使用说明

项目简介

Task Manager MCP Server 是一个基于 Model Context Protocol (MCP) 实现的任务管理服务器模板。它旨在帮助开发者快速构建能够与 LLM 客户端集成的任务管理后端应用。该服务器提供了一系列工具，用于创建、管理和跟踪项目中的任务，并支持从产品需求文档 (PRD) 自动生成任务，以及利用 AI 辅助任务分解和规划。

主要功能点

项目任务管理: 创建项目任务文件，添加、更新任务和子任务，获取下一个待办任务，方便用户组织和跟踪项目进度。
PRD解析与任务生成: 能够解析产品需求文档 (PRD)，自动将其转化为结构化的任务列表，提高项目启动效率。
AI辅助功能: 利用 AI 技术进行任务扩展（分解为子任务）、复杂度评估和下一步行动建议，提升任务管理的智能化水平。（仓库代码中AI功能为占位符，需自行实现对接LLM的功能）
灵活的传输协议: 支持 SSE 和 Stdio 两种传输协议，方便与不同类型的 MCP 客户端集成。

安装步骤

前提条件:

Python 3.12+
已安装 pip 或 uv
可选：Docker (推荐使用 Docker 部署)
已配置 LLM 提供商的 API 密钥 (OpenAI, OpenRouter, 或 Ollama，虽然仓库代码中AI功能为占位符，但配置环境变量是标准步骤)

使用 uv (推荐):

克隆仓库到本地：

git clone https://github.com/tradesdontlie/task-manager-mcp.git
cd task-manager-mcp

安装依赖：
```
uv pip install -e .
```
复制 '.env.example' 文件并重命名为 '.env'，根据需要配置环境变量，主要是 'LLM_PROVIDER' 和 'LLM_API_KEY' 等。

使用 Docker:

构建 Docker 镜像：

docker build -t task-manager-mcp .

复制 '.env.example' 文件并重命名为 '.env'，根据需要配置环境变量。

服务器配置

MCP 客户端需要配置以下 JSON 信息才能连接到 Task Manager MCP Server。请根据您选择的传输协议进行配置：

SSE 配置 (示例):

{
  "mcpServers": {
    "task-manager": {  // 服务器名称，客户端自定义
      "transport": "sse", // 传输协议，设置为 sse
      "url": "http://localhost:8050/sse" // 服务器 SSE 端点 URL，默认为 http://localhost:8050/sse
    }
  }
}

Stdio 配置 (示例):

{
  "mcpServers": {
    "task-manager": {  // 服务器名称，客户端自定义
      "command": "python3", // 启动服务器的命令
      "args": ["src/main.py"], // 启动命令的参数，这里指向服务器主程序入口
      "env": { // 环境变量配置
        "TRANSPORT": "stdio", // 传输协议，设置为 stdio
        "LLM_PROVIDER": "openai", // LLM 提供商，根据实际情况配置
        "LLM_API_KEY": "YOUR-API-KEY", // LLM API 密钥，替换为您的密钥
        "LLM_CHOICE": "gpt-4" // 使用的 LLM 模型，根据实际情况配置
      }
    }
  }
}

基本使用方法

启动服务器:
- Python: 在项目根目录下，确保 '.env' 文件配置正确，然后运行 'python3 src/main.py'。
- Docker: 确保 '.env' 文件配置正确，然后运行 'docker run --env-file .env -p 8050:8050 task-manager-mcp'。
客户端交互: 使用 MCP 客户端（例如 Cursor 编辑器或其他 MCP 客户端），根据上述 服务器配置 配置连接到 Task Manager MCP Server。
使用任务管理工具: 通过 MCP 客户端调用服务器提供的工具 (Tools) 来管理任务，例如：
- 创建项目任务文件
- 添加新任务
- 解析 PRD 生成任务
- 更新任务状态
- 获取下一个任务
- 获取任务依赖
- 评估任务复杂度
- 获取任务下一步行动建议
- 生成任务文件模板
具体工具的使用方法请参考仓库 'README.md' 文件中 "Using the Task Manager" 部分的示例代码。

注意: 仓库代码中 AI 相关的功能（如 'expand_task', 'estimate_task_complexity', 'suggest_next_actions'）目前是占位符，需要开发者自行实现与 LLM 的集成，才能真正使用 AI 辅助功能。

关键词