Skip to main content
Glama

English | 한국어 | 日本語 | 中文

MonkeyPlanner

Локальная память задач для ваших AI-агентов по программированию. Одобряйте одним кликом; ваши агенты сделают остальное. Никакого облака. Никакой телеметрии. Всегда бесплатно, всегда под лицензией MIT.

Работает с Claude Code · Claude Desktop · Cursor · Continue · любым MCP-совместимым клиентом.

MonkeyPlanner Demo

Быстрый старт

# Docker (recommended)
docker run -p 8080:8080 -v $(pwd)/data:/data ghcr.io/kjm99d/monkeyplanner:latest

# then wire up your agent
monkey-planner mcp install --for claude-code     # or --for cursor / --for claude-desktop

Откройте http://localhost:8080 — встроенная доска приветствия поможет вам освоиться.

Related MCP server: mcp-kanban

Функции

Управление задачами и досками

  • Канбан-доска — Drag and drop, горизонтальная прокрутка, фильтрация, сортировка и переключение в табличный вид

  • Создание задач — Заголовок, описание в формате markdown и пользовательские свойства

  • Пользовательские свойства — Поддерживается шесть типов:

    • Текст

    • Число

    • Выбор (Select)

    • Множественный выбор (Multi-select)

    • Дата

    • Чекбокс

Шлюз подтверждения (Approval Gate)

  • Ожидание → Одобрено через специальный эндпоинт подтверждения (невозможно выполнить через обычный PATCH)

  • Очередь подтверждений — Массовое одобрение всех задач со статусом «Ожидание» на всех досках

  • Одобрено → В работе → Готово — Гибкие переходы между статусами

  • Статус «Отклонено» — Запись причины отклонения

Функции для агентов

  • Поле инструкций для агента — Предоставление подробных инструкций для выполнения MCP-агентами

  • Критерии успеха — Управление условиями завершения в виде чек-листа

  • Комментарии — Логирование прогресса и общение по каждой задаче

  • Зависимости — Определение блокирующих связей между задачами

Визуализация данных

  • Календарь — Ежемесячная сетка + ежедневная активность (количество созданных, одобренных и завершенных задач)

  • Дашборд — Карточки статистики + график еженедельной активности

  • Боковая панель — Список досок, количество задач и недавние элементы

Пользовательский опыт

  • Глобальный поиск — Быстрый поиск через Cmd+K

  • Горячие клавиши

    • h — Перейти на дашборд

    • a — Перейти в очередь подтверждений

    • ? — Показать справку по клавишам

    • Cmd+S — Сохранить

    • Escape — Закрыть модальное окно/диалог

  • Сворачиваемая боковая панель — Максимизация рабочего пространства

  • Темная тема — Переключатель темы

  • Интернационализация — Корейский, английский, японский и китайский языки

Автоматизация и интеграции

  • Вебхуки — Поддержка Discord, Slack и Telegram

    • События: issue.created, issue.approved, issue.status_changed, issue.updated, issue.deleted, comment.created

  • Синхронизация UI в реальном времени (SSE) — Изменения через MCP/CLI автоматически отображаются в открытых вкладках браузера, обновление страницы не требуется

  • Экспорт в JSON — Экспорт всех данных о задачах

  • Контекстное меню правой кнопки мыши — Быстрые действия

  • Шаблоны задач — Сохранение в localStorage для каждой доски

MCP-сервер (Интеграция с AI-агентами)

Тринадцать инструментов для автоматизации AI-агентов:

  1. list_boards — Список всех досок

  2. list_issues — Запрос задач (фильтрация по boardId, статусу)

  3. get_issue — Детали задачи, включая инструкции, критерии и комментарии

  4. create_issue — Создание новой задачи

  5. approve_issue — Одобрение: Ожидание → Одобрено

  6. claim_issue — Взять в работу: Одобрено → В работе

  7. submit_qa — Отправить на QA: В работе → QA

  8. complete_issue — Завершить: QA → Готово (опциональный комментарий)

  9. reject_issue — Отклонить: QA → В работе с обязательным указанием причины

  10. add_comment — Добавить комментарий к задаче

  11. update_criteria — Отметить или снять отметку с критерия успеха

  12. search_issues — Поиск задач по заголовку

  13. get_version — Получить версию MCP-сервера (для диагностики)

Технологический стек

Бэкенд

  • Язык: Go 1.26

  • Роутер: chi/v5

  • База данных: SQLite / PostgreSQL (настраиваемо)

  • Миграции: goose/v3

  • Встроенные файлы: embed.FS (развертывание одним бинарным файлом)

Фронтенд

  • Фреймворк: React 18

  • Язык: TypeScript

  • Сборщик: Vite 6

  • CSS: Tailwind CSS

  • Управление состоянием: React Query (TanStack)

  • Drag and drop: @dnd-kit/core, @dnd-kit/sortable

  • Иконки: lucide-react

  • Графики: recharts

  • i18n: react-i18next

  • Markdown: react-markdown + rehype-sanitize

MCP

  • Протокол: JSON-RPC 2.0 через stdio

  • Цели: Claude Code, Claude Desktop

Начало работы

Требования

  • Go 1.26 или новее

  • Node.js 18 или новее

  • npm или yarn

Установка и запуск

1. Клонирование и инициализация

git clone https://github.com/kjm99d/MonkeyPlanner.git
cd monkey-planner
make init

2. Сборка для продакшена (один бинарный файл)

make build
./bin/monkey-planner

Сервер запускается на http://localhost:8080 со встроенным фронтендом.

