AI导哈

AI任务管理服务

CodeRide MCP是一个AI原生任务管理系统，为AI开发工具提供深度任务管理和项目协作功能。

  • by PixdataOrg
  • TypeScript
  • 本地部署
  • 2 星标
  • 更新于
在 GitHub 查看 PixdataOrg/coderide-mcp

使用说明

使用CodeRide任务管理为您的AI助手或IDE充电

让你的AI编码伙伴体验CodeRide的力量！ CodeRide MCP将您最喜欢的AI开发工具（如Cursor、Cline、Windsurf和其他MCP客户端）直接连接到AI原生任务管理系统CodeRide。

想象一下，你的人工智能不仅要编写代码，还要真正理解项目背景，管理自己的任务，并与你无缝协作。不再有无休止的复制粘贴或手动更新。借助CodeRide MCP，您的AI将成为CodeRide工作流程中的一流公民。

🚀 为什么CodeRide MCP是游戏规则的改变者

  • 对AI的深入项目理解： 为您的AI代理配备来自CodeRide项目和任务的丰富、结构化的上下文。让他们看到更大的图景。
  • 无缝AI驱动的任务自动化： 授权AI直接在CodeRide中获取、解释和更新任务，自动化日常项目管理。
  • 弥合人类和人工智能开发人员之间的差距： 通过更顺畅的交接、一致的任务理解和一致的努力来促进真正的协作。
  • 针对LLM效率进行了优化： 紧凑的JSON响应最大限度地减少了令牌的使用，确保了更快、更具成本效益的AI交互。
  • 设计安全： 工作区范围内的API密钥验证可确保数据的完整性，并将人工智能操作限制在正确的项目上下文中。
  • 即插即用集成： 轻松设置 npx 在任何MCP兼容环境中。在几分钟内连接您的AI！
  • 面向未来的工作流程： 采用基于开放模型上下文协议标准的人工智能原生开发方法。

✨ 核心能力

CodeRide MCP服务器为您的AI提供以下功能：

  • 任务管理： 获取特定任务，列出项目中的所有任务，并按顺序获取下一个任务。
  • 任务更新： 修改任务描述和状态。
  • 快速访问： 获取针对特定任务的定制提示和说明。
  • 项目管理： 列出所有项目，检索项目详细信息，并管理项目知识。
  • 项目知识管理： 更新项目的知识图和架构图。
  • 项目启动： 让项目的第一个任务开始工作。
  • 工作流自动化： 使用智能的下一个任务建议浏览任务序列。

⚙️ 入门指南

通过Smithery安装（推荐）

通过以下方式自动安装克劳德桌面版Coderide MCP服务器 铁匠铺:

npx -y @smithery/cli install @PixdataOrg/coderide --client claude

Smithery部署模式

CodeRide MCP支持 双模操作 用于开发和生产用途：

🔧 开发/测试模式（模拟）

非常适合探索功能、测试集成或为项目做出贡献，而无需真正的CodeRide帐户。

如何激活： 在Smithery游乐场或配置中：

  • 离开 CODERIDE_API_KEY 字段为空
  • 提供任何占位符值（例如。， mock-key, test等等）

您将获得：

  • 所有9个工具都有逼真的模拟数据
  • 示例项目（ABC、XYZ）和任务（ABC-1、ABC-2等）
  • 用于测试和开发的完整MCP功能
  • 没有真正的API调用-实验完全安全

🚀 生产模式（真实API）

适用于希望与实际项目和任务集成的实际CodeRide用户。

如何激活： 提供有效的CodeRide API密钥，该密钥以 CR_API_KEY_

您将获得：

  • 与您的CodeRide工作区完全集成
  • 实际项目和任务数据
  • 更新任务和项目的能力
  • 完整的工作流程自动化

传统MCP配置

对于非Smithery部署，请将此配置添加到MCP客户端：

{
  "mcpServers": {
    "CodeRide": {
      "command": "npx",
      "args": ["-y", "@coderide/mcp"],
      "env": {
        "CODERIDE_API_KEY": "YOUR_CODERIDE_API_KEY_HERE"
      }
    }
  }
}

先决条件：

  1. Node.js和npm： 确保你安装了Node.js（包括npm）。
  2. CodeRide帐户和API密钥（仅限生产）： 对于生产使用，您需要一个来自的活动CodeRide帐户和API密钥 附录代码。.

配置后，您的MCP客户端将根据您的配置以适当的模式自动连接到CodeRide MCP服务器。

🤖 这是给谁的？

CodeRide MCP适用于：

  • 使用AI编码助手的开发人员： 将您的AI工具（Cursor、Cline、Windsurf等）与CodeRide任务管理深度集成。
  • 采用人工智能驱动开发的团队： 规范人工智能代理访问项目信息和为任务做出贡献的方式。
  • 任何使用MCP构建的人： 利用一个连接到真实SaaS平台的MCP服务器的强大示例。

如果你想让你的人工智能助手成为你开发团队中更有效率、更整合的成员，CodeRide MCP就是为你准备的。

🔨 可用工具

以下是CodeRide MCP提供的工具及其使用方法：

get_task

按编号检索特定任务的详细信息（例如“TCA-3”）。

输入架构：

{
  "number": "task-number (e.g., 'TCA-3')",
  "status": "to-do|in-progress|done", // Optional: filter by status
}

示例用例：

  • 用户提示： “嘿，AI，任务APP-101的细节是什么？”
  • AI行动： 呼叫 get_task 和 arguments: { "number": "APP-101" }.
  • 结果： AI接收任务APP-101的标题、描述、状态、优先级和其他上下文。

update_task

更新现有任务的描述、状态或其他可变字段。

输入架构：

{
  "number": "task-number-identifier",
  "description": "updated-task-description", // Optional
  "status": "to-do|in-progress|done"   // Optional
}

