Task Manager MCP Server

任务管理器 MCP 服务

这是一个用于管理任务和项目的 Model Context Protocol (MCP) 服务模板实现。该服务提供了全面的任务管理系统，支持项目组织、任务跟踪和 PRD 解析。

概述

本项目演示了如何构建 MCP 服务，让 AI Agent 能够管理任务、跟踪项目进度，并将产品需求文档（PRD）拆解为可执行任务。它是一个实用模板，可用于创建具备任务管理功能的 MCP 服务。

该实现遵循 Anthropic 提出的 MCP 服务构建最佳实践，可与任何兼容 MCP 的客户端无缝集成。

功能

该服务提供多种基本任务管理工具：

1. 任务管理

   • create_task_file：创建新的项目任务文件
   • add_task：将包含描述和子任务的任务添加到项目中
   • update_task_status：更新任务和子任务的状态
   • get_next_task：获取项目中下一个未完成的任务

2. 项目规划

   • parse_prd：自动将 PRD 转换为结构化任务
   • expand_task：将任务拆解为更小、更易管理的子任务
   • estimate_task_complexity：估算任务复杂度和所需时间
   • get_task_dependencies：跟踪任务依赖关系

3. 开发支持

   • generate_task_file：根据任务描述生成文件模板
   • suggest_next_actions：获取 AI 驱动的后续步骤建议

前置条件

• Python 3.12+
• 所选大模型提供商（OpenAI、OpenRouter 或 Ollama）的 API 密钥
• 如果将 MCP 服务作为容器运行，则需要 Docker（推荐）

安装

使用 uv

1. 如果尚未安装 uv，请先安装：

   pip install uv
   

2. 克隆此代码库：

   git clone https://github.com/coleam00/mcp-mem0.git
   cd mcp-mem0
   

3. 安装依赖项：

   uv pip install -e .
   

4. 根据 .env.example 创建 .env 文件：

   cp .env.example .env
   

5. 在 .env 文件中配置环境变量（参见“配置”部分）

使用 Docker（推荐）

1. 构建 Docker 镜像：

   docker build -t mcp/mem0 --build-arg PORT=8050 .
   

2. 根据 .env.example 创建 .env 文件，并配置环境变量

配置

可在 .env 文件中配置以下环境变量：

变量	说明	示例
TRANSPORT	传输协议（sse 或 stdio）	sse
HOST	使用 SSE 传输时绑定的主机	0.0.0.0
PORT	使用 SSE 传输时监听的端口	8050

运行服务

使用 Python 3

# Set TRANSPORT=sse in .env then:
python3 src/main.py

服务将在配置的主机和端口上启动（默认值：http://0.0.0.0:8050）。

使用 Docker

docker build -t task-manager-mcp .
docker run --env-file .env -p 8050:8050 task-manager-mcp

使用任务管理器

创建新项目

1. 为项目创建任务文件：

await mcp.create_task_file(project_name="my-project")

2. 向项目添加任务：

await mcp.add_task(
    project_name="my-project",
    title="Setup Development Environment",
    description="Configure the development environment with required tools",
    subtasks=[
        "Install dependencies",
        "Configure linters",
        "Set up testing framework"
    ]
)

3. 解析 PRD 以自动创建任务：

await mcp.parse_prd(
    project_name="my-project",
    prd_content="# Your PRD content..."
)

管理任务

1. 更新任务状态：

await mcp.update_task_status(
    project_name="my-project",
    task_title="Setup Development Environment",
    subtask_title="Install dependencies",
    status="done"
)

2. 获取下一个要处理的任务：

next_task = await mcp.get_next_task(project_name="my-project")

3. 将任务拆解为子任务：

await mcp.expand_task(
    project_name="my-project",
    task_title="Implement Authentication"
)

开发工作流

1. 为任务生成文件模板：

await mcp.generate_task_file(
    project_name="my-project",
    task_title="User Authentication"
)

2. 获取任务复杂度估算：

complexity = await mcp.estimate_task_complexity(
    project_name="my-project",
    task_title="User Authentication"
)

3. 获取后续操作建议：

suggestions = await mcp.suggest_next_actions(
    project_name="my-project",
    task_title="User Authentication"
)

与 MCP 客户端集成

SSE 配置

若要使用 SSE 传输连接到该服务，请使用以下配置：

{
  "mcpServers": {
    "task-manager": {
      "transport": "sse",
      "url": "http://localhost:8050/sse"
    }
  }
}

Stdio 配置

若要使用 stdio 传输，请使用以下配置：

{
  "mcpServers": {
    "task-manager": {
      "command": "python3",
      "args": ["src/main.py"],
      "env": {
        "TRANSPORT": "stdio",
        "LLM_PROVIDER": "openai",
        "LLM_API_KEY": "YOUR-API-KEY",
        "LLM_CHOICE": "gpt-4"
      }
    }
  }
}

构建自己的服务

此模板为构建更复杂的任务管理 MCP 服务奠定了基础。要扩展它：

1. 使用 @mcp.tool() 装饰器添加新的任务管理工具
2. 实现自定义任务分析和自动化功能
3. 添加项目专用的任务模板和工作流
4. 与现有开发工具和流程集成