内存日历调度服务器

节奏

一个闪电般快速的内存日历MCP服务器，为LLM提供了超级调度能力。

LLM不擅长复杂的日程安排。他们产生了冲突的幻觉，对反复发生的事件失去了追踪，并且无法可靠地推断重叠的时间范围。Tempo通过为任何兼容MCP的模型提供结构化的解决方案来解决这个问题 提出检查承诺 工作流——这样它就可以加载真实的日历、查找打开的插槽、提出事件、验证零冲突，并且只在所有内容都检查出来时提交。在stdio上仅作为单个Rust二进制文件运行。

为什么是Tempo？

LLM的日程安排看似困难：

• 密集日历 20多个事件会导致上下文过载和遗漏冲突
• 周期性事件 （每日站立，每周1:1s）需要扩展以检查重叠情况
• 多日历意识 （工作+个人）意味着在不同的事件集之间进行推理
• 缓冲时间 （旅行、上下文切换）增加了无形的约束

Tempo将所有这些都卸载到专门制造的引擎中。该模型调用工具而不是做心算，并得到确定性的答案而不是最佳猜测。

快速入门

构建

cargo build --release

添加到您的MCP客户端

{
  "mcpServers": {
    "tempo": {
      "command": "/absolute/path/to/tempo-mcp/target/release/tempo-mcp"
    }
  }
}

claude mcp add tempo /absolute/path/to/tempo-mcp/target/release/tempo-mcp

用它

“这是我本周的日历（粘贴iCal或JSON）。安排三个1小时的焦点块，避免冲突，会议之间有15分钟的缓冲时间。”

Tempo处理其余的事情——该模型将加载您的事件，查找打开的插槽，并提出一个无冲突的时间表。

运作原理

Tempo使 重新测试工作流程 其中模型在提交之前迭代调度决策：

Load calendars ──> Query availability ──> Propose events ──> Check conflicts ──> Commit
       │                                       │                    │
       │                                       └── Adjust & retry ──┘
       │
  iCal / JSON / Google Calendar

提案是一流的该模型可以创建候选计划，将其与现有事件进行核对，并仅在满意时提交，在准备就绪之前不进行任何修改。

推荐的三步工作流程

1. 负载 所有日历 load_ical, load_json，或 load_google_calendar （并行调用正常）
2. 查找插槽 和 find_available_slots 使用 buffer_minutes 用于旅行/过渡时间
3. 提交 和 propose_and_commit --提出、冲突检查和原子提交

工具

水合作用——加载现有事件

查询——了解日程安排

提案——满怀信心地安排

突变--直接日历编辑

导出--获取结果

多日历支持

Tempo支持多个命名日历（例如，“工作”、“个人”）。日历名称不区分大小写，并在首次使用时自动创建。

• 读取操作 没有指定日历查询 全部 日历
• 写入操作 默认为 "default" 日历
• 冲突检查可以跨越所有日历，因此提案会根据您的整个日程进行验证

发展

cargo build          # compile (debug)
cargo build --release  # compile (optimized — use this for evals)
cargo test           # run all 44 unit tests
cargo clippy         # lint (zero warnings)

撤离

Tempo附带了一个基准套件，用于比较裸Claude和Claude+Tempo在硬调度任务上的表现。七个场景测试了日益增加的复杂性——从有5个会议的轻松一周到有重复事件和限制的密集多日历设置。

运行评估

# Setup
cd evals
python -m venv .venv && source .venv/bin/activate
pip install -e .
cp ../.env.example ../.env  # add your ANTHROPIC_API_KEY

# Build the server (evals require the release binary)
cargo build --release

# Run
python run_eval.py                     # all scenarios, bare vs. MCP
python run_eval.py --mode mcp          # MCP only
python run_eval.py --scenario 02       # specific scenario
python run_eval.py --model claude-sonnet-4-20250514

评分

每次跑步得分为0-100分：

结果

《裸克劳德十四行诗4》与《克劳德十四行诗4+节奏》（综合评分，0-100）：

Tempo完全消除了日程安排冲突，将平均综合得分从69分提高到99.6分。裸模型在密集日历（场景02）和多源协调（场景04,06）上最为困难，因为它必须对20多个事件进行推理。

场景

许可证

麻省理工学院