AI导哈

任务管理系统

一个使用Model Context Protocol (MCP)连接智能代理与生产力工具的任务管理系统，通过自然语言命令执行任务。

  • by Nico-Draagron
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 Nico-Draagron/Desafio-MCP

使用说明

人工智能工作2 - MCP代理

任务管理系统使用模型上下文协议 （MCP） 将智能代理 （Google Gemini） 与生产力工具连接起来。代理解释自然语言命令并执行适当的操作。

如何运行

1. 安装依赖关系

pip install -r requirements.txt

2. 设置API密钥

把钥匙拿到：https://aistudio.google.com/app/apikey

然后编辑文件 .env 放下你的钥匙：

GEMINI_API_KEY=sua_chave_aqui

3. 创建数据库

python init_database.py

这将创建一个包含10个示例任务的SQLite数据库。

4. 旋转代理

python mcp_client_gemini.py demo

或者交互模式：

python mcp_client_gemini.py

命令示例 ：

  • “创建任务：学习考试，高优先级，3天”
  • “我想要一周的总结”
  • “哪些任务是紧急的？”
  • “完成任务1”

建筑

该项目使用MCP将客户端（具有双子座的代理）与服务器（工具）分开。当您键入某些内容时，双子座会理解您想要的内容，选择使用哪个工具，然后MCP会运行。

Você digita → Gemini interpreta → MCP Client → MCP Server → Ferramenta executa

服务器有四个工具：

  • 创建任务创建标题、优先级和截止日期的任务
  • 生成报告生成生产力报告
  • check_deadlines紧急任务列表
  • 完成任务标记任务为已完成

护栏

所有条目都经过 Pydantic 验证：

  • 标题在3-200个字符之间
  • 优先级： 低、 中或高
  • 1-365天

输出遵循时间戳，成功状态和消息的模式。

日志记录

所有交易都以JSON格式记录在银行：

{
  "timestamp": "2025-12-03T10:00:00",
  "tool": "create_task",
  "input_data": {"title": "estudar", ...},
  "output_data": {"success": true, ...},
  "success": true
}

文件结构

MCP/
├── mcp_client_gemini.py    # Cliente que usa Gemini
├── mcp_server_sqlite.py    # Servidor com as 4 ferramentas
├── init_database.py         # Script para criar banco
├── requirements.txt         # Dependências do projeto
├── .env                     # Configurações (você cria)
└── productivity.db          # Banco SQLite (gerado)

使用的技术

  • 模型上下文协议（MCP）
  • 谷歌双子座2.0 Flash
  • Pydantic （验证）
  • SQLite （数据库）
  • Python 3.11

相关 MCP