OmniTaskAgent

OmniTaskAgent

様々なタスク管理システムに接続でき、ユーザーのニーズに最適なタスク管理ソリューションの選択と使用を支援する、強力なマルチモデルタスク管理システムです。

機能

• タスク管理システム: タスクの作成、一覧表示、更新、削除をサポート。ステータス追跡と依存関係管理に対応
• タスク分解と分析: 複雑なタスクをサブタスクに分割。複雑度評価と PRD 自動解析をサポート
• Python ネイティブ実装: Python で完全に実装され、Python エコシステムとシームレスに統合
• マルチモデル対応: OpenAI、Claude など複数のモデルに対応。特定の API プロバイダーに限定されません
• エディタ統合: MCP プロトコル経由で Cursor などのエディタと統合し、スムーズな開発体験を実現
• インテリジェントワークフロー: LangGraph の ReAct パターンに基づくインテリジェントなタスク管理プロセスを実装
• マルチシステム統合: mcp-shrimp-task-manager や claude-task-master など、様々なプロフェッショナルタスク管理システムに接続可能
• クロスシナリオ対応: 一般的な開発プロジェクト、垂直ドメインプロジェクト、およびその他のタスクシステムに適用可能

インストール

# Install using uv (recommended)
uv pip install -e .

# Or install using pip
pip install -e .

# Install Node.js dependencies (for MCP server)
npm install

設定

プロジェクトルートディレクトリに .env ファイルを作成して設定します:

# Required: API keys (configure at least one)
OPENAI_API_KEY=your_openai_api_key_here
# Or
ANTHROPIC_API_KEY=your_anthropic_api_key_here

# Optional: Model configuration
LLM_MODEL=gpt-4o  # Default model
TEMPERATURE=0.2   # Creativity parameter
MAX_TOKENS=4000   # Maximum tokens

使用方法

コマンドラインインターフェース（推奨）

組み込みのコマンドラインインターフェース経由で使用するのが最も簡単です:

# Start interactive command line interface
python -m omni_task_agent.cli

一般的なコマンド例:

• Create task: Optimize website performance Reduce page load time by 50%
• List all tasks
• Update task 1 status to completed
• Decompose task 2
• Analyze project complexity

LangGraph Studio での使用

LangGraph Studio は LLM アプリケーション向けに設計された開発環境であり、複雑なエージェントアプリケーションの可視化、相互作用、デバッグに使用されます。

まず、langgraph-cli がインストールされていることを確認してください（バージョン 0.1.55 以上が必要）:

# Install langgraph-cli (requires Python 3.11+)
pip install -U "langgraph-cli[inmem]"

次に、プロジェクトルートディレクトリ（langgraph.json を含む）で開発サーバーを起動します:

# Start local development server
langgraph dev

ブラウザが自動的に開き、クラウドホスト型の Studio インターフェースに接続されます。以下の操作ができます:

1. エージェントグラフ構造を可視化
2. UI インターフェース経由でエージェントをテスト・実行
3. エージェント状態を修正し、デバッグ
4. ブレークポイントを追加してエージェント実行をステップバイステップで実行
5. 人間とマシンのコラボレーションプロセスを実装

開発中にコードを修正する場合、Studio はサービスを再起動する必要なく自動的に更新されるため、迅速な反復とデバッグが可能です。

ブレークポイントデバッグなどの高度な機能の場合:

# Enable debug port
langgraph dev --debug-port 5678

エディタ統合（MCP サービス）

1. MCP サーバーを実行します:

# Start STDIO-based MCP service
python run_mcp.py

2. エディタ（Cursor、VSCode など）で MCP 設定を構成します:

{
  "mcpServers": {
    "task-master-agent": {
      "type": "stdio",
      "command": "/path/to/python",
      "args": ["/path/to/run_mcp.py"],
      "env": {
        "OPENAI_API_KEY": "your-key-here"
      }
    }
  }
}

プロジェクト構造

omnitaskagent/
├── omni_task_agent/     # Main code package
│   ├── agent.py           # LangGraph agent definition
│   ├── config.py          # Configuration management
│   └── cli.py             # Command line interface
├── examples/              # Example code
│   └── basic_usage.py     # Basic usage example
├── tests/                 # Test cases
├── run_mcp.py             # MCP service entry
├── adapters.py            # MCP adapters
├── langgraph.json         # LangGraph API configuration
├── package.json           # Node.js dependencies
└── pyproject.toml         # Python dependencies

参考プロジェクト

• mcp-shrimp-task-manager - JavaScript で実装されたタスク管理システム
• AutoMCP - MCP サービスを作成するためのツール
• LangGraph - エージェント構築フレームワーク
• langchain-mcp-adapters - LangChain MCP アダプター

ライセンス

MIT