TaskMateAI는 AI가 자율적으로 태스크를 관리 및 실행하기 위한 간단한 태스크 관리 어플리케이션으로 MCP(Model Context Protocol)를 통해 조작할 수 있습니다.
Related MCP server: Personal Task Manager MCP
MCP를 통한 작업 생성 및 관리
하위 작업 지원
우선순위에 기반한 작업 처리
작업 진행 관리 및 보고 기능
노트 추가 기능
JSON 파일로 데이터 지속성
에이전트 ID로 다중 AI 작업 관리
프로젝트별로 작업 정리
파이썬 3.12 이상
uv (Python 패키지 관리자)
WSL (Windows Subsystem for Linux) ※Windows 환경의 경우
리포지토리 복제 또는 다운로드:
git clone https://github.com/YourUsername/TaskMateAI.git
cd TaskMateAI필요한 패키지 설치:
uv install -r requirements.txtWSL 환경에서 다음과 같이 응용 프로그램을 실행할 수 있습니다.
cd /path/to/TaskMateAI/src/TaskMateAI
uv run TaskMateAIMCP에서 사용하기 위한 설정 예:
{
"mcpServers": {
"TodoApplication": {
"command": "uv",
"args": [
"--directory",
"/絶対パス/TaskMateAI",
"run",
"TaskMateAI"
],
"env": {},
"alwaysAllow": [
"get_tasks", "get_next_task", "create_task", "update_progress",
"complete_task", "add_subtask", "update_subtask", "add_note",
"list_agents", "list_projects"
],
"defaultArguments": {
"agent_id": "agent_123",
"project_name": ""
}
}
}
}{
"mcpServers": {
"TodoApplication": {
"command": "wsl.exe",
"args": [
"-e",
"bash",
"-c",
"cd /絶対パス/TaskMateAI && /home/ユーザー/.local/bin/uv run TaskMateAI"
],
"env": {},
"alwaysAllow": [
"get_tasks", "get_next_task", "create_task", "update_progress",
"complete_task", "add_subtask", "update_subtask", "add_note",
"list_agents", "list_projects"
],
"defaultArguments": {
"agent_id": "agent_123",
"project_name": ""
}
}
}
}TaskMateAI는 다음 MCP 도구를 제공합니다.
get_tasks - 태스크 리스트의 취득(스테이터스나 우선도로 필터링 가능)
get_next_task - 우선순위가 높은 다음 태스크 가져오기(자동으로 진행 중인 상태로 업데이트)
create_task - 새 태스크 작성(하위 태스크 포함)
update_progress - 태스크 진행 업데이트
complete_task - 작업을 완료로 표시
add_subtask - 기존 작업에 하위 작업 추가
update_subtask - 하위 작업의 상태 업데이트
add_note - 작업에 노트 추가
list_agents - 사용 가능한 에이전트 ID 목록을 가져옵니다.
list_projects - 특정 에이전트와 관련된 프로젝트 목록을 가져옵니다.
작업은 다음과 같은 구조로 관리됩니다.
{
"id": 1,
"title": "タスクのタイトル",
"description": "タスクの詳細な説明",
"priority": 3,
"status": "todo", // "todo", "in_progress", "done" のいずれか
"progress": 0, // 0-100 の進捗率
"subtasks": [
{
"id": 1,
"description": "サブタスクの説明",
"status": "todo" // "todo", "in_progress", "done" のいずれか
}
],
"notes": [
{
"id": 1,
"content": "ノートの内容",
"timestamp": "2025-02-28T09:22:53.532808"
}
]
}작업 데이터는 계층 구조로 저장됩니다.
output/
├── tasks.json # デフォルトのタスクファイル
├── agent1/
│ ├── tasks.json # agent1のタスクファイル
│ ├── project1/
│ │ └── tasks.json # agent1のproject1のタスクファイル
│ └── project2/
│ └── tasks.json # agent1のproject2のタスクファイル
└── agent2/
├── tasks.json # agent2のタスクファイル
└── projectA/
└── tasks.json # agent2のprojectAのタスクファイル각 태스크 파일은 애플리케이션이 실행될 때 자동으로 생성되고 갱신됩니다.
특정 에이전트 및 프로젝트의 작업을 관리하는 방법은 다음과 같습니다.
MCP 설정에서 기본 에이전트 지정 : defaultArguments 에서 agent_id 를 지정하면 모든 요청에서 자동으로 사용됩니다.
AI 대화에서 프로젝트 지정 : 대화에서 "프로젝트 X에 새 작업 추가" 등을 지정할 수 있습니다.
AI에서 직접 지정 : 요청 매개변수에 agent_id 및 project_name 포함할 수 있습니다.
TaskMateAI/
├── src/
│ └── TaskMateAI/
│ ├── __init__.py # パッケージ初期化
│ └── __main__.py # メインアプリケーションコード
├── output/ # データ保存ディレクトリ
│ └── tasks.json # タスクデータ (自動生成)
├── tests/ # テストコード
│ ├── unit/ # ユニットテスト
│ └── integration/ # 統合テスト
├── requirements.txt # 依存パッケージリスト
└── README.md # このファイルTaskMateAI는 기능의 신뢰성을 보장하기 위해 포괄적인 테스트 스위트를 제공합니다.
테스트는 다음 디렉토리 구조로 관리됩니다.
tests/
├── __init__.py # テストパッケージの初期化
├── conftest.py # テスト用フィクスチャの定義
├── unit/ # ユニットテスト
│ ├── __init__.py
│ ├── test_task_utils.py # タスク関連ユーティリティのテスト
│ ├── test_mcp_tools.py # MCPツール機能のテスト
│ └── test_agent_projects.py # エージェントとプロジェクト管理のテスト
└── integration/ # 統合テスト
└── __init__.py단위 테스트 : 애플리케이션의 개별 구성 요소가 올바르게 작동하는지 확인합니다.
test_task_utils.py : 작업 읽기, 쓰기 및 ID 생성과 같은 기본 기능 테스트
test_mcp_tools.py : MCP 도구의 기능 (작업 생성, 업데이트, 완료 등) 테스트
test_agent_projects.py : 에이전트 ID 및 프로젝트 관리 기능 테스트
통합 테스트 : 여러 구성 요소가 함께 작동하여 올바르게 작동하는지 확인합니다(향후 확장 예정)
다음 명령을 사용하여 테스트를 실행할 수 있습니다.
모든 테스트 실행:
cd /path/to/TaskMateAI
uv run python -m pytest -xvs특정 테스트 파일 실행:
uv run python -m pytest -xvs tests/unit/test_task_utils.py특정 테스트 클래스 실행:
uv run python -m pytest -xvs tests/unit/test_mcp_tools.py::TestMCPTools특정 테스트 함수 실행:
uv run python -m pytest -xvs tests/unit/test_task_utils.py::TestTaskUtils::test_read_tasks_with_data테스트 인수 설명:
-x : 오류가 발생하면 테스트를 중지합니다.
-v : 자세한 출력을 표시합니다.
-s : 테스트중인 표준 출력을 표시합니다.
작업 템플릿 기능 구현
작업 간 종속성 관리 시스템 구축
스케줄 기능 추가
태그별 태스크 분류 시스템 도입
마일스톤 관리 기능 구현
MIT
This server cannot be deployed
Task management your AI agents can actually run. One line becomes a context-ready task over MCP.
Local-first task manager: create, edit, and complete tasks, projects, and checklists via MCP.
Task & board management for AI agents + humans. Kanban, comments, digests via MCP.
Work management where AI agents are first-class members: tasks, projects, memory over hosted MCP