3. Режим разработки (отдельные процессы)

Терминал 1 — бэкенд:

make run-backend

Терминал 2 — фронтенд (Vite dev server, :5173):

make run-frontend

Фронтенд автоматически проксирует запросы /api на :8080.

Переменные окружения

# Server address (default: :8080)
export MP_ADDR=":8080"

# Database connection string
# SQLite (default: sqlite://./data/monkey.db)
export MP_DSN="sqlite://./data/monkey.db"

# PostgreSQL example
export MP_DSN="postgres://user:password@localhost:5432/monkey_planner"

Настройка MCP-сервера

Рекомендуется: автоконфигурация через CLI

# Claude Code (writes .mcp.json in the current directory)
monkey-planner mcp install --for claude-code

# Claude Desktop (writes the OS-native config file)
monkey-planner mcp install --for claude-desktop

# Cursor (writes .cursor/mcp.json)
monkey-planner mcp install --for cursor

Флаги: --dry-run для предварительного просмотра, --scope user для глобальной записи (~/.mcp.json), --force для перезаписи, --base-url <url> для указания на нестандартный сервер.

После этого перезапустите клиент, чтобы он перечитал конфигурацию.

Ручная настройка

Работает идентично для Claude Code (.mcp.json), Claude Desktop (конфиг ОС) и Cursor (.cursor/mcp.json):

{
  "mcpServers": {
    "monkey-planner": {
      "command": "/path/to/monkey-planner",
      "args": ["mcp"],
      "env": {
        "MP_BASE_URL": "http://localhost:8080"
      }
    }
  }
}

Бинарный файл должен иметь доступ к HTTP-серверу (устанавливается через MP_BASE_URL). Оставьте значение по умолчанию, если запускаете оба на одной машине.

Примеры использования инструментов MCP

AI: List all boards
→ list_boards()

AI: Find issues related to "authentication"
→ search_issues(query="authentication")

AI: Approve the first pending issue, claim it, work on it, and submit for QA
→ approve_issue() → claim_issue() → submit_qa()

Рабочий процесс — Реальный сценарий использования

Ниже представлен реальный рабочий процесс исправления ошибки переключателя языка, показывающий, как человек и AI-агент сотрудничают через MonkeyPlanner.

Поток статусов

Pending → Approved → InProgress → QA → Done
                         ↑              │ (reject with reason)
                         └──────────────┘

Пошагово

1. Создание задачи — Человек находит ошибку, просит AI зарегистрировать её

Human: "The language selector dropdown doesn't appear when clicking the button. Create an issue."
AI:    create_issue(boardId, title, body, instructions)  →  status: Pending

2. Одобрение — Человек проверяет и одобряет

Human: (clicks Approve on the board or tells AI)
AI:    approve_issue(issueId)  →  status: Approved

3. Начало работы — AI берет задачу и начинает писать код

AI:    claim_issue(issueId)  →  status: InProgress
       - Reads code, identifies root cause
       - Implements fix, runs tests
       - Commits changes

4. Отправка на QA — AI завершает работу и отправляет на проверку

AI:    submit_qa(issueId, comment: "commit abc1234 — fixed click handler")
       →  status: QA
       add_comment(issueId, "Commit info: ...")

5. Проверка — Человек тестирует исправление

Human: Tests in browser, finds the dropdown is clipped by sidebar
       →  reject_issue(issueId, reason: "Dropdown is hidden behind sidebar")
       →  status: InProgress  (back to step 3)

Human: Tests again after fix, everything works
       →  complete_issue(issueId)  →  status: Done

6. Цикл обратной связи — Общение через комментарии на протяжении всего процесса

Human: add_comment("Dropdown is clipped on the left side, fix it")
AI:    get_issue() → reads comment → fixes → commit → submit_qa()
Human: Tests → complete_issue()  →  Done ✓

Основные выводы

  • Человек контролирует шлюзы: Одобрение, прохождение/отклонение QA, Завершение

  • AI выполняет работу: Анализ кода, реализация, тестирование, коммиты

  • Комментарии — канал связи: Обе стороны используют add_comment для обмена отзывами

  • Цикл QA предотвращает преждевременное завершение: Задачи должны пройти проверку человеком перед переходом в статус «Готово»

Справочник API

Спецификация OpenAPI 3.0: backend/docs/swagger.yaml

Основные эндпоинты

Доски

GET    /api/boards                  # List boards
POST   /api/boards                  # Create board
PATCH  /api/boards/{id}             # Update board
DELETE /api/boards/{id}             # Delete board

