mcpField
A
Asana MCP Server

Asana MCP Server

本地服务
github.com/bnwebdev生产力085 周前更新
代码仓库

关于 Asana MCP Server

Asana MCP Server 通过 MCP 将 AI 助手连接到 Asana，用于管理任务和查看项目。它提供项目、分区、任务及评论查询工具。

主要功能

  1. 01管理 Asana 任务
  2. 02列出项目和分区
  3. 03获取任务详情
  4. 04读取任务评论

适用场景

  1. 01查看项目中的任务
  2. 02查找分区中的任务
  3. 03检查任务评论

MCP 相关

将 Asana 项目、分区、任务和评论操作作为 MCP 工具提供给 AI 助手。

#asana#mcp#integration#ai-assistant

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。

mcp.json · 通用配置
{
  "mcpServers": {
    "tiny-asana": {
      "command": "npx",
      "args": [
        "-y",
        "tiny-asana-mcp-server"
      ]
    }
  }
}
启动命令npx -y tiny-asana-mcp-server

本地服务需要在你的电脑上安装运行环境（如 Node.js 18+）。各客户端的配置文件位置不同，请参考客户端文档。

安装包
npmtiny-asana-mcp-server

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

Asana MCP 服务

用于集成 Asana 的模型上下文协议（MCP）服务实现。此软件包可让 AI 助手通过标准化协议与 Asana 交互，从而管理任务、项目和其他 Asana 资源。

功能

  • 通过 MCP 管理 Asana 任务
  • 列出项目和分区
  • 获取任务评论
  • 与 AI 助手无缝集成

安装

你可以使用 npm 全局安装此软件包：

npm install -g tiny-asana-mcp-server

也可以使用 npx 直接运行：

npx tiny-asana-mcp-server

配置

使用服务之前，需要设置 Asana 凭据。在项目根目录中创建 .env 文件并写入以下内容，或通过命令行提供环境变量：

ASANA_TOKEN=your_asana_personal_access_token

或

env ASANA_TOKEN=your_asana_personal_access_token npx -y tiny-asana-mcp-server

你可以从 Asana 开发者控制台获取 Asana 个人访问令牌。

使用方法

启动服务
env ASANA_TOKEN=... npx -y tiny-asana-mcp-server

服务将启动并连接到 MCP 客户端，让 AI 助手能够与你的 Asana 工作区交互。

可用工具

此服务提供以下 MCP 工具：

  • asana_get_projects：列出所有可访问的项目
  • asana_get_sections_by_project：列出项目中的分区
  • asana_get_task_stories：获取任务评论
  • asana_get_task：获取特定任务的详细信息
  • asana_get_tasks_by_project：列出项目中的任务
  • asana_get_tasks_by_section：列出分区中的任务

计划

  • 创建 MVP，以提供 Asana 集成
  • 添加基于环境变量的工具配置（通过环境变量启用或禁用特定工具）
  • 覆盖所有现有端点

开发

设置开发环境：

  1. 克隆代码库：
git clone [email protected]:bnwebdev/tiny-asana-mcp-server.git
cd tiny-asana-mcp-server
  1. 安装依赖项：
yarn install
  1. 以开发模式启动：
yarn dev

贡献

欢迎贡献！请随时提交 Pull Request。

许可证

本项目采用 MIT 许可证，详情请参阅 LICENSE 文件。

第三方许可证

本软件使用 Asana Node.js 客户端库，该库采用 Apache License 2.0 版。

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。