taskqueue-mcp

MCP 작업 관리자

MCP 작업 관리자( npm 패키지: taskqueue-mcp )는 AI 작업 관리를 위한 모델 컨텍스트 프로토콜(MCP) 서버입니다. 이 도구는 AI 비서가 여러 단계의 작업을 체계적으로 처리할 수 있도록 지원하며, 선택적으로 사용자 승인 체크포인트를 제공합니다.

특징

• 여러 단계로 구성된 작업 계획
• 진행 상황 추적
• 완료된 작업에 대한 사용자 승인
• 프로젝트 완료 승인
• 작업 세부 정보 시각화
• 작업 상태 관리
• 작업 검사 및 관리를 위한 향상된 CLI

기본 설정

일반적으로 Claude Desktop, Cursor 또는 다른 MCP 클라이언트에서 도구 구성을 다음과 같이 설정합니다.

지엑스피1

CLI 유틸리티를 사용하려면 다음 명령을 사용하면 됩니다.

사용 가능한 명령과 옵션이 표시됩니다.

고급 구성

작업 관리자는 프로젝트 계획 생성을 위해 여러 LLM 공급자를 지원합니다. 사용하려는 공급자에 따라 다음 환경 변수 중 하나 이상을 구성할 수 있습니다.

• OPENAI_API_KEY : OpenAI 모델(예: GPT-4)을 사용하는 데 필요합니다.
• GOOGLE_GENERATIVE_AI_API_KEY : Google의 Gemini 모델을 사용하는 데 필요합니다.
• DEEPSEEK_API_KEY : Deepseek 모델을 사용하는 데 필요합니다.

CLI를 사용하여 프로젝트 계획을 생성하려면 셸에서 다음 환경 변수를 설정하세요.

또는 MCP 도구 호출을 통해 프로젝트 계획을 생성하기 위해 MCP 클라이언트 구성에 포함할 수 있습니다.

사용 가능한 MCP 도구

TaskManager는 이제 각 작업에 맞게 특별히 제작된 도구가 포함된 직접 도구 인터페이스를 사용합니다.

프로젝트 관리 도구

• list_projects : 시스템의 모든 프로젝트를 나열합니다.
• read_project : 특정 프로젝트에 대한 세부 정보를 가져옵니다.
• create_project : 초기 작업으로 새 프로젝트를 생성합니다.
• delete_project : 프로젝트를 제거합니다
• add_tasks_to_project : 기존 프로젝트에 새 작업을 추가합니다.
• finalize_project : 모든 작업이 완료된 후 프로젝트를 마무리합니다.

작업 관리 도구

• list_tasks : 특정 프로젝트의 모든 작업을 나열합니다.
• read_task : 특정 작업에 대한 세부 정보를 가져옵니다.
• create_task : 프로젝트에 새로운 작업을 생성합니다
• update_task : 작업 속성(제목, 설명, 상태)을 수정합니다.
• delete_task : 프로젝트에서 작업을 제거합니다.
• approve_task : 완료된 작업을 승인합니다.
• get_next_task : 프로젝트에서 보류 중인 다음 작업을 가져옵니다.
• mark_task_done : 작업을 완료로 표시하고 세부 정보를 표시합니다.

작업 상태 및 워크플로

작업에는 다음 중 하나일 수 있는 상태 필드가 있습니다.

• not started : 작업이 아직 시작되지 않았습니다.
• in progress : 작업이 현재 진행 중입니다.
• done : 작업이 완료되었습니다( completedDetails 필요)

상태 전환 규칙

시스템은 작업 상태 전환에 대해 다음 규칙을 적용합니다.

• 작업은 정의된 유효한 전환이 있는 특정 워크플로를 따릅니다.
  • not started : in progress 중으로만 이동 가능
  • in progress 중: done 로 이동하거나 not started 으로 돌아갈 수 있습니다.
  • done : 추가 작업이 필요한 경우 in progress 돌아갈 수 있습니다.
• 작업이 "완료"로 표시되면 완료된 내용을 문서화하기 위해 completedDetails 필드를 제공해야 합니다.
• 승인된 작업은 수정할 수 없습니다.
• 모든 작업이 완료되고 승인된 경우에만 프로젝트가 승인될 수 있습니다.

이러한 규칙은 작업 진행 상황의 무결성을 유지하고 완료된 작업에 대한 적절한 문서화를 보장하는 데 도움이 됩니다.

사용 워크플로

이 작업 관리자를 사용하는 LLM의 일반적인 워크플로는 다음과 같습니다.

1. create_project : 초기 작업으로 프로젝트 시작
2. get_next_task : 보류 중인 첫 번째 작업을 가져옵니다.
3. 작업을 진행하다
4. mark_task_done : 작업을 세부 정보와 함께 완료로 표시합니다.
5. 승인을 기다리세요(사용자는 CLI를 통해 approve_task 호출해야 함)
6. get_next_task : 보류 중인 다음 작업을 가져옵니다.
7. 모든 작업이 완료될 때까지 3~6단계를 반복합니다.
8. finalize_project : 프로젝트 완료(사용자 승인 필요)

CLI 명령

작업 승인

작업 승인은 CLI 명령을 통해 인간 사용자에 의해 독점적으로 제어됩니다.

옵션:

• -f, --force : 작업이 완료로 표시되지 않은 경우에도 강제로 승인합니다.

참고: 작업은 승인되기 전에 완료된 세부 정보와 함께 "완료"로 표시되어야 합니다(--force를 사용하지 않는 한).

작업 및 프로젝트 나열

CLI는 모든 프로젝트와 작업을 나열하는 명령을 제공합니다.

특정 프로젝트의 세부 정보를 보려면:

이 명령은 다음을 포함하여 시스템의 모든 프로젝트 또는 특정 프로젝트에 대한 정보를 표시합니다.

• 프로젝트 ID 및 초기 프롬프트
• 완료 상태
• 작업 세부 정보(제목, 설명, 상태, 승인)
• 진행률 측정 항목(승인/완료/총 작업)

데이터 스키마 및 저장소

파일 위치

작업 관리자는 서버와 CLI 모두에서 액세스할 수 있는 JSON 파일에 데이터를 저장합니다.

기본 플랫폼별 위치는 다음과 같습니다.

• 리눅스 : ~/.local/share/taskqueue-mcp/tasks.json
• macOS : ~/Library/Application Support/taskqueue-mcp/tasks.json
• Windows : %APPDATA%\taskqueue-mcp\tasks.json

작업 데이터를 저장할 때 사용자 지정 파일 경로를 사용하는 것은 권장되지 않습니다. MCP 서버와 CLI 모두에 동일한 경로를 설정해야 하므로, 서로 연동되지 않기 때문입니다. 사용자 지정 경로를 사용하려면 MCP 클라이언트 구성에서 TASK_MANAGER_FILE_PATH 환경 변수를 설정할 수 있습니다.

그런 다음 CLI를 실행하기 전에 셸에서 동일한 경로를 내보내야 합니다.

데이터 스키마

JSON 파일은 다음과 같은 구조를 사용합니다.

특허

MIT