Skip to main content
Glama

Todo List MCP Server

Python으로 작성된 간단하고 초보자 친화적인 Model Context Protocol (MCP) 서버입니다. 모든 MCP 호환 AI 클라이언트(예: Claude Desktop)가 컴퓨터의 할 일 목록을 다섯 가지 도구(추가, 보기, ID로 조회, 완료, 삭제)로 관리할 수 있게 해 줍니다.

공식 MCP Python SDK (mcp[cli])와 고수준 FastMCP 인터페이스로 구축되었습니다. 데이터는 별도 데이터베이스 없이 일반 JSON 파일에 로컬로 저장됩니다.


1. 이 프로젝트가 하는 일

이 MCP 서버는 연결된 모든 AI 클라이언트에 5가지 도구를 제공합니다:

도구

기능

add_todo(title, description)

새 할 일 추가

list_todos()

현재 저장된 모든 할 일 반환

get_todo(todo_id)

ID로 할 일 하나 반환

complete_todo(todo_id)

할 일을 완료로 표시

delete_todo(todo_id)

할 일을 영구적으로 삭제

모든 데이터는 todos.json에 저장되며, 첫 할 일을 추가할 때 자동으로 생성됩니다.


Related MCP server: Task MCP Server

2. 프로젝트 구조

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. 설정

사전 요구 사항

  • Python 3.10 이상

  • pip (Python에 포함)

단계

# 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. 서버 실행

옵션 A — MCP Inspector (테스트에 권장):

mcp dev server.py

브라우저 기반 UI가 열리며, 각 도구를 수동으로 호출하고 JSON 응답을 확인할 수 있습니다.

옵션 B — Claude Desktop에 설치:

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

이렇게 하면 서버가 등록되어 Claude Desktop이 자동으로 시작합니다.

옵션 C — 직접 실행:

python server.py

5. 테스트 / 예시 프롬프트 (Claude Desktop에서)

Claude Desktop에 연결한 후 다음을 시도해 보세요:

  • "할 일 추가: 장보기, 설명: 우유, 계란, 빵"

  • "내 모든 할 일 보여줘"

  • "ID 1의 할 일 가져와"

  • "할 일 1을 완료로 표시해"

  • "할 일 2 삭제해"


6. 아키텍처

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

클라이언트는 JSON 파일을 직접 건드리지 않습니다 — 도구만 호출하며, 서버가 데이터 저장 방식을 결정합니다. 이 분리는 MCP 설계의 핵심 아이디어입니다: 클라이언트는 도구가 내부적으로 어떻게 작동하는지 알 필요 없이, 무엇을 하는지만 알면 됩니다.


7. 학습 성과

이 프로젝트를 통해 배운 것:

  • Model Context Protocol (MCP)이 무엇인지, LLM을 위한 도구 접근을 어떻게 표준화하는지

  • MCP 서버, 클라이언트, 도구/리소스/프롬프트의 차이점

  • 공식 Python SDK의 FastMCP 인터페이스를 사용하여 일반 Python 함수와 타입 힌트로 도구를 빠르게 구축하는 방법

  • JSON 파일로 데이터를 로컬에 저장하고 관리하는 방법

  • Claude Desktop에서 사용자 정의 MCP 서버를 연결하고 테스트하는 방법

  • 작은 Python 프로젝트를 GitHub에 패키징, 문서화, 게시하는 방법

  • Smithery 같은 마켓플레이스에 MCP 서버를 게시하는 기본 사항


라이선스

MIT — 자유롭게 사용, 수정, 공유할 수 있습니다.


작성자

Haseeba Yasin

이 프로젝트가 도움이 되었다면 저장소에 ⭐를 눌러 주세요.

F
license - not found
Not graded
quality - not tested
B
maintenance

Maintenance

Maintainers
Response time
Release cycle
Releases (12mo)
Commit activity

Resources

Unclaimed servers have limited discoverability.

Looking for Admin?

If you are the server author, to access and configure the admin panel.

Related MCP Servers

View all related MCP servers

Related MCP Connectors

  • A comprehensive Model Context Protocol (MCP) server that enables AI assistants to interact with yo…

  • A comprehensive Model Context Protocol (MCP) server that enables AI assistants to control Unreal E…

  • MCP server for Clipkit — gives AI agents a video toolbox via the Clipkit schema.

View all MCP Connectors

Latest Blog Posts

MCP directory API

We provide all the information about MCP servers via our MCP API.

curl -X GET 'https://glama.ai/api/mcp/v1/servers/HaseebaYasin55/ToDo-List-MCP-Server'

If you have feedback or need assistance with the MCP directory API, please join our Discord server