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
Related MCP Servers
- 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 -1212MIT License
- AsecurityAlicenseAqualityEnables 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 -15337MIT License
- -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 -2MIT License
- Asecurity-licenseAqualityA task management Model Context Protocol server that helps break down user requests into manageable tasks with subtasks, dependencies, and notes, while enforcing a structured workflow with user approval steps.Last updated -173610MIT License