Todo List MCP Server

Ein einfacher, anfängerfreundlicher Model Context Protocol (MCP)-Server, geschrieben in Python. Er ermöglicht jedem MCP-kompatiblen KI-Client (wie Claude Desktop), eine Aufgabenliste auf deinem Computer zu verwalten – über fünf Tools: Hinzufügen, Anzeigen, Abrufen per ID, Abschließen und Löschen.

Erstellt mit dem offiziellen MCP Python SDK (mcp[cli]) und seiner High-Level-FastMCP-Schnittstelle. Die Daten werden lokal in einer einfachen JSON-Datei gespeichert – keine Datenbank erforderlich.

1. Was dieses Projekt tut

Dieser MCP-Server stellt jedem verbundenen KI-Client 5 Tools bereit:

Alle Daten leben in todos.json, das automatisch erstellt wird, sobald du zum ersten Mal eine Aufgabe hinzufügst.

Related MCP server: Task MCP Server

2. Projektstruktur

todo-mcp-server/
├── server.py          # Main MCP server — defines the 5 tools
├── storage.py          # Handles reading/writing todos.json
├── todos.json           # Auto-created data file (not committed to git)
├── requirements.txt     # Python dependencies     
├── .gitignore            # Files Git should ignore
└── README.md             

3. Einrichtung

Voraussetzungen

• Python 3.10 oder neuer

• pip (ist bei Python enthalten)

Schritte

# 1. Clone or download this project, then move into it
cd todo-mcp-server

# 2. Create a virtual environment
python -m venv venv

# 3. Activate it
# Windows:
venv\Scripts\activate
# macOS/Linux:
source venv/bin/activate

# 4. Install dependencies
pip install -r requirements.txt

4. Server ausführen

Option A — MCP Inspector (empfohlen zum Testen):

mcp dev server.py

Dies öffnet eine browserbasierte Oberfläche, in der du jedes Tool manuell aufrufen und die JSON-Antworten sehen kannst.

Option B — In Claude Desktop installieren:

mcp install server.py --name "Todo List MCP Server"

Dies registriert den Server, sodass Claude Desktop ihn automatisch startet.

Option C — Direkt ausführen:

python server.py

5. Testen / Beispiel-Prompts (in Claude Desktop)

Sobald du in Claude Desktop verbunden bist, probiere:

• „Füge eine Aufgabe hinzu: Lebensmittel kaufen, mit Beschreibung Milch, Eier und Brot"

• „Zeig mir alle meine Aufgaben"

• „Hole die Aufgabe mit ID 1"

• „Markiere Aufgabe 1 als abgeschlossen"

• „Lösche Aufgabe 2"

6. Architektur

 MCP Client (Claude Desktop)
          │  (stdio / JSON-RPC)
          ▼
     server.py  (FastMCP tools)
          │
          ▼
     storage.py (reads/writes JSON)
          │
          ▼
     todos.json  (local data file)

Der Client berührt die JSON-Datei nie direkt — er ruft nur Tools auf, und der Server entscheidet, wie die Daten gespeichert werden. Diese Trennung ist eine zentrale Designidee von MCP: Der Client muss nicht wissen, wie ein Tool intern funktioniert, sondern nur, was es tut.

7. Lernergebnisse

Durch dieses Projekt habe ich gelernt:

• Was das Model Context Protocol (MCP) ist und wie es den Tool-Zugriff für LLMs standardisiert

• Der Unterschied zwischen einem MCP-Server, Client und Tools/Ressourcen/Prompts

• Wie man die FastMCP-Schnittstelle des offiziellen Python-SDKs nutzt, um schnell Tools aus einfachen Python-Funktionen und Typannotationen zu erstellen

• Wie man Daten lokal mit einer JSON-Datei speichert und verwaltet

• Wie man einen eigenen MCP-Server in Claude Desktop verbindet und testet

• Wie man ein kleines Python-Projekt auf GitHub verpackt, dokumentiert und veröffentlicht

• Die Grundlagen der Veröffentlichung eines MCP-Servers auf einem Marktplatz wie Smithery

Lizenz

MIT — frei zu nutzen, zu modifizieren und zu teilen.

Autor

Haseeba Yasin

Wenn dir dieses Projekt geholfen hat, markiere das Repository gerne mit ⭐.