项目简介

TaskFlow MCP 是一个基于 Model Context Protocol (MCP) 构建的任务管理服务器，专为AI助手设计。它使AI能够将复杂的请求分解为可管理的任务和子任务，跟踪其执行状态，并集成强制性的用户审批步骤，确保用户对AI的工作流程和成果保持控制。

主要功能点

任务分解与规划: 将用户请求拆解为结构化的任务和子任务列表。
进度跟踪: 实时追踪任务、子任务和整个请求的完成状态。
用户审批流程: 在任务完成和请求完成后强制要求用户进行审批。
数据持久化: 将任务和请求数据保存到文件中，确保跨会话的持久性。
任务管理: 支持添加、更新、删除任务和子任务。
详细信息与报告: 查看任务详情，生成任务状态报告（支持Markdown, JSON, HTML格式）。
依赖与笔记: 记录项目和任务相关的依赖项和重要笔记。

安装步骤

TaskFlow MCP 是一个Node.js应用，可以通过 npm 或 yarn 进行安装。

全局安装 (推荐):

npm install -g @pinkpixel/taskflow-mcp

或使用 yarn:

yarn global add @pinkpixel/taskflow-mcp

安装后，'taskflow-mcp' 命令将在您的终端中可用。

本地安装:

npm install @pinkpixel/taskflow-mcp

或使用 yarn:

yarn add @pinkpixel/taskflow-mcp

本地安装后，可以使用 'npx taskflow-mcp' 或 'yarn taskflow-mcp' 命令运行。

MCP 服务器配置 (供MCP客户端参考)

TaskFlow MCP 服务器需要由您的 MCP 客户端启动。您需要在 MCP 客户端的配置文件中指定如何启动此服务器。典型的配置（如 'mcp_config.json' 文件中）如下：

{
  "mcpServers": {
    "taskflow": {
      "command": "npx", 
      "args": ["-y", "@pinkpixel/taskflow-mcp"], // 使用 npx 启动 TaskFlow MCP
      "env": {
        "TASK_MANAGER_FILE_PATH": "/path/to/tasks.json" // 可选：指定任务数据文件的保存路径，默认为用户文档目录下的 tasks.json
      }
    }
  }
  // ... 其他 MCP 客户端配置
}

'mcpServers': 客户端配置中定义 MCP 服务器的字段。
'taskflow': 您为此服务器指定的唯一名称。
'command': 启动服务器进程的命令。这里使用 'npx'。
'args': 传递给命令的参数。'-y' 允许 npx 自动安装包，'@pinkpixel/taskflow-mcp' 是要运行的包名。
'env': 可选的环境变量，例如用于指定数据文件路径。

基本使用方法 (供AI助手调用)

AI助手通过调用 TaskFlow MCP 服务器暴露的 工具 (Tools) 来与其交互，遵循特定的任务管理工作流：

规划任务: AI 接收用户请求后，调用 'plan_task' 工具来创建新的请求条目，并将其分解为初始的任务和子任务列表。工具会返回一个 'requestId'。
获取下一个任务: AI 调用 'get_next_task' 工具并提供 'requestId'。服务器会返回下一个待办任务的信息。
执行任务/子任务: AI 根据任务/子任务描述执行所需的操作。如果任务有子任务，AI 需要先完成所有子任务。
标记子任务完成: 如果任务有子任务，AI 在完成每个子任务后调用 'mark_subtask_done' 工具。
标记任务完成: 在任务（及其所有子任务）完成后，AI 调用 'mark_task_done' 工具。注意: 调用此工具后，AI 必须等待用户审批，不能直接获取下一个任务。
用户审批: 用户审查已完成的任务，并通过客户端触发审批操作（客户端通常会调用服务器内部的 'approve_task_completion' 工具，这个工具可能不直接暴露给AI，而是由客户端UI驱动）。AI 在获得审批后才能继续。
循环: AI 在获得任务审批后，再次调用 'get_next_task' 获取下一个待办任务，重复步骤 2-6。
请求完成: 当所有任务都标记为完成且通过审批后，'get_next_task' 会指示整个请求已完成，等待最终审批。用户通过客户端触发最终请求审批（可能调用 'approve_request_completion' 工具）。

AI助手应理解这些工具的功能和工作流程描述，以便正确地与 TaskFlow MCP 服务器交互。其他工具（如 'add_tasks_to_request', 'update_task', 'export_task_status' 等）可以在工作流程中的适当时候调用，以修改任务计划、获取详情或导出状态。

关键词

项目简介

主要功能点

安装步骤

MCP 服务器配置 (供MCP客户端参考)

基本使用方法 (供AI助手调用)

信息