MCPlanManager - AI Agent 任务管理系统

一个简洁高效的任务管理器，专为 AI Agent 的长程任务执行而设计，支持MCP (Model Context Protocol) 标准，并同时支持 uvx 和 Docker 两种部署方式。

版本 1.2.0 更新亮点:

• 新增计划持久化工具：引入 dumpPlan 和 loadPlan 工具，允许对任务计划进行完整的导出和恢复。

• 优化工具文档：为使用 Pydantic 模型的工具（如 initializePlan, editDependencies）补充了参数结构描述，以改善部分客户端的兼容性。

• 增强测试套件：添加了针对持久化功能的完整测试用例，并优化了测试运行流程。

🚀 部署与使用

我们提供两种推荐的部署方式，请根据您的需求选择。

方式一：使用 uvx (轻量级 & 快速启动)

uvx 允许您以一行命令轻松启动 MCP 服务，它会自动处理依赖管理和环境设置。

1. 先决条件：安装 uv 如果您的系统中还没有 uv，请先执行以下命令安装：

   curl -LsSf https://astral.sh/uv/install.sh | sh

2. 配置您的AI客户端 在 Cursor、Continue.dev 等客户端中，使用以下配置即可自动下载并运行服务（通过标准输入输出进行通信）：

   {
     "mcpServers": {
       "mcplanmanager": {
         "command": "uvx",
         "args": ["mcplanmanager"]
       }
     }
   }

方式二：使用 Docker (生产环境 & 隔离部署)

Docker 提供了最佳的环境一致性和隔离性，是生产环境部署的首选方案。服务将以 SSE (Server-Sent Events) 模式运行。

1. 拉取或构建镜像 从 Docker Hub 拉取最新镜像：

   docker pull donway19/mcplanmanager:latest

   或者在项目根目录本地构建：

   docker-compose build

2. 运行容器 您可以通过 docker run 或 docker-compose 来启动服务。

   使用 docker run:

   docker run -d --name mcplanmanager_service -p 8080:8080 donway19/mcplanmanager:latest

   使用 docker-compose (推荐): 项目根目录下的 docker-compose.yml 文件已为您配置好：

   services:
     mcplanmanager:
       build: .
       container_name: mcplanmanager_service
       ports:
         - "8080:8080"
       restart: unless-stopped

   然后运行 docker-compose up -d。

3. 配置您的AI客户端 使用以下配置通过 SSE 连接到 Docker 容器中运行的服务：

   {
     "mcpServers": {
       "mcplanmanager-docker": {
         "transport": "sse",
         "url": "http://localhost:8080/sse"
       }
     }
   }

   注意：如果部署在云服务器上，请将 localhost 替换为服务器的公网 IP 或域名。

Related MCP server: TaskMateAI

🧪 运行测试

我们提供了一套完整的测试套件来保证代码质量。

1. 启动服务 确保您的 MCP 服务正在运行（通过 uvx 或 Docker）。

2. 运行所有测试 在项目根目录执行以下命令：

   # 推荐使用 SSE 模式测试 Docker 部署
   python test/run_all_tests.py --mode sse
   
   # 或者使用 uvx 模式测试本地服务
   # python test/run_all_tests.py --mode uvx

   该脚本会自动运行所有功能测试和边界情况测试，并输出详细报告。

🛠️ MCP 工具列表

本项目提供以下15个工具：

• initializePlan: 初始化新的任务计划

• loadPlan: 从一个完整的计划对象加载并替换当前计划

• dumpPlan: 导出当前完整的计划数据为一个字典对象

• getCurrentTask: 获取当前正在执行的任务

• startNextTask: 开始下一个可执行的任务

• completeTask: 标记任务为完成状态

• failTask: 标记任务失败

• skipTask: 跳过指定任务

• addTask: 添加新任务到计划中

• getTaskList: 获取任务列表（支持状态过滤）

• getExecutableTaskList: 获取当前可执行的任务列表

• getPlanStatus: 获取整个计划的状态

• editDependencies: 修改任务间的依赖关系

• visualizeDependencies: 生成依赖关系可视化（支持ascii, tree, mermaid格式）

• generateContextPrompt: 生成上下文提示词

🧑‍💻 本地开发

如果您希望贡献代码或进行二次开发，请遵循以下步骤：

1. 克隆仓库并设置环境

   git clone https://github.com/donway19/MCPlanManager.git
   cd MCPlanManager
   uv venv
   source .venv/bin/activate
   uv pip install -e .

2. 在 Cursor 中进行本地调试 为了实现修改代码后实时生效的热重载调试，请在 Cursor 的 mcp.server.configFiles 设置中指向项目中的 examples/mcp_configs/local_development.json 文件。该文件已为您配置好了本地开发所需的环境变量。

   启动 Cursor 后，您就可以在聊天窗口中使用 @mcplanmanager-local-dev 来调用和测试您本地的最新代码了。

📄 许可证

本项目基于 MIT License - 详见 LICENSE 文件。