orchestrator-mcp

多模型 Agent 编排 MCP：plan → code → review → deliver。

• Handoff schema 固定（schemas/）
• Provider 按厂商（deepseek / moonshot / zhipu / openai），model 按 stage 配置
• 别名：glm → zhipu，gpt → openai
• 凭证：环境变量 → WebUI 本地 JSON → ~/Desktop/服务器.md
• Web 配置界面：编辑 Provider Key / Base URL / 默认模型，以及各 Profile 的 Stage 模型

快速开始

cd orchestrator-mcp
./verify.sh              # 离线 stub 自测（含 WebUI API 冒烟）
./start.sh               # MCP :18067
./start-webui.sh         # 配置 WebUI :18068 → http://127.0.0.1:18068

# 可选：只测 plan 阶段真实 DeepSeek 调用
ORCHESTRATOR_LIVE_TEST=1 ./verify.sh

Web 配置界面

功能	说明
Providers	编辑 api_key、base_url、default_model；写入 data/providers.local.json
Stages	按 Profile 覆盖 plan/code/review/deliver 的 provider + model；写入 data/stages.local.json

本地配置文件不进 git。环境变量仍优先于 WebUI 写入的值。

Profile

Profile	用途
daily-dev-stub	离线自测，不调 API
daily-dev	deepseek plan / glm code / gpt review / moonshot deliver
example-kimi-plan	示例：plan 换 kimi

同一 OpenAI 账号下 plan 用 gpt-4o-mini、code 用 gpt-5：只改 YAML 里各 stage 的 model，不用建两个 provider。

stages:
  plan:
    provider: gpt
    model: gpt-4o-mini
  code:
    provider: gpt
    model: gpt-5

凭证环境变量

Provider	Env	默认 Base URL
deepseek	DEEPSEEK_API_KEY	https://api.deepseek.com/v1
moonshot	MOONSHOT_API_KEY	https://api.moonshot.cn/v1
zhipu/glm	ZHIPU_API_KEY	https://open.bigmodel.cn/api/paas/v4
openai/gpt	OPENAI_API_KEY	https://api.openai.com/v1 · wire_api=chat
codex-lb/codex	CODEX_LB_API_KEY	https://codex-lb.vvicat.dev/backend-api/codex · wire_api=responses

Codex 中转（Responses API）

与 Codex CLI 配置对应关系：

model = "gpt-5.4"
model_reasoning_effort = "medium"
model_provider = "codex-lb"
env_key = "CODEX_LB_API_KEY"

[model_providers.codex-lb]
base_url = "https://codex-lb.vvicat.dev/backend-api/codex"
wire_api = "responses"

在 WebUI Providers → Codex 中转 填写：

字段	值
API 密钥	同 CODEX_LB_API_KEY
Base URL	https://codex-lb.vvicat.dev/backend-api/codex（不要写成 /code）
默认模型	gpt-5.4
Wire API	responses
Reasoning Effort	medium

Stage 里把 review/deliver 的 provider 选 codex-lb（或别名 codex），model 填 gpt-5.4。

注意：/chat/completions 在该中转上返回 405；必须用 Responses 协议。

可选覆盖：CODEX_LB_BASE_URL、DEEPSEEK_BASE_URL、MOONSHOT_BASE_URL、ZHIPU_BASE_URL、OPENAI_BASE_URL

服务器.md 标签（下一行或同行）：deepseekApiKey、moonshotApiKey、zhipuApiKey、openaiApiKey

Workspace 项目上下文（与 IDE 共用源文件）

MCP 不单独维护记忆文件。传入 workspace（或设置 ORCHESTRATOR_WORKSPACE）后，每个 stage 直接从磁盘读取与 Cursor/Codex 相同的源文件并注入 prompt：

路径	说明
AGENTS.md / CLAUDE.md / agent.md	项目级 agent 说明
.cursor/rules/*	Cursor 规则
.learnings/*.md	self-improving 沉淀
profile skills:	加载对应 SKILL.md 全文
git	branch、dirty files、diff --stat

• orchestrate_run_start / orchestrate_run_pipeline：workspace、extra_context（仅本次 run）
• orchestrate_workspace_context：预览将读取哪些文件

MCP 工具

工具	说明
orchestrate_list_providers	各 provider 是否已配置 key
orchestrate_provider_check	检查单个 provider
orchestrate_workspace_context	预览 workspace 项目上下文
orchestrate_run_start / orchestrate_dispatch / orchestrate_run_pipeline	编排执行（支持 workspace）
orchestrate_stage_override	运行时换 provider/model

Cursor 配置

本仓库已在 .cursor/mcp.json 写好配置（stdio 模式，不用手动 ./start.sh）。

1. 用 Cursor 打开 localopenclaw 仓库根目录
2. Settings → Tools & MCP，确认 orchestrator-mcp 已启用（绿点）
3. 若没有，点 Refresh 或重启 Cursor

若仍看不到：Settings → MCP → Edit Config，确认项目级 .cursor/mcp.json 已加载。

方式 A（推荐，已写入项目）：Cursor 自动拉起进程

{
  "mcpServers": {
    "orchestrator-mcp": {
      "command": ".../orchestrator-mcp/.venv/bin/python",
      "args": ["-m", "orchestrator_mcp"],
      "env": {
        "PYTHONPATH": ".../orchestrator-mcp/src",
        "ORCHESTRATOR_MCP_TRANSPORT": "stdio"
      }
    }
  }
}

方式 B：先 ./start.sh，再用 URL（需保持终端进程运行）

{
  "mcpServers": {
    "orchestrator-mcp": {
      "url": "http://127.0.0.1:18067/mcp"
    }
  }
}