Задачи

GET    /api/issues                  # List issues (filter: boardId, status, parentId)
POST   /api/issues                  # Create issue
GET    /api/issues/{id}             # Issue detail + child issues
PATCH  /api/issues/{id}             # Update issue (status, properties, title, etc.)
DELETE /api/issues/{id}             # Delete issue
POST   /api/issues/{id}/approve     # Approve issue (Pending → Approved)

Комментарии

GET    /api/issues/{issueId}/comments    # List comments
POST   /api/issues/{issueId}/comments    # Add comment
DELETE /api/comments/{commentId}         # Delete comment

Свойства (Пользовательские атрибуты)

GET    /api/boards/{boardId}/properties      # List property definitions
POST   /api/boards/{boardId}/properties      # Create property
PATCH  /api/boards/{boardId}/properties/{propId}  # Update property
DELETE /api/boards/{boardId}/properties/{propId}  # Delete property

Вебхуки

GET    /api/boards/{boardId}/webhooks           # List webhooks
POST   /api/boards/{boardId}/webhooks           # Create webhook
PATCH  /api/boards/{boardId}/webhooks/{whId}    # Update webhook
DELETE /api/boards/{boardId}/webhooks/{whId}    # Delete webhook

Календарь

GET /api/calendar           # Monthly stats (year, month required)
GET /api/calendar/day       # Daily issue list (date required)

Полную схему см. в backend/docs/swagger.yaml.

Структура проекта

monkey-planner/
├── backend/
│   ├── cmd/monkey-planner/
│   │   ├── main.go              # Entry point (HTTP server)
│   │   └── mcp.go               # MCP server (JSON-RPC stdio)
│   ├── internal/
│   │   ├── domain/              # Domain models (Issue, Board, etc.)
│   │   ├── service/             # Business logic
│   │   ├── storage/             # Database layer (SQLite/PostgreSQL)
│   │   ├── http/                # HTTP handlers & router
│   │   └── migrations/          # goose migration files
│   ├── web/                     # Embedded frontend (embed.FS)
│   ├── docs/
│   │   └── swagger.yaml         # OpenAPI 3.0 spec
│   ├── go.mod
│   └── go.sum
│
├── frontend/
│   ├── src/
│   │   ├── components/          # Reusable components
│   │   ├── features/            # Page & feature components
│   │   │   ├── home/           # Dashboard
│   │   │   ├── board/          # Board & Kanban
│   │   │   ├── issue/          # Issue detail
│   │   │   ├── calendar/       # Calendar
│   │   │   └── approval/       # Approval queue
│   │   ├── api/                 # API hooks & client
│   │   ├── design/              # Tailwind tokens
│   │   ├── i18n/                # Translations (en.json, ko.json, ja.json, zh.json)
│   │   ├── App.tsx              # Router
│   │   ├── index.css            # Global styles
│   │   └── main.tsx
│   ├── package.json
│   ├── vite.config.ts
│   ├── tsconfig.json
│   └── tailwind.config.js
│
├── .mcp.json                    # Claude Code MCP config
├── Makefile                     # Build & dev commands
├── .githooks/                   # Git hooks
└── data/                        # SQLite database (default)

Тестирование

Тесты бэкенда

make test-backend

Тесты фронтенда

make test-frontend

Тесты доступности

make test-a11y

Все тесты

make test

Общие команды

# Initial setup after cloning
make init

# Production build
make build

# Run production server
./bin/monkey-planner

# Development mode
make run-backend        # Terminal 1
make run-frontend       # Terminal 2

# Clean build artifacts
make clean

Правила перехода статусов

Pending
  ↓ (approve endpoint)
Approved
  ↓ (PATCH status)
InProgress
  ↓ (PATCH status)
Done

Pending → Approved: POST /api/issues/{id}/approve (dedicated endpoint only)
Approved ↔ InProgress ↔ Done: Free transitions via PATCH
Pending: Cannot be re-entered from other statuses
Rejected: Separate rejection state with reason tracking

Лицензия

MIT

Участие в разработке

Запросы на добавление (pull requests) и сообщения об ошибках приветствуются.

Контакты

По вопросам или отзывам о проекте, пожалуйста, откройте GitHub Issue.

A
license - permissive license
Not graded
quality - not tested
C
maintenance

Maintenance

Maintainers
Response time
0dRelease cycle
9Releases (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

  • A
    license
    B
    quality
    D
    maintenance
    An MCP server that provides a database-backed kanban board with 40+ tools for AI agents to track issues, features, todos, epics, and diary entries across projects, including status workflows, relationships, and semantic search.
    45
    78
    MIT
  • A
    license
    Not graded
    quality
    B
    maintenance
    An AI-native kanban board MCP server where agents pull tasks via the Model Context Protocol. It provides tools for task discovery, claiming, progress updates, and review workflows.
    3
    MIT

View all related MCP servers

Related MCP Connectors

  • Control plane for autonomous software labor. Agents claim objectives over MCP with audit trail.

  • AI Reasoning Cache & Consensus Layer with 11 MCP tools via Streamable HTTP.

  • MCP server for AI agents to plan, verify, and deploy Cloudflare-native apps.

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/kjm99d/MonkeyPlanner'

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