Supports installation via curl script, enabling easy setup of the MCPlanManager environment.
Enables AI agents to work with GitHub repositories through MCP client configuration, supporting task management for GitHub-based workflows.
Generates context-aware prompts in Markdown format to assist with task execution.
Provides visualization capabilities for task dependencies using Mermaid graph code generation.
Uses Python as the runtime environment for the MCP server, with direct module execution support for tool integration.
MCPlanManager - AI Agent 任务管理系统
一个简洁高效的任务管理器,专为 AI Agent 的长程任务执行而设计,支持MCP (Model Context Protocol) 标准,并同时支持 uvx
和 Docker
两种部署方式。
版本 1.2.0 更新亮点:
- 新增计划持久化工具:引入
dumpPlan
和loadPlan
工具,允许对任务计划进行完整的导出和恢复。 - 优化工具文档:为使用 Pydantic 模型的工具(如
initializePlan
,editDependencies
)补充了参数结构描述,以改善部分客户端的兼容性。 - 增强测试套件:添加了针对持久化功能的完整测试用例,并优化了测试运行流程。
🚀 部署与使用
我们提供两种推荐的部署方式,请根据您的需求选择。
方式一:使用 uvx
(轻量级 & 快速启动)
uvx
允许您以一行命令轻松启动 MCP 服务,它会自动处理依赖管理和环境设置。
- 先决条件:安装 uv
如果您的系统中还没有
uv
,请先执行以下命令安装: - 配置您的AI客户端
在 Cursor、Continue.dev 等客户端中,使用以下配置即可自动下载并运行服务(通过标准输入输出进行通信):
方式二:使用 Docker
(生产环境 & 隔离部署)
Docker 提供了最佳的环境一致性和隔离性,是生产环境部署的首选方案。服务将以 SSE (Server-Sent Events) 模式运行。
- 拉取或构建镜像
从 Docker Hub 拉取最新镜像:或者在项目根目录本地构建:
- 运行容器
您可以通过
docker run
或docker-compose
来启动服务。使用docker run
:使用docker-compose
(推荐): 项目根目录下的docker-compose.yml
文件已为您配置好:然后运行docker-compose up -d
。 - 配置您的AI客户端
使用以下配置通过 SSE 连接到 Docker 容器中运行的服务:注意:如果部署在云服务器上,请将
localhost
替换为服务器的公网 IP 或域名。
🧪 运行测试
我们提供了一套完整的测试套件来保证代码质量。
- 启动服务
确保您的 MCP 服务正在运行(通过
uvx
或Docker
)。 - 运行所有测试
在项目根目录执行以下命令:该脚本会自动运行所有功能测试和边界情况测试,并输出详细报告。
🛠️ MCP 工具列表
本项目提供以下15个工具:
initializePlan
: 初始化新的任务计划loadPlan
: 从一个完整的计划对象加载并替换当前计划dumpPlan
: 导出当前完整的计划数据为一个字典对象getCurrentTask
: 获取当前正在执行的任务startNextTask
: 开始下一个可执行的任务completeTask
: 标记任务为完成状态failTask
: 标记任务失败skipTask
: 跳过指定任务addTask
: 添加新任务到计划中getTaskList
: 获取任务列表(支持状态过滤)getExecutableTaskList
: 获取当前可执行的任务列表getPlanStatus
: 获取整个计划的状态editDependencies
: 修改任务间的依赖关系visualizeDependencies
: 生成依赖关系可视化(支持ascii
,tree
,mermaid
格式)generateContextPrompt
: 生成上下文提示词
🧑💻 本地开发
如果您希望贡献代码或进行二次开发,请遵循以下步骤:
- 克隆仓库并设置环境
- 在 Cursor 中进行本地调试
为了实现修改代码后实时生效的热重载调试,请在 Cursor 的
mcp.server.configFiles
设置中指向项目中的examples/mcp_configs/local_development.json
文件。该文件已为您配置好了本地开发所需的环境变量。启动 Cursor 后,您就可以在聊天窗口中使用@mcplanmanager-local-dev
来调用和测试您本地的最新代码了。
📄 许可证
本项目基于 MIT License - 详见 LICENSE 文件。
This server cannot be installed
hybrid server
The server is able to function both locally and remotely, depending on the configuration or use case.
An AI agent task management system that provides structure and visualization for long-term task planning with support for the Model Context Protocol (MCP) standard.
Related MCP Servers
- -securityAlicense-qualityAn MCP server that converts Cursor agent plans into structured markdown task lists and organizes them in your repository, helping you track AI-generated plans and recommendations as actionable specifications.Last updated -10PythonMIT License
- -securityFlicense-qualityA Model Context Protocol server that provides persistent task management capabilities for AI assistants, allowing them to create, update, and track tasks beyond their usual context limitations.Last updated -3TypeScript
- -securityAlicense-qualityAI-driven task management application that operates via MCP, enabling autonomous creation, organization, and execution of tasks with support for subtasks, priorities, and progress tracking.Last updated -1PythonMIT License
- AsecurityAlicenseAqualityA Model Context Protocol server providing AI assistants with comprehensive project, task, and subtask management capabilities with project-specific storage.Last updated -292542TypeScriptMIT License