使用说明
MCP待办事项列表管理器
一个使用模型上下文协议（MCP）的强大的、人工智能驱动的待办事项列表管理系统。该项目将基于Python的MCP服务器与确定性和AI驱动的任务管理功能相结合，并与现代React前端相结合。
🚀 特性
- MCP集成：与MCP客户端（如Claude Desktop）完全兼容。
- 人工智能驱动（Groq）：使用大型语言模型进行智能任务解析和模糊搜索。
- Supabase后端：使用Supabase进行持久存储。
- 确定性工具：对添加、更新、列出和删除任务进行精确控制。
- 现代仪表板：一个漂亮的React+Vite前端，带有Tailwind CSS和Framer Motion。
🛠️ 技术栈
- 后端：Python 3.13+，
mcp,langchain,supabase,uv. - 人工智能：Groq（火焰3）。
- 前端：React 19，快速，尾风CSS，清晰图标。
- 数据库：Supabase（PostgreSQL）。
📋 先决条件
- Python 3.13或更高版本。
- Node.js 18或更高版本（用于前端）。
uv（推荐用于Python项目管理）。- Groq API密钥。
- Suabase项目和API密钥。
⚙️ 设置
1.项目配置
克隆存储库并创建 .env 根目录中的文件：
GROQ_API_KEY="your_groq_api_key"
SUPABASE_URL="your_supabase_url"
SUPABASE_KEY="your_supabase_anon_key"
2.后端设置（MCP服务器）
使用 uv （推荐）：
uv sync
或使用 pip:
pip install -r requirements.txt
3.前端设置
cd frontend
npm install
🏃 运行项目
启动MCP服务器
要在stdio上本地运行服务器，请执行以下操作：
uv run src/mcp_server/server.py
启动前端仪表板
cd frontend
npm run dev
打开 http://localhost:5173 在您的浏览器中。
🛠️ MCP工具
| 工具 | 描述 | 输入类型 |
|---|---|---|
add_task |
创建新任务（确定性） | 标题、描述、截止日期、优先级 |
list_tasks |
列出带有筛选器的任务 | 状态、优先级、限制 |
update_task |
更新现有任务 | 任务ID+更新 |
delete_task |
删除任务 | 任务ID |
smart_add |
人工智能驱动的任务创建 | 自然语言（例如，“明天买牛奶”） |
search_tasks |
人工智能模糊搜索 | 自然语言查询 |
smart_update |
AI驱动的任务更新 | 自然语言命令 |
🧪 测试
使用以下命令运行后端测试 pytest:
uv run pytest
建于❤️ 使用MCP和AI。
