TaskFlow MCP 🔄✅
Сервер протокола контекста модели управления задачами (MCP) для планирования и выполнения задач с помощью помощников на основе искусственного интеллекта.
🌟 Обзор
TaskFlow MCP — специализированный сервер, который помогает помощникам ИИ разбивать пользовательские запросы на управляемые задачи и отслеживать их выполнение. Он обеспечивает структурированный рабочий процесс с шагами одобрения пользователя, чтобы гарантировать, что задачи отслеживаются должным образом, а пользователи сохраняют контроль над процессом.
✨ Особенности
- 📋 Планирование задач : разбейте сложные запросы на выполнимые задачи
- 🔍 Подзадачи : разделите задачи на более мелкие и более управляемые подзадачи.
- 📊 Отслеживание прогресса : отслеживайте статус задач, подзадач и запросов с помощью визуальных таблиц прогресса.
- 👍 Одобрение пользователя : Обеспечьте выполнение шагов одобрения пользователя для обеспечения качества и контроля.
- 💾 Сохранение : сохранение задач и запросов на диске для сохранения между сеансами.
- 🔄 Гибкое управление : добавляйте, обновляйте или удаляйте задачи и подзадачи по мере необходимости.
- 📝 Подробная отчетность : просмотр подробностей задач и таблиц прогресса
- 📤 Параметры экспорта : экспортируйте планы задач и отчеты о статусе в форматах Markdown, JSON или HTML.
- 📦 Зависимости : отслеживайте зависимости на уровне проекта и задачи с информацией о версии
- 📌 Заметки : добавляйте заметки на уровне проекта для важной информации и предпочтений.
🚀 Установка
Глобальная установка
Локальная установка
🛠️ Использование
Запуск сервера
При глобальной установке:
При локальной установке:
Конфигурация
По умолчанию TaskFlow MCP сохраняет задачи в ~/Documents/tasks.json
. Вы можете изменить это, установив переменную среды TASK_MANAGER_FILE_PATH
:
Конфигурация МКП
Чтобы использовать TaskFlow MCP с помощниками AI, вам необходимо настроить клиент MCP для использования сервера. Создайте файл mcp_config.json
со следующим содержимым:
🔄 Рабочий процесс
TaskFlow MCP обеспечивает определенный рабочий процесс:
- Планирование задач : разбейте запрос пользователя на задачи (с дополнительными подзадачами).
- Получить следующую задачу : получить следующую отложенную задачу
- Завершите подзадачи : если у задачи есть подзадачи, завершите каждую подзадачу, прежде чем отмечать задачу как выполненную.
- Отметить задачу как выполненную : отметить задачу как выполненную (требуется сначала выполнить все подзадачи)
- Ожидание одобрения : Ожидание одобрения пользователем выполненной задачи.
- Повторить : продолжить выполнение следующей задачи, пока все задачи не будут выполнены.
- Окончательное одобрение : получите одобрение пользователя на весь запрос.
Чтобы помощники на основе искусственного интеллекта могли последовательно следовать этому рабочему процессу, ознакомьтесь с файлом example-system-prompt.md, в котором приведены системные подсказки, которые вы можете добавить к инструкциям помощника.
🧰 Доступные инструменты
TaskFlow MCP предоставляет следующие инструменты помощникам на базе искусственного интеллекта:
plan_task
Зарегистрируйте новый запрос пользователя и запланируйте связанные с ним задачи (с дополнительными подзадачами).
get_next_task
Получить следующую ожидающую задачу для запроса.
mark_task_done
Отметить задачу как выполненную.
approve_task_completion
Одобрить выполненную задачу.
approve_request_completion
Утвердить весь запрос как выполненный.
open_task_details
Получите подробную информацию о конкретной задаче.
list_requests
Список всех запросов в системе.
add_tasks_to_request
Добавьте больше задач к существующему запросу.
update_task
Обновите название или описание задачи.
delete_task
Удалить задачу из запроса.
add_subtasks
Добавить подзадачи к существующей задаче.
mark_subtask_done
Отметить подзадачу как выполненную.
update_subtask
Обновите название или описание подзадачи.
delete_subtask
Удалить подзадачу из задачи.
export_task_status
Экспортировать текущий статус всех задач в запросе в файл. Рекомендуется использовать абсолютные пути для более надежного создания файла.
add_note
Добавьте примечание к запросу.
update_note
Обновить существующую заметку.
delete_note
Удалить заметку из запроса.
add_dependency
Добавьте зависимость к запросу или задаче.
📚 Документация
Более подробную информацию об архитектуре проекта и его реализации смотрите в файле OVERVIEW.md .
📝 Лицензия
Данный проект лицензирован по лицензии MIT — подробности см. в файле LICENSE .
🤝 Вклад
Вклады приветствуются! Пожалуйста, смотрите файл CONTRIBUTING.md для инструкций.
📜 Журнал изменений
Историю изменений в этом проекте смотрите в файле CHANGELOG.md .
🙏 Благодарности
- Создано с использованием протокола контекста модели (MCP)
- Создано Pink Pixel
Сделано с ❤️ Pink Pixel
local-only server
The server can only run on the client's local machine because it depends on local resources.
Tools
Сервер управления задачами, который помогает помощникам на основе искусственного интеллекта разбивать запросы пользователей на управляемые задачи и отслеживать их выполнение с помощью этапов одобрения пользователем.
- 🌟 Обзор
- ✨ Особенности
- 🚀 Установка
- 🛠️ Использование
- 🔄 Рабочий процесс
- 🧰 Доступные инструменты
- 📚 Документация
- 📝 Лицензия
- 🤝 Вклад
- 📜 Журнал изменений
- 🙏 Благодарности
Related Resources
Related MCP Servers
- -securityAlicense-qualityA server for task orchestration and coordination, facilitating task management with dependencies, multi-instance collaboration, and persistent task tracking.Last updated -717JavaScriptMIT License
- AsecurityAlicenseAqualityProvides API access to a locally-hosted task management system with features for creating, updating, and organizing tasks, including support for urgency levels, effort estimates, subtasks, and bi-directional sync with Obsidian markdown files.Last updated -123PythonMIT License
- -securityAlicense-qualityEnables AI agents to break down complex tasks into manageable pieces using a structured JSON format with task tracking, context preservation, and progress monitoring capabilities.Last updated -122JavaScriptMIT 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 -1TypeScript