Task Orchestrator: управление рабочими процессами AI-агентов с контролем выполнения

Проект **MCP Task Orchestrator** представляет собой сервер для управления рабочими потоками AI-агентов с акцентом на соблюдение дисциплины рабочего процесса. Он создан для разработчиков, которые работают с многими агентами или сессиями, обеспечивая возможность структурирования и контроля выполнения задач.

Задача этого проекта — устранить недостатки, связанные с использованием простых подсказок для управления потоками работы. Обычные фреймворки полагаются на то, что LLM (модели с большой языковой моделью) будут следовать инструкциям, однако Task Orchestrator блокирует выполнение, если требуемые условия не выполнены.

Установка и запуск

Для установки требуется, чтобы у тебя был установлен и запущен Docker. Процесс настройки включает следующие шаги:

1. Зарегистрируй сервер, добавив его в файл `.mcp.json` проекта:

{
  "mcpServers": {
    "mcp-task-orchestrator": {
      "command": "docker",
      "args": [
        "run", "--rm", "-i",
        "-v", "mcp-task-data:/app/data",
        "ghcr.io/jpicklyk/task-orchestrator:latest"
      ]
    }
  }
}

2. Чтобы включить схемы рабочего процесса, создай файл `.taskorchestrator/config.yaml` и подключи папку с конфигурацией к контейнеру.
3. Если ты работаешь с несколькими проектами, можно запустить один постоянный сервер с включенным REST API для автоматической синхронизации конфигураций. В этом случае использование HTTP обеспечит обмен данными между проектами.

Пример команды для запуска сервера:

docker run -d --name mcp-task-orchestrator-http --restart unless-stopped \
  -v mcp-task-data:/app/data \
  -e MCP_TRANSPORT=http -e API_ENABLED=true -e API_AUTH_MODE=none -e API_ALLOW_UNAUTHENTICATED=true \
  -p 127.0.0.1:3001:3001 \
  ghcr.io/jpicklyk/task-orchestrator:latest

Важно отметить, что открываешь ли ты сервер для общего доступа, это связано с вопросами безопасности, так как неаутентифицированный доступ к REST API делает сервер уязвимым.

Основные возможности

Task Orchestrator предлагает следующие ключевые функции:

• Модель фаз: Каждое рабочее задание может находиться в одной из нескольких фаз — в очереди, в работе, на проверке и т.д. Переход между состояниями контролируется сервером, требуя выполнения заранее определенных условий.
• Контроль рабочих процессов: Схемы определяют, что должно быть выполнено на каждой фазе, и блокируют дальнейший прогресс, пока требования не будут удовлетворены.
• Постоянная графовая модель задач: Все задачи структурированы в иерархической графовой модели, что упрощает управление зависимостями и отслеживание статуса выполнения.
• Присвоение актеров: Каждое изменение статуса или заметки фиксирует, кто именно выполнил это действие, что упрощает отслеживание и аудит действий.
• Постоянная сессия: Позволяет воспроизводить полный контекст работы в одной команде, минимизируя необходимость восстанавливать состояние из предыдущих сессий.
• Полнотекстовый поиск: Возможность поиска по заданиям и заметкам для быстрого нахождения нужной информации.

Ограничения

Несмотря на множество возможностей, проект имеет некоторые ограничения:

• Необходимость использования Docker для развертывания сервера.
• Безопасность: если REST API открыт, требуется обеспечить безопасный доступ, особенно при совместном использовании.
• Существуют зависимости от правильной конфигурации схем и правил, что может потребовать времени для настройки.

В целом, Task Orchestrator предлагает удобный и мощный инструмент для управления работой AI-агентов в сложных проектах, позволяя автоматизировать и упорядочить процессы разработки.