MCP任务流
用于“驯服克劳德”的MCP服务器，带有结构化任务队列。
服务介绍
MCP 任务管理器
MCP 任务管理器 (npm 包: taskqueue-mcp) 是一个用于 AI 任务管理的模型上下文协议 (MCP) 服务器。此工具帮助 AI 助手以结构化的方式处理多步骤任务，并可选地在用户批准检查点进行操作。
功能
- 多步骤任务规划
- 进度跟踪
- 用户对完成任务的批准
- 项目完成批准
- 任务详细信息可视化
- 任务状态管理
- 增强的 CLI 用于任务检查和管理
基本设置
通常，您将在 Claude Desktop、Cursor 或其他 MCP 客户端中设置工具配置如下：
{
"tools": {
"taskqueue": {
"command": "npx",
"args": ["-y", "taskqueue-mcp"]
}
}
}
要使用 CLI 工具，可以使用以下命令：
npx taskqueue --help
这将显示可用的命令和选项。
高级配置
任务管理器支持多个 LLM 提供商来生成项目计划。您可以根据需要使用的提供商配置以下一个或多个环境变量：
OPENAI_API_KEY：使用 OpenAI 模型（例如 GPT-4）时必需GOOGLE_GENERATIVE_AI_API_KEY：使用 Google 的 Gemini 模型时必需DEEPSEEK_API_KEY：使用 Deepseek 模型时必需
要通过 CLI 生成项目计划，请在您的 shell 中设置这些环境变量：
export OPENAI_API_KEY="your-api-key"
export GOOGLE_GENERATIVE_AI_API_KEY="your-api-key"
export DEEPSEEK_API_KEY="your-api-key"
或者，您可以在 MCP 客户端配置中包含它们，以便通过 MCP 工具调用生成项目计划：
{
"tools": {
"taskqueue": {
"command": "npx",
"args": ["-y", "taskqueue-mcp"],
"env": {
"OPENAI_API_KEY": "your-api-key",
"GOOGLE_GENERATIVE_AI_API_KEY": "your-api-key",
"DEEPSEEK_API_KEY": "your-api-key"
}
}
}
}
可用的 MCP 工具
TaskManager 现在使用直接工具接口，为每个操作提供特定的、目的明确的工具：
项目管理工具
list_projects：列出系统中的所有项目read_project：获取有关特定项目的详细信息create_project：创建具有初始任务的新项目delete_project：删除项目add_tasks_to_project：向现有项目添加新任务finalize_project：在所有任务完成后最终确定项目
任务管理工具
list_tasks：列出特定项目的全部任务read_task：获取特定任务的详细信息create_task：在项目中创建新任务update_task：修改任务属性（标题、描述、状态）delete_task：从项目中删除任务approve_task：批准已完成的任务get_next_task：获取项目中的下一个待处理任务mark_task_done：标记任务为已完成并附带详细信息
任务状态和工作流
任务有一个状态字段，可以是以下之一：
not started：任务尚未开始in progress：任务正在处理done：任务已完成（需要completedDetails）
状态转换规则
系统强制执行以下任务状态转换规则：
- 任务遵循特定的工作流程，定义了有效的状态转换：
- 从
未开始：只能移动到进行中 - 从
进行中：可以移动到完成或返回未开始 - 从
完成：如果需要额外工作，可以返回进行中
- 从
- 当任务被标记为“完成”时，必须提供
completedDetails字段来记录已完成的内容 - 已批准的任务不能被修改
- 只有当所有任务都已完成并获得批准时，项目才能被批准
这些规则有助于维护任务进度的完整性，并确保正确记录已完成的工作。
使用流程
使用此任务管理器的典型LLM工作流程如下：
create_project：创建带有初始任务的项目get_next_task：获取第一个待处理任务- 处理该任务
mark_task_done：将任务标记为完成并提供详细信息- 等待批准（用户必须通过CLI调用
approve_task） get_next_task：获取下一个待处理任务- 重复步骤3-6，直到所有任务完成
finalize_project：完成项目（需要用户批准）
CLI命令
任务审批
任务审批完全由人类用户通过CLI命令控制：
npx taskqueue approve-task -- <projectId> <taskId>
选项：
-f, --force：即使任务未被标记为完成也强制批准
注意：在批准之前，任务必须被标记为“完成”并附带完成详情（除非使用--force）。
列出任务和项目
CLI提供了一个列出所有项目和任务的命令：
npx taskqueue list-tasks
要查看特定项目的详细信息：
npx taskqueue list-tasks -- -p <projectId>
此命令显示系统中所有项目或特定项目的信息，包括：
- 项目ID和初始提示
- 完成状态
- 任务详情（标题、描述、状态、审批）
- 进度指标（已批准/已完成/总任务数）
数据模式和存储
文件位置
任务管理器将数据存储在一个JSON文件中，该文件必须对服务器和CLI均可访问。
默认的平台特定位置是：
- Linux:
~/.local/share/taskqueue-mcp/tasks.json - macOS:
~/Library/Application Support/taskqueue-mcp/tasks.json - Windows:
%APPDATA%\taskqueue-mcp\tasks.json
不建议使用自定义文件路径来存储任务数据，因为您需要记得为MCP服务器和CLI设置相同的路径，否则它们将无法相互协调。但如果您确实想使用自定义路径，可以在您的MCP客户端配置中设置 TASK_MANAGER_FILE_PATH 环境变量：
{
"tools": {
"taskqueue": {
"command": "npx",
"args": ["-y", "taskqueue-mcp"],
"env": {
"TASK_MANAGER_FILE_PATH": "/path/to/tasks.json"
}
}
}
}
然后，在运行CLI之前，您应该在shell中导出相同的路径：
export TASK_MANAGER_FILE_PATH="/path/to/tasks.json"
数据模式
JSON文件使用以下结构：
TaskManagerFile
├── projects: Project[]
├── projectId: string # Format: "proj-{number}"
├── initialPrompt: string # Original user request text
├── projectPlan: string # Additional project details
├── completed: boolean # Project completion status
└── tasks: Task[] # Array of tasks
├── id: string # Format: "task-{number}"
├── title: string # Short task title
├── description: string # Detailed task description
├── status: string # Task status: "not started", "in progress", or "done"
├── approved: boolean # Task approval status
├── completedDetails: string # Completion information (required when status is "done")
├── toolRecommendations: string # Suggested tools that might be helpful for this task
└── ruleRecommendations: string # Suggested rules/guidelines to follow for this task
许可证
MIT
