작업 및 프로젝트를 관리하기위한 Model Context Protocol (MCP) 서버의 템플릿 구현. 이 서버는 프로젝트 조직, 작업 추적 및 PRD 패싱을 지원하는 종합적인 작업 관리 시스템을 제공합니다.

개요

이 프로젝트는 AI 에이전트가 작업을 관리 할 수있는 MCP 서버를 구축하는 방법을 설명하고, 프로젝트 진행 상황을 추적하고, 제품 요구 사항 문서 (PRDs)를 실행할 수 있습니다. 작업 관리 기능을 사용하여 자신의 MCP 서버를 만드는 실용적인 템플릿 역할을합니다.

구현은 MCP 서버를 구축하기위한 Anthropic에 의해 배치 된 모범 사례를 따르며 MCP 호환 클라이언트와 완벽하게 통합 할 수 있습니다.

특징

서버는 몇 가지 필수 작업 관리 도구를 제공합니다:

1. **Task 관리 **

• create_task_file: 새 프로젝트 작업 파일 만들기
• add_task: 설명과 subtasks로 프로젝트를 위한 작업 추가
• update_task_status: 작업과 subtasks의 상태를 업데이트
• get_next_task: 프로젝트에서 다음 불완전한 작업을 가져옵니다.

2. 계획

• parse_prd: PRD를 구조 작업으로 자동 변환

Task Manager MCP Server

A template implementation of the Model Context Protocol (MCP) server for managing tasks and projects. This server provides a comprehensive task management system with support for project organization, task tracking, and PRD parsing.

Overview

This project demonstrates how to build an MCP server that enables AI agents to manage tasks, track project progress, and break down Product Requirements Documents (PRDs) into actionable tasks. It serves as a practical template for creating your own MCP servers with task management capabilities.

The implementation follows the best practices laid out by Anthropic for building MCP servers, allowing seamless integration with any MCP-compatible client.

Features

The server provides several essential task management tools:

1. Task Management

   • create_task_file: Create new project task files
   • add_task: Add tasks to projects with descriptions and subtasks
   • update_task_status: Update the status of tasks and subtasks
   • get_next_task: Get the next uncompleted task from a project

2. Project Planning

   • parse_prd: Convert PRDs into structured tasks automatically
   • expand_task: Break down tasks into smaller, manageable subtasks
   • estimate_task_complexity: Estimate task complexity and time requirements
   • get_task_dependencies: Track task dependencies

3. Development Support

   • generate_task_file: Generate file templates based on task descriptions
   • suggest_next_actions: Get AI-powered suggestions for next steps

Prerequisites

• Python 3.12+
• API keys for your chosen LLM provider (OpenAI, OpenRouter, or Ollama)
• Docker if running the MCP server as a container (recommended)

Installation

Using uv

1. Install uv if you don’t have it:

   pip install uv
   

2. Clone this repository:

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

3. Install dependencies:

   uv pip install -e .
   

4. Create a .env file based on .env.example:

   cp .env.example .env
   

5. Configure your environment variables in the .env file (see Configuration section)

Using Docker (Recommended)

1. Build the Docker image:

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

2. Create a .env file based on .env.example and configure your environment variables

Configuration

The following environment variables can be configured in your .env file:

Running the Server

Using Python 3

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