PM Agent MCP 服务端集合

关键词

AI 助手项目管理知识库仪表板Slack 集成

使用说明（Markdown 格式）

  • 项目简介

    • 通过一组 MCP 服务器实现，覆盖资源访问、工具执行、Prompts 定义与渲染、监控与记忆等能力，面向 LLM 客户端提供标准化的上下文信息和外部功能入口。

  • 主要功能点

    • 资源与知识管理（memory、knowledge、signals、insights 等）
    • 工具注册与执行（如 GitHub、Slack、PostHog、Scheduler、Dashboard、Sandbox、Knowledge 等工具组）
    • Prompt 与智能渲染能力（Prompts、Visualization、Intelligence、Synthesis 等）
    • 会话与记忆管理（chatSessions、messages、synthesisRuns、escalations 等）
    • 与远端 MCP 的集成（createExaMcpServer、createLinearMcpServer）
    • 多客户端/多服务器协同工作：通过 Claude Agent SDK 提供的 MCP 服务器配置实现 JSON-RPC 交互

  • 安装与运行（简化步骤）

    • 需要环境与依赖
      • Bun (v1.0+)
      • GitHub Token，具备 repo、read:org、project 等作用域
      • LLM 访问 KEY（OpenRouter/Anthropic/OpenAI 等，OpenRouter 优选）
    • 启动与运行
      • 使用 Bun 启动整个应用：bun run start 或 bun run web
      • 应用启动后，服务器将暴露 MCP 相关能力，供客户端通过 MCP 进行请求
    • 配置与连接
      • MCP 客户端需要知道要连接的 MCP 服务器及启动信息（server name、command、args 等）
      • 下面给出一个可参考的 JSON 配置模板，展示服务器名称、启动命令与参数。实际使用时，请根据运行环境将各服务器对齐到同一进程或独立进程启动。

  • 服务器配置（MCP 客户端使用的启动信息，JSON 结构，含 server、command、args 等说明） { "servers": [ { "server": "github", "command": "bun", "args": ["run","start","github"] }, { "server": "knowledge", "command": "bun", "args": ["run","start","knowledge"] }, { "server": "scheduler", "command": "bun", "args": ["run","start","scheduler"] }, { "server": "slack", "command": "bun", "args": ["run","start","slack"] }, { "server": "visualization", "command": "bun", "args": ["run","start","visualization"] }, { "server": "dashboard", "command": "bun", "args": ["run","start","dashboard"] }, { "server": "memory", "command": "bun", "args": ["run","start","memory"] }, { "server": "signals", "command": "bun", "args": ["run","start","signals"] }, { "server": "intelligence", "command": "bun", "args": ["run","start","intelligence"] }, { "server": "agents", "command": "bun", "args": ["run","start","agents"] }, { "server": "sandbox", "command": "bun", "args": ["run","start","sandbox"] } ], "notes": "上述配置为客户端连接示例。PM Agent 的 MCP 服务器在当前实现中多为内置在同一应用进程中的服务器（通过 Claude Agent SDK 提供的 MCP 配置对象），实际部署可结合远程 MCP 服务。客户端应仅使用 server 名称与启动参数来建立连接。" }

  • 基本使用方法

    • 在浏览器/终端中访问 UI 与 API，查看仪表板、队列任务、知识库等。
    • 使用 MCP 客户端调用、查询、执行工具，观察结果通过 JSON-RPC 响应返回。
    • 如需扩展，新增工具、Prompts、Memory 模块等即可通过相应的 MCP 服务注册与暴露。

  • 关键词与定位

    • 与 OpenRouter/Anthropic 等后端模型协同工作，提供知识上下文、工具执行、Prompts 渲染等能力，适合在 LLM 场景中作为后端上下文服务框架。

  • 注意事项

    • 本项目包含大量内置工具与远端接口，需妥善配置 API KEY、令牌与权限。
    • MCP 服务端与客户端之间的通信涉及 JSON-RPC、跨进程调用，需要在部署时确保网络/进程隔离与安全策略。

  • 运行与连接要点

    • 本仓库实现的是 MCP 服务端能力集合，核心在于通过 Claude Agent SDK 提供的 MCP 服务配置，绑定多种工具与资源。
    • 客户端连接时，请确保服务器地址、端口和认证策略与运行环境配置一致。

服务器信息

访问项目