MCP 任务管理器

smithery 徽章

MCP 任务管理器（npm 包：taskqueue-mcp）是一个用于 AI 任务管理的模型上下文协议（MCP）服务器。该工具帮助 AI 助手以结构化的方式处理多步骤任务，并提供可选的用户审批检查点。

功能

多步骤任务规划
进度跟踪
用户对已完成任务的审批
项目完成审批
任务详情可视化
任务状态管理
增强的 CLI 用于任务检查和管理

基本设置

通常你会在 Claude Desktop、Cursor 或其他 MCP 客户端中设置工具配置如下：

{
  "tools": {
    "taskqueue": {
      "command": "npx",
      "args": ["-y", "taskqueue-mcp"]
    }
  }
}

要使用 CLI 工具，你可以全局安装该包，然后使用以下命令：

npx taskqueue --help

这将显示可用的命令和选项。

高级配置

任务管理器支持多个 LLM 提供商用于生成项目计划。你可以根据你想使用的提供商配置以下环境变量中的一个或多个：

OPENAI_API_KEY：使用 OpenAI 模型（如 GPT-4）时必需
GOOGLE_GENERATIVE_AI_API_KEY：使用 Google 的 Gemini 模型时必需
DEEPSEEK_API_KEY：使用 Deepseek 模型时必需

要使用 CLI 生成项目计划，请在 shell 中设置这些环境变量：

export OPENAI_API_KEY="your-api-key"
export GOOGLE_GENERATIVE_AI_API_KEY="your-api-key"
export DEEPSEEK_API_KEY="your-api-key"

或者你可以将它们包含在 MCP 客户端配置中，以便通过 MCP 工具调用生成项目计划：

{
  "tools": {
    "taskqueue": {
      "command": "npx",
      "args": ["-y", "taskqueue-mcp"],
      "env": {
        "OPENAI_API_KEY": "your-api-key",
        "GOOGLE_GENERATIVE_AI_API_KEY": "your-api-key",
        "DEEPSEEK_API_KEY": "your-api-key"
      }
    }
  }
}

可用的 MCP 工具

TaskManager 现在使用直接工具接口，每个操作都有特定用途的工具：

项目管理工具

list_projects：列出系统中的所有项目
read_project：获取特定项目的详细信息
create_project：创建带有初始任务的新项目
delete_project：删除项目
add_tasks_to_project：向现有项目添加新任务
finalize_project：在所有任务完成后最终确定项目

任务管理工具

list_tasks：列出特定项目的所有任务
read_task：获取特定任务的详细信息
create_task：在项目中创建新任务
update_task：修改任务的属性（标题、描述、状态）
delete_task：从项目中删除任务
approve_task：批准已完成的任务
get_next_task：获取项目中的下一个待处理任务
mark_task_done：将任务标记为已完成并附带详细信息

任务状态和工作流

任务有一个状态字段，可以是以下之一：

not started：任务尚未开始
in progress：任务当前正在处理中
done：任务已完成（需要 completedDetails）

状态转换规则

系统强制执行以下任务状态转换规则：

任务遵循特定的工作流程，定义了有效的转换：
- 从 not started：只能移动到 in progress
- 从 in progress：可以移动到 done 或返回到 not started
- 从 done：如果需要额外工作，可以返回到 in progress
当任务被标记为“done”时，必须提供 completedDetails 字段以记录完成的内容
已批准的任务不能修改
只有当所有任务都完成并批准后，项目才能被批准

这些规则有助于维护任务进度的完整性，并确保对已完成工作的适当记录。

使用工作流

使用此任务管理器的 LLM 的典型工作流程如下：

create_project：使用初始任务启动项目
get_next_task：获取第一个待处理任务
处理任务
mark_task_done：将任务标记为已完成并附带详细信息
等待批准（用户必须通过 CLI 调用 approve_task）
get_next_task：获取下一个待处理任务
重复步骤 3-6，直到所有任务完成
finalize_project：完成项目（需要用户批准）

CLI 命令

要使用 CLI，你需要全局安装该包：

npm install -g taskqueue-mcp

或者，你可以使用 npx 运行 CLI，并使用 --package=taskqueue-mcp 标志告诉 npx 它来自哪个包。

npx --package=taskqueue-mcp taskqueue --help

任务批准

默认情况下，当 AI 代理将任务和项目标记为“done”时，它们将自动批准。要要求手动人工任务批准，请在创建项目时将 autoApprove 设置为 false。

任务批准完全由人类用户通过 CLI 控制：

npx taskqueue approve-task -- <projectId> <taskId>

选项：

-f, --force：即使任务未标记为完成，也强制批准

注意：在任务可以被批准之前，AI 代理必须将任务标记为“done”并提供完成详细信息（除非使用 --force）。

列出任务和项目

CLI 提供了一个命令来列出所有项目和任务：

npx taskqueue list-tasks

要查看特定项目的详细信息：

npx taskqueue list-tasks -- -p <projectId>

此命令显示系统中所有项目或特定项目的信息，包括：

项目 ID 和初始提示
完成状态
任务详细信息（标题、描述、状态、批准）
进度指标（已批准/已完成/总任务数）

数据模式和存储

文件位置

任务管理器将数据存储在 JSON 文件中，该文件必须对服务器和 CLI 都可访问。

默认的平台特定位置为：

Linux：~/.local/share/taskqueue-mcp/tasks.json
macOS：~/Library/Application Support/taskqueue-mcp/tasks.json
Windows：%APPDATA%\taskqueue-mcp\tasks.json

不建议使用自定义文件路径存储任务数据，因为你必须记住为 MCP 服务器和 CLI 设置相同的路径，否则它们将无法相互协调。但如果你确实想使用自定义路径，你可以在 MCP 客户端配置中设置 TASK_MANAGER_FILE_PATH 环境变量：

{
  "tools": {
    "taskqueue": {
      "command": "npx",
      "args": ["-y", "taskqueue-mcp"],
      "env": {
        "TASK_MANAGER_FILE_PATH": "/path/to/tasks.json"
      }
    }
  }
}

然后，在运行 CLI 之前，你应该在 shell 中导出相同的路径：

export TASK_MANAGER_FILE_PATH="/path/to/tasks.json"

数据模式

JSON 文件使用以下结构：

TaskManagerFile
├── projects: Project[]
    ├── projectId: string            # 格式："proj-{number}"
    ├── initialPrompt: string        # 原始用户请求文本
    ├── projectPlan: string          # 额外的项目详细信息
    ├── completed: boolean           # 项目完成状态
    ├── autoApprove: boolean         # 设置为 `false` 以要求手动用户批准
    └── tasks: Task[]                # 任务数组
        ├── id: string               # 格式："task-{number}"
        ├── title: string            # 简短的任务标题
        ├── description: string      # 详细的任务描述
        ├── status: string           # 任务状态："not started", "in progress", 或 "done"
        ├── approved: boolean        # 任务批准状态
        ├── completedDetails: string # 完成信息（当状态为 "done" 时必需）
        ├── toolRecommendations: string # 可能对此任务有帮助的推荐工具
        └── ruleRecommendations: string # 对此任务建议遵循的规则/指南

许可证

MIT