mcpField
T
Task Manager MCP Server

Task Manager MCP Server

ローカル
github.com/MustakAhmedcse生産性073 週間前に更新

Task Manager MCP Server について

Task Manager MCP Serverは、データベースに接続するタスク管理ツールを提供し、タスクの追加、一覧表示、完了、削除を行えます。タスク管理の利用者や開発者向けで、Streamlit画面とクエリを処理するLangChainエージェントも含みます。

主な機能

  1. 01タスクの追加・一覧・完了・削除
  2. 02データベース接続型のタスクツール
  3. 03Streamlitのタスク画面
  4. 04LangChainエージェントとの連携

活用シーン

  1. 01MCPツールによるタスク管理
  2. 02Streamlitでのタスク確認と更新
  3. 03エージェントによるタスク問い合わせ処理

MCP 対応

MCPサーバーは、タスクの一覧表示、追加、完了、削除のツールをクライアントに提供します。SSEでサーバーに接続するクライアントも説明されています。

設定

ローカルサーバーの設定はどのクライアントでも共通です。コピーしてクライアントの MCP 設定ファイルに貼り付けてください。

インストール方法は未掲載です

このサーバーのパッケージやリモートエンドポイントはまだ取得できていません。プロジェクトの README の手順に従ってください。

リポジトリ

ツール

ツール一覧はまだ取得されていません

ローカルサーバーのツールはマシン上で起動して初めて取得できます。メンテナーはまだツール一覧を提供していません。

詳細

Task Manager MCP Server

概要

このプロジェクトは、データベースに接続されたツールを使用してタスクを効率的に管理するために設計された Task Manager MCP Server です。タスクの追加、表示、完了、削除を行う API を提供し、AI によるタスク管理のために LangChain と連携します。

特徴

  • タスク管理:タスクの追加、一覧表示、完了、削除を行います。
  • Streamlit との連携:タスクマネージャーを操作するための使いやすいインターフェースです。
  • AI による支援:LangChain を使用して、インテリジェントな応答の生成とタスク管理を行います。
  • ツール連携:外部ツールと接続して機能を強化します。

プロジェクト構成

├── agent.py          # Handles AI interactions and tool calls.
├── client.py         # Connects to the server using SSE.
├── config.py         # Configuration settings for models and server.
├── logger.py         # Logging utility for debugging.
├── models.py         # Creates and configures language models.
├── server.py         # Implements the MCP server and task management tools.
├── streamlit.py      # Streamlit-based UI for task management.
├── task.py           # Defines the Task model using Pydantic.
├── task_manager.py   # Manages the task list and operations.
├── tools.py          # Handles tool loading and execution.
├── requirements.txt  # Lists project dependencies.
├── .gitignore        # Specifies files to ignore in version control.
├── .vscode/          # VS Code configuration for debugging.
└── README.md         # Project documentation.

インストール

  1. リポジトリをクローンします:
    git clone <repository-url>
    cd <repository-folder>
    
  2. 依存関係をインストールします:
    pip install -r requirements.txt
    

使い方

サーバーの実行

MCP サーバーを起動します:

python server.py
Streamlit UI の実行

Streamlit インターフェースを起動します:

streamlit run streamlit.py
デバッグ

.vscode/launch.json の VS Code デバッガー設定を使用します。

主なコンポーネント

サーバー

サーバー(server.py)はタスク管理用のツールを提供します:

  • list_tasks:すべてのタスクを一覧表示します。
  • add_task:新しいタスクを追加します。
  • remove_task:ID を指定してタスクを削除します。
  • mark_complete:タスクを完了としてマークします。
Streamlit UI

Streamlit インターフェース(streamlit.py)を使用すると、ユーザーはタスクマネージャーを視覚的に操作できます。

AI エージェント

AI エージェント(agent.py)は LangChain を使用してユーザーのクエリを処理し、ツールとやり取りします。

依存関係

依存関係の完全な一覧については、requirements.txt を参照してください。

コメント

MCP は初めてですか?

プロトコルの概要から最初のサーバーの導入まで、よくある疑問にまとめて答えます。

AI アプリケーションが外部のツールやデータソースに統一的な方法で接続するためのオープンなプロトコルです。クライアントはモデルとの対話を担い、MCP サーバーはツール・リソース・プロンプトテンプレートを提供します。標準メッセージでやり取りするため、1 つのサーバーを複数のクライアントで再利用できます。