任务管理器 MCP 服务器

这是一个 MCP 服务器，旨在与 Cursor 等 AI 代码编辑器集成。其主要目标是最大限度地发挥 Cursor 的代理功能和 Gemini 2.5 出色的架构能力，同时克服 Cursor 极其有限的上下文窗口。它的灵感主要来自 Roo Code 的 Boomerang 模式，但我发现它非常昂贵，因为唯一兼容其应用机器人的模型是 Claude 3.7 Sonnet。使用这款服务器，您可以同时享受两种功能：无限上下文窗口和无限使用，只需支付 Cursor 每月 20 美元的订阅费。

此外，它还包含一个 Svelte UI，允许您查看任务列表和进度、手动调整计划以及查看更改。

Svelte UI

核心功能

• **复杂特征规划：**为其提供特征描述，它会通过repomix使用具有项目上下文的 LLM 为 AI 代理生成逐步的编码计划，并对高强度任务进行递归任务分解。
• **集成 UI 服务器：**运行 Express 服务器来提供静态前端文件，并为 UI 提供基本的 API 端点。规划完成后或需要澄清时，会在默认浏览器中打开 UI，并显示任务列表和进度。
• **无限上下文窗口：**在需要时使用 Gemini 2.5 的 100 万个令牌上下文窗口和repomix的截断。
• **对话历史：**在每个功能的.mcp/features/中的单独 JSON 文件中跟踪每个功能的对话历史，当用户要求调整计划时，Gemini 2.5 可以获得上下文。
• **澄清工作流程：**处理 LLM 需要更多信息的情况，暂停计划并通过 WebSockets 与连接的 UI 交互。
• **任务 CRUD：**允许通过 UI 创建、读取、更新和删除任务。
• **代码审查：**使用 LLM 分析git diff HEAD输出，并在需要时创建新任务。
• **自动审查（可选）：**如果已配置（ AUTO_REVIEW_ON_COMPLETION=true ），则在功能的最后一个原始任务完成后自动运行代码审查流程。
• **计划调整：**允许通过adjust_plan工具在创建计划后对其进行调整。

设置

先决条件：

• Node.js
• npm
• Git

安装与构建：

1. 克隆：
   git clone https://github.com/jhawkins11/task-manager-mcp.git cd task-manager-mcp
2. 安装后端依赖：
   npm install
3. **配置：**您稍后将直接在 Cursor 的 MCP 设置中配置 API 密钥（请参阅使用部分），但您可能仍需要一个本地.env文件进行手动测试（请参阅配置部分）。
4. **构建：**此命令构建后端和前端服务器，并将 Svelte UI 复制到dist/frontend-ui/目录。
   npm run build

运行服务器（手动）：

对于不使用Cursor 的本地测试，您可以直接使用 Node 或 npm 脚本运行服务器。此方法将使用.env文件进行配置。

直接使用 Node（使用绝对路径）：

使用 npm start：

这将启动 MCP 服务器 (stdio)、WebSocket 服务器以及 UI 的 HTTP 服务器。UI 可以通过http://localhost:\ <UI_PORT> （默认 3000）访问。

配置（手动运行的.env 文件）：

如果手动运行（不通过 Cursor），请在项目根目录中创建一个 .env 文件，用于保存 API 密钥和端口。注意：通过 Cursor 运行时，这些内容应在 Cursor 的 mcp.json 配置中设置（参见“用法”部分）。

避免成本

**重要提示：**强烈建议将您自己的 Google AI API 密钥集成到 OpenRouter，以避免免费模型的速率限制。请参阅下文。

**使用 OpenRouter 的免费套餐：**使用 OpenRouter 上标记为“免费”的型号（例如本文撰写时的 google/gemini-2.5-pro-exp-03-25:free），并连接您自己的 Google AI API 密钥，可以显著降低或消除成本。查看此 Reddit 帖子了解更多信息： https://www.reddit.com/r/ChatGPTCoding/comments/1jrp1tj/a \_simple\_guide\_to\_setting\_up\_gemini\_25\_pro\_free/

