任务管理器 MCP 服务器

用于管理任务和项目的模型上下文协议 (MCP)服务器的模板实现。该服务器提供全面的任务管理系统，支持项目组织、任务跟踪和 PRD 解析。

概述

该项目演示了如何构建一个 MCP 服务器，使 AI 代理能够管理任务、跟踪项目进度并将产品需求文档 (PRD) 分解为可执行的任务。它可以作为创建具有任务管理功能的 MCP 服务器的实用模板。

该实施遵循 Anthropic 为构建 MCP 服务器制定的最佳实践，允许与任何兼容 MCP 的客户端无缝集成。

Related MCP server: TODO MCP Server

特征

该服务器提供了几个必不可少的任务管理工具：

1. 任务管理

   • create_task_file ：创建新的项目任务文件

   • add_task ：向项目添加任务，并附带描述和子任务

   • update_task_status ：更新任务和子任务的状态

   • get_next_task ：从项目中获取下一个未完成的任务

2. 项目规划

   • parse_prd ：自动将 PRD 转换为结构化任务

   • expand_task ：将任务分解为更小、更易于管理的子任务

   • estimate_task_complexity任务复杂性和时间要求

   • get_task_dependencies ：跟踪任务依赖关系

3. 开发支持

   • generate_task_file ：根据任务描述生成文件模板

   • suggest_next_actions ：获取 AI 支持的后续步骤建议

先决条件

• Python 3.12+

• 您选择的 LLM 提供商（OpenAI、OpenRouter 或 Ollama）的 API 密钥

• 如果将 MCP 服务器作为容器运行，则使用 Docker（推荐）

安装

使用 uv

1. 如果你没有 uv，请安装它：

   pip install uv

2. 克隆此存储库：

   git clone https://github.com/coleam00/mcp-mem0.git cd mcp-mem0

3. 安装依赖项：

   uv pip install -e .

4. 根据.env.example创建.env文件：

   cp .env.example .env

5. 在.env文件中配置环境变量（参见配置部分）

使用 Docker（推荐）

1. 构建 Docker 镜像：

   docker build -t mcp/mem0 --build-arg PORT=8050 .

2. 根据.env.example创建.env文件并配置环境变量

配置

您可以在.env文件中配置以下环境变量：

运行服务器

使用 Python 3

服务器将在配置的主机和端口上启动（默认值： http ://0.0.0.0:8050）。

使用 Docker

使用任务管理器

创建新项目

1. 为您的项目创建任务文件：

2. 将任务添加到您的项目：

3. 解析 PRD 以自动创建任务：

管理任务

1. 更新任务状态：

2. 获取下一个要处理的任务：

3. 将任务扩展为子任务：

开发工作流程

1. 为任务生成文件模板：

2. 获取任务复杂度估计：

3. 获取下一步行动的建议：

与 MCP 客户端集成

SSE配置

要使用 SSE 传输连接到服务器，请使用以下配置：

Stdio 配置

对于 stdio 传输，请使用以下配置：

构建您自己的服务器

此模板为构建更复杂的任务管理 MCP 服务器奠定了基础。扩展方法如下：

1. 使用@mcp.tool()装饰器添加新的任务管理工具

2. 实现自定义任务分析和自动化功能

3. 添加特定于项目的任务模板和工作流程

4. 与您现有的开发工具和流程集成