mcpField
M
MCP Task Manager Server

MCP Task Manager Server

本地服务
github.com/leandrozapata生产力076 周前更新

关于 MCP Task Manager Server

MCP Task Manager Server 是面向 AI 助手和开发者的 MCP 服务及任务管理示例,支持通过 stdio 或 HTTP API 调用任务工具,并采用内存存储和可扩展的工具结构。

主要功能

  1. 01创建、列出和完成任务
  2. 02按状态筛选任务
  3. 03支持 MCP stdio 和 HTTP 接口
  4. 04内存任务存储
  5. 05可扩展的工具注册结构

适用场景

  1. 01通过兼容 MCP 的助手管理任务
  2. 02向 Web 应用提供任务操作
  3. 03作为添加 MCP 工具的模板

MCP 相关

通过 stdio 向 MCP 客户端提供创建、列出和完成任务的工具。相同的任务操作也可通过 HTTP API 使用。

配置

本地服务的配置在各客户端中通用,复制后粘贴到客户端的 MCP 配置文件即可。

暂未收录安装方式

我们还没有获取到这个服务的安装包或远程地址,请按项目 README 中的说明安装。

代码仓库

工具

还没有获取到工具列表

本地服务需要在你的电脑上运行后才能读取工具,维护者暂未提供工具列表。

详细介绍

🔌 MCP 工具服务 - AI Agent 工具包

MCP 协议 TypeScript Node.js

一个强大且可扩展的模型上下文协议(MCP)服务,可让 AI Agent 与外部工具和服务交互。此实现提供了一个任务管理系统,展示如何为 AI 助手构建和部署兼容 MCP 的工具。

🌟 什么是 MCP?

模型上下文协议(MCP)是一种标准,允许 AI 模型与外部工具、数据源和服务交互。此服务实现了 MCP 规范,可让 Claude 和 GPT 等 AI 助手通过标准化接口执行现实世界中的操作。

✨ 功能

  • 兼容 MCP 的工具:可供 AI 助手直接使用的工具
  • 任务管理系统:创建、列出和完成任务
  • 双接口:同时支持 MCP stdio 模式和 HTTP API
  • 可扩展架构:轻松添加新工具和功能
  • 对开发者友好:文档清晰,并提供示例
  • 轻量:使用内存存储,便于快速设置和测试

🛠️ 可用工具

1. create-task

使用标题和描述创建新任务。

参数:

  • title:String(必填)- 任务标题
  • description:String(必填)- 任务描述
2. list-tasks

列出当前存储在内存中的所有任务。

参数:

  • status:String(可选)- 按状态筛选:"all"、"pending" 或 "completed"
3. pending-tasks

列出所有待处理任务。

**参数:**无

4. complete-task

将指定任务标记为已完成。

参数:

  • id:String(必填)- 要标记为已完成的任务 ID

🚀 开始使用

前置条件
  • Node.js(v18 或更高版本)
  • npm 或 yarn
安装
  1. 克隆仓库:
git clone https://github.com/yourusername/mcp-server.git
cd mcp-server
  1. 安装依赖:
npm install
  1. 构建 TypeScript 代码:
npm run build

🏃‍♂️ 运行服务

MCP 模式(适用于 AI 助手)
npm start

这会以 stdio 模式运行服务,使其兼容 Claude for Desktop 等 MCP 客户端。

HTTP 模式(适用于 Web 应用)
npm run http

HTTP 服务默认运行在端口 3000 上。你可以通过 http://localhost:3000 访问。

使用 PORT 环境变量自定义端口:

PORT=8080 npm run http

🌐 HTTP API 端点

创建任务
POST /api/tasks

请求正文:

{
  "title": "Task title",
  "description": "Task description"
}
列出所有任务
GET /api/tasks?status=[all|pending|completed]
列出待处理任务
GET /api/tasks/pending
完成任务
PATCH /api/tasks/:id/complete
直接执行 MCP 工具
POST /api/mcp/execute

请求正文:

{
  "tool": "tool-name",
  "params": {
    "param1": "value1",
    "param2": "value2"
  }
}

🔮 构建自己的 MCP 工具

此服务提供了一个模板,可用于创建自己的兼容 MCP 的工具。要添加新工具:

  1. 在 src/tools 目录中定义工具
  2. 在工具注册表中注册该工具
  3. 实现必要的逻辑
  4. 根据需要更新 HTTP API

查看现有工具,了解如何组织实现的示例。

🧪 使用 AI 助手进行测试

  1. 以 MCP 模式启动服务:npm start
  2. 使用兼容 MCP 的 AI 助手连接到服务
  3. AI 现在可以使用可用工具管理任务:
    • 创建任务:使用标题和描述调用 create-task
    • 列出所有任务:调用 list-tasks
    • 完成任务:使用任务 ID 调用 complete-task

🔄 与 Web 客户端集成

此服务与 agent-client-example 项目完美搭配,该项目提供了一个 Web 界面,用于与 AI 助手和 MCP 工具交互。

📋 后续增强

  • 持久化存储选项(MongoDB、PostgreSQL)
  • 身份验证和授权
  • 更多工具类别(文件管理、Web 搜索等)
  • 支持 WebSocket 实时更新
  • 工具执行指标和日志记录

📄 许可证

MIT


赋能 AI Agent,助其实现现实世界中的能力 🤖✨

评论

支持 Markdown

第一次接触 MCP?

从协议是什么,到在客户端里装上第一个服务,这几条回答覆盖了大多数入门问题。

一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。