tradesdontlie/task-manager-mcp

开发工具

本页由 AI 翻译，技术细节请以原文为准。查看原文

38 stars 4 forks 质量 65 趋势 12MIT

Repository Install

一个任务管理MCP服务器，提供全面的项目和任务跟踪功能

概览

模型上下文协议（MCP）服务器的模板实现，用于管理任务和项目。该服务器提供一个全面的任务管理系统，支持项目组织、任务跟踪和PRD解析。本项目演示了如何构建一个MCP服务器，使AI代理能够管理任务、跟踪项目进展，并将产品需求文档（PRD）拆解为可操作的任务。它作为创建具备任务管理功能的MCP服务器的实用模板。该实现遵循了Anthropic制定的最佳MCP服务器构建实践，允许与任何兼容MCP的客户端无缝集成。服务器提供若干重要的任务管理工具： 1. - create_task_file：创建新的项目任务文件 - add_task：向带有描述和子任务的项目添加任务 - update_task_status：更新任务和子任务的状态 - get_next_task：从项目中获取下一个未完成的任务 2.

概述（AI 翻译）

模型上下文协议（MCP）服务器的模板实现，用于管理任务和项目。该服务器提供一个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一个MCP服务器，使AI代理能够管理任务、跟踪项目进展，并将产品需求文档（PRD）拆解为可操作的任务。它作为创建具备任务管理功能的MCP服务器的实用模板。

该实现遵循了Anthropic制定的最佳MCP服务器构建实践，允许与任何兼容MCP的客户端无缝集成。

特色

服务器提供若干重要的任务管理工具：

任务管理

create_task_file：创建新的项目任务文件
add_task：向带有描述和子任务的项目添加任务
update_task_status：更新任务和子任务的状态
get_next_task：从项目中获取下一个未完成任务

项目规划

parse_prd：自动将PRD转换为结构化任务

本页由 AI 翻译，技术细节请以原文为准。

README

以下为原文 README 节选，完整内容请查看原文。

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:

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
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
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

Install uv if you don’t have it:
```
pip install uv
```

Clone this repository:

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

Install dependencies:
```
uv pip install -e .
```
Create a .env file based on .env.example:
```
cp .env.example .env
```
Configure your environment variables in the .env file (see Configuration section)

Using Docker (Recommended)

Build the Docker image:

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

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:

Variable	Description	Example
`TRANSPORT`	Transport protocol (sse or stdio)	`sse`
`HOST`	Host to bind to when using SSE transport	`0.0.0.0`
`PORT`	Port to listen on when using SSE transport	`8050`

Running the Server

Using Python 3

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

在 GitHub 查看完整 README

安装

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

新手？先看 mcpskill.org 教程 →

配置

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