています。

アーキテクチャの概要

このシステムのアーキテクチャは、主に以下の核心コンポーネントで構成されています。

MCP サーバー：外部システムまたはユーザーからのリクエストを受信および処理し、各手順の実行を調整します。
ワークフロー定義：YAML 形式で一連のワークフローテンプレートを定義しており、各テンプレートにはタスク間の依存関係、条件判断、および目標設定が詳細に記述されています。
人工知能駆動エンジン：Gemini モデルに基づいて、現在の状態と事前設定されたルールに基づいて最適な実行戦略を生成することができる、インテリジェントな意思決定サポートを提供します。

コンポーネント

MCP サーバーの機能

ワークフローリクエストの受信と解析
各タスクの実行順序の調整
条件判断と分岐ロジックの処理
実行結果の集計とフィードバック
異常処理と回復機能

ワークフロー定義形式

YAML 形式を採用しており、以下のキーワードフィールドを含んでいます。

workflow_id：一意の識別子
steps：タスク手順のリスト
conditions：条件判断ルール
goals：目標設定
dependencies：依存関係

人工知能駆動エンジンの機能

インテリジェントな意思決定サポートを提供します。
最適化戦略を自動生成します。
動的な優先度調整を実現します。
複雑な論理推論を処理します。

設定

環境変数を使用して設定します。具体的なパラメータは以下の通りです。

パラメータ名	必須かどうか	デフォルト値	説明
`WORKFLOW_DEFINITIONS_DIR`	はい	`./workflows`	ワークフロー定義ディレクトリ
`WORKFLOW_DB_PATH`	はい	`./data/workflows.sqlite`	データベースファイルのパス
`GEMINI_MODEL_NAME`	いいえ	-	使用する Gemini モデルの名前
`USE_STUB_AI_CLIENT`	いいえ	`false`	テスト用に_stub_クライアントを使用するかどうか
`LOG_LEVEL`	いいえ	`info`	ログレベル
`AI_SERVICE_ENDPOINT`	いいえ	-	LLM サービスのエンドポイントアドレス
`AI_SERVICE_API_KEY`	いいえ	-	API 認証キー
`MAX_PARALLEL_TASKS`	いいえ	10	最大並行タスク数

開発状況

現在、このプロジェクトはアルファ版であり、主な機能はすでに初期段階で実装されています。今後は、システムの安定性と拡張性の向上に重点を置いて開発を進めます。

テスト戦略

以下のような階層的なテスト戦略を採用しています。

単体テスト：各コンポーネントの独立した機能を検証します。
統合テスト：各コンポーネントが連携して正常に動作することを確認します。
パフォーマンステスト：高負荷下でのシステムのパフォーマンスを評価します。
セキュリティテスト：潜在的なセキュリティホールを検出します。
ユーザー受け入れテスト（UAT）：ユーザーのフィードバックを収集して最適化します。

ワークフロー実行例

以下は、典型的なワークフローの実行ログです。

INFO: ワークフロー deploy_web_app の実行を開始します。
INFO: ステップ prepare_env が正常に実行されました。
INFO: ステップ distribute_code を実行中...
INFO: ステップ distribute_code が完了しました。
INFO: 目標状態に到達し、ワークフローが完了しました。