使用说明（Markdown格式）

• 项目简介

  • 该仓库实现了 Apply Task 的 MCP 服务器部分，作为 AI 客户端（LLM/代理）对接的后端服务。通过 MCP 标准暴露资源、工具、以及提示模板等能力，帮助 AI 客户端以标准化的方式获取上下文信息和执行外部功能。

• 主要功能点

  • MCP 核心能力：以 JSON-RPC 风格处理客户端请求，返回结构化的 JSON-RPC 响应或通知。
  • 资源与数据访问：提供对任务领域数据的托管与访问能力，便于 AI 客户端读取必要的上下文信息。
  • 工具接入与执行：注册并执行外部工具，LLM 可以调用预定义的工具来完成任务或获取信息。
  • Prompt 模板与渲染：定义和渲染 Prompt 模板，支持自定义的 LLM 交互模式。
  • 会话与能力声明：服务器端负责会话状态管理、能力声明，支持多种传输协议（如 StdIO、SSE、WebSocket）。
  • 本地开发与调试友好：提供本地快速启动方式，结合 TUI/GUI 与 MCP 交互进行端到端验证。

• 安装步骤

  • 配置依赖：安装所需依赖（通常使用 pip 安装项目中列出的 requirements.txt）。
  • 安装并添加到 PATH（一次性）：将项目安装到全局环境中，确保脚本可直接调用。
  • 运行 MCP 服务：
    • 在项目根目录，执行: apply_task mcp
    • 如果需要本地后端数据存储，请使用: apply_task mcp --local
  • 启动后，MCP 将监听并对接客户端进行 JSON-RPC 通信。

• 服务器配置（面向 MCP 客户端，客户端不需要改变此配置）

  • server_name: tasks
  • command: apply_task
  • args: ["mcp"]
  • 说明：该配置告诉 MCP 客户端通过系统命令启用服务器进程，命令及参数来自仓库提供的入口脚本。客户端据此连接到 MCP 服务器并按 MCP 协议进行请求/响应。

• 基本使用方法

  • 启动服务器后，客户端通过 MCP 协议向服务器发出读取资源、调用工具、获取 Prompt 等请求。
  • 常见操作包括：
    • 请求对某个任务集合的上下文信息
    • 调用所注册的工具以执行外部操作
    • 获取并渲染对应的 Prompt 模板
  • 开发者可通过 reproduce_ipc.py、apply_task.py（mcp 子命令）等脚本对 MCP 服务进行集成测试。

• 备注

  • 该 MCP 服务与 CLI 指令紧密耦合，适合在本地开发环境与 AI 助手进行集成验证。