**回退成本：**如果主服务器达到速率限制，服务器会自动使用回退模型重试。默认回退模型 (FALLBACK_OPENROUTER_MODEL) 通常采用更快/更便宜的模型，例如 Gemini Flash，但根据 OpenRouter 当前的定价/层级，它可能仍会产生相关成本。请查看 OpenRouter 的网站，并根据需要调整配置中的回退模型。

与光标一起使用（任务管理器模式）

这是该服务器的主要用途。

1. 在 Cursor 中配置 MCP 服务器：

构建服务器（ npm run build ）后，您需要告诉 Cursor 如何运行它。

找到 Cursor 的 MCP 配置文件。该文件可以是：

• **项目特定：**在项目根目录内的.cursor/mcp.json创建/编辑文件。
• **全局：**在用户主目录中创建/编辑~/.cursor/mcp.json文件（供所有项目使用）。

将以下条目添加到该 JSON 文件中的 mcpServers 对象：

重要的：

• 将/full/path/to/your/task-manager-mcp/dist/server.js替换为您机器上已编译服务器脚本的绝对路径。
• 将sk-or-v1-xxxxxxxxxxxxxxxxxxxx替换为您的实际 OpenRouter API 密钥（或者如果直接使用 Google AI，则设置 GEMINI_API_KEY）。
• 这里定义的环境变量将在 Cursor 启动时传递给服务器进程，覆盖任何.env文件。

2.创建自定义光标模式：

1. 转到光标设置->功能->聊天->启用自定义模式。
2. 返回聊天视图，单击模式选择器（左下角），然后单击添加自定义模式。
3. 给它一个名字（例如，“MCP Planner”，“Task Dev”），选择一个图标/快捷方式。
4. 启用工具：确保此服务器公开的工具（ plan_feature 、 mark_task_complete 、 get_next_task 、 review_changes 、 adjust_plan ）在此模式下可用且已启用。您可能需要根据您的工作流程启用其他工具，例如 Codebase、Terminal 等。
5. 代理的推荐说明：将这些规则准确粘贴到“自定义说明”文本框中：

6. 保存自定义模式。

预期工作流程（使用自定义模式）：

1. 在光标中选择新的自定义模式。
2. 向 Cursor 提出功能请求（例如，“使用 JWT 添加身份验证”）。
3. Cursor 将按照说明调用plan_feature工具。
4. 服务器进行规划、保存数据，并返回 JSON 响应（包含文本内容）给 Cursor。
   • 如果成功：响应包含status: "completed"以及message字段中第一个任务的描述。UI（如果正在运行）将启动/更新。
   • 如果需要澄清：响应包含status: "awaiting_clarification" 、 featureId 、 uiUrl ，以及指示代理等待并稍后调用get_next_task说明。UI 将根据问题启动/更新。
5. Cursor 仅实现所描述的任务（如果提供）。
6. 如果需要澄清，用户可在 UI 中回答，服务器将恢复规划并通过 WebSocket 更新 UI。然后，代理将按照指示，使用featureId调用get_next_task 。
7. 如果任务已完成，Cursor 会调用mark_task_complete （使用taskId和featureId ）。
8. 服务器将任务标记为完成并在响应消息中返回下一个待处理的任务。
9. 光标重复步骤4-8。
10. 如果用户要求 Cursor “审查”，它会调用review_changes 。

API 端点（用于 UI）

集成的 Express 服务器为前端提供了以下基本端点：

• GET /api/features ：返回现有功能 ID 的列表。
• GET /api/tasks/:featureId ：返回特定功能的任务列表。
• GET /api/tasks ：返回最近创建/修改的功能的任务。
• GET /api/features/:featureId/pending-question ：检查该功能是否有有效的澄清问题。
• POST /api/tasks ：为某项功能创建新任务。
• PUT /api/tasks/:taskId ：更新现有任务。
• DELETE /api/tasks/:taskId ：删除任务。
• (静态文件) ：提供来自dist/frontend-ui/文件（例如index.html ）。