
MCP Project Orchestrator
一个 MCP 服务器,通过应用标准化的模板以及设计模式和软件架构方面的最佳实践,来协助编排新的软件项目。
README
MCP 项目编排器
一个全面的项目编排工具,用于管理模型上下文协议 (MCP) 项目、模板、提示和 Mermaid 图表。
特性
-
模板管理
- 用于快速项目设置的项目模板
- 用于模块化开发的组件模板
- 变量替换和验证
- 模板发现和版本控制
-
提示管理
- 系统和用户提示模板
- 变量替换
- 提示分类和版本控制
- 轻松的提示发现和重用
-
Mermaid 图表生成
- 流程图生成
- 序列图生成
- 类图生成
- SVG 和 PNG 渲染
- 图表验证
安装
pip install mcp-project-orchestrator
或者使用 Poetry:
poetry add mcp-project-orchestrator
快速开始
项目模板
from mcp_project_orchestrator.templates import TemplateManager
# 初始化模板管理器
manager = TemplateManager("path/to/templates")
# 列出可用模板
templates = manager.list_templates()
print(templates)
# 应用项目模板
manager.apply_template("fastapi-project", {
"project_name": "my-api",
"project_description": "My FastAPI project",
"author_name": "John Doe",
"author_email": "john@example.com"
})
提示管理
from mcp_project_orchestrator.prompts import PromptManager
# 初始化提示管理器
manager = PromptManager("path/to/prompts")
# 列出可用提示
prompts = manager.list_prompts()
print(prompts)
# 使用变量渲染提示
rendered = manager.render_prompt("system-prompt", {
"name": "User",
"project": "MCP"
})
print(rendered)
Mermaid 图表
from mcp_project_orchestrator.mermaid import MermaidGenerator, MermaidRenderer
# 初始化生成器
generator = MermaidGenerator()
renderer = MermaidRenderer()
# 生成流程图
flowchart = generator.generate_flowchart(
nodes=[
("A", "Start"),
("B", "Process"),
("C", "End")
],
edges=[
("A", "B", ""),
("B", "C", "")
]
)
# 渲染为 SVG
renderer.render(flowchart, "flowchart.svg")
项目结构
mcp-project-orchestrator/
├── src/
│ └── mcp_project_orchestrator/
│ ├── templates/
│ │ ├── __init__.py
│ │ ├── base.py
│ │ ├── project.py
│ │ ├── component.py
│ │ └── manager.py
│ ├── prompts/
│ │ ├── __init__.py
│ │ ├── template.py
│ │ └── manager.py
│ └── mermaid/
│ ├── __init__.py
│ ├── generator.py
│ └── renderer.py
├── tests/
│ ├── __init__.py
│ ├── conftest.py
│ ├── test_templates.py
│ ├── test_prompts.py
│ └── test_mermaid.py
├── docs/
├── examples/
├── .github/
│ └── workflows/
│ └── ci.yml
├── pyproject.toml
├── Containerfile
└── README.md
开发
- 克隆仓库:
git clone https://github.com/yourusername/mcp-project-orchestrator.git
cd mcp-project-orchestrator
- 安装依赖:
poetry install
- 运行测试:
poetry run pytest
- 运行代码检查:
poetry run ruff check .
poetry run mypy src/mcp_project_orchestrator
贡献
- Fork 仓库
- 创建一个特性分支
- 提交您的更改
- 推送到分支
- 创建一个 Pull Request
许可证
该项目根据 MIT 许可证授权 - 有关详细信息,请参阅 LICENSE 文件。
鸣谢
推荐服务器

Baidu Map
百度地图核心API现已全面兼容MCP协议,是国内首家兼容MCP协议的地图服务商。
Playwright MCP Server
一个模型上下文协议服务器,它使大型语言模型能够通过结构化的可访问性快照与网页进行交互,而无需视觉模型或屏幕截图。
Magic Component Platform (MCP)
一个由人工智能驱动的工具,可以从自然语言描述生成现代化的用户界面组件,并与流行的集成开发环境(IDE)集成,从而简化用户界面开发流程。
Audiense Insights MCP Server
通过模型上下文协议启用与 Audiense Insights 账户的交互,从而促进营销洞察和受众数据的提取和分析,包括人口统计信息、行为和影响者互动。

VeyraX
一个单一的 MCP 工具,连接你所有喜爱的工具:Gmail、日历以及其他 40 多个工具。
graphlit-mcp-server
模型上下文协议 (MCP) 服务器实现了 MCP 客户端与 Graphlit 服务之间的集成。 除了网络爬取之外,还可以将任何内容(从 Slack 到 Gmail 再到播客订阅源)导入到 Graphlit 项目中,然后从 MCP 客户端检索相关内容。
Kagi MCP Server
一个 MCP 服务器,集成了 Kagi 搜索功能和 Claude AI,使 Claude 能够在回答需要最新信息的问题时执行实时网络搜索。

e2b-mcp-server
使用 MCP 通过 e2b 运行代码。
Neon MCP Server
用于与 Neon 管理 API 和数据库交互的 MCP 服务器
Exa MCP Server
模型上下文协议(MCP)服务器允许像 Claude 这样的 AI 助手使用 Exa AI 搜索 API 进行网络搜索。这种设置允许 AI 模型以安全和受控的方式获取实时的网络信息。