示例用例：

  • 用户提示： “AI，请将任务BUG-42标记为'完成'，并添加一条注释：'通过一个错误修复了关闭。'”
  • AI行动： 呼叫 update_task 和 arguments: { "number": "BUG-42", "status": "done", "description": "Fixed the off-by-one error." }.
  • 结果： 任务BUG-42在CodeRide中更新。

get_prompt

检索为AI代理处理给定任务而定制的特定提示或指令。

输入架构：

{
  "number": "task-number (e.g., 'TCA-3')"
}

示例用例：

  • 用户提示： “AI，我已经准备好开始执行任务ETF-7了。主要目标是什么？"
  • AI行动： 呼叫 get_prompt 和 arguments: { "slug": "ETF", "number": "ETF-7" }.
  • 结果： AI收到FEAT-7的具体、可操作的提示，使其能够以明确的方向开始工作。

get_project

使用特定项目的slug检索其详细信息。

输入架构：

{
  "slug": "project-slug (e.g., 'TCA')",
  "name": "optional-project-name" // Can also retrieve by name
}

示例用例：

  • 用户提示： “人工智能，你能给我介绍一下‘欧米茄倡议’项目吗？”
  • AI行动： 呼叫 get_project 和 arguments: { "slug": "omega-initiative" }.
  • 结果： AI接收项目的名称、描述，并可能链接到其知识库或图表。

update_project

更新项目的高级信息，如知识图或系统架构图。

输入架构：

{
  "slug": "project-slug-identifier",
  "project_knowledge": { /* JSON object representing the knowledge graph */ }, // Optional
  "project_diagram": "/* Mermaid diagram string or similar */"             // Optional
}

示例用例：

  • 用户提示： “AI，我已经更新了用户身份验证流程。请更新项目‘APB’的项目图。”
  • AI行动： （生成/接收新图表后）调用 update_project 和 arguments: { "slug": "APB", "project_diagram": "/* new mermaid diagram */" }.
  • 结果： CodeRide中的“AlphaProject”现在有了更新的架构图。

start_project

检索给定项目的第一个或下一个推荐任务，允许AI开始工作。

输入架构：

{
  "slug": "project-slug (e.g., 'TCA')"
}

示例用例：

  • 用户提示： “人工智能，让我们开始‘MobileAppV2’项目。第一个任务是什么？”
  • AI行动： 呼叫 start_project 和 arguments: { "slug": "MBC" }.
  • 结果： AI收到“MBC”项目中初始任务的详细信息，准备开始。

list_projects ✨ 新

列出用户工作区中的所有项目，通过智能工作流指导提供可用项目的概述。

输入架构：

{
  // No input required - automatically uses workspace from API key
}

示例用例：

  • 用户提示： “AI，给我看看我所有的项目。”
  • AI行动： 呼叫 list_projects 没有争论。
  • 结果： AI会收到工作空间中所有项目的列表，包括它们的slug、名称和基本细节，以及项目选择和工作流启动的智能指导。

list_tasks ✨ 新

显示特定项目中的所有任务，通过智能数字排序和工作流优化按状态组织。

输入架构：

{
  "slug": "project-slug (e.g., 'CRD')"
}

示例用例：

  • 用户提示： “人工智能，CRD项目中有哪些任务？”
  • AI行动： 呼叫 list_tasks 和 arguments: { "slug": "CRD" }.
  • 结果： AI接收CRD项目中的所有任务，按数字排序（CRD-1、CRD-2、CRD-3……），并按状态列组织，具有智能任务选择指导。

next_task ✨ 新

按顺序检索下一个任务以实现工作流自动化，非常适合具有智能排序的连续开发流程。

输入架构：

{
  "number": "current-task-number (e.g., 'CRD-1')"
}

示例用例：

  • 用户提示： “我刚刚完成CRD-1。接下来是什么？"
  • AI行动： 呼叫 next_task 和 arguments: { "number": "CRD-1" }.
  • 结果： AI接收CRD-2的详细信息，通过先决条件验证和上下文指导实现无缝的工作流程继续。

👩‍💻 对于贡献者和开发者

想要添加新工具或修改现有工具吗？查看我们的综合 工具开发指南 其中包括：

  • 命名约定 用于一致的工具设计
  • 描述指南 （什么+何时模式）
  • 输入模式最佳实践 附有详细的房产描述
  • 元数据结构 增强工具的可发现性
  • 完整示例 让你快速开始

该指南确保所有工具都遵循Anthropic的工具搜索最佳实践，同时保持向后兼容性。

💡 技术亮点

  • 🧠 AI原生工作流优化： 先进的代理指令系统，具有MCP 2025结构化工具输出和智能工作流编排，可提高人工智能生产力。
  • 🔄 智能任务排序： 先决条件验证、状态感知指导和自动化工作流程阶段（发现→ 上下文→ 分析→ 实施→ 完成）。
  • 安全第一设计： 全面的输入验证、具有重试逻辑的安全API客户端以及工作区范围内的身份验证确保了数据完整性和安全的人工智能操作。
  • 生产就绪可靠性： 指数退避重试机制、90秒超时和稳定的MCP SDK版本（^1.0.3）提供了企业级稳定性。
  • 以工作区为中心的身份验证： API密钥绑定到特定的工作空间。所有操作都会自动确定范围，简化请求并增强安全性。无需通过 workspaceId!
  • 用户友好标识符： 使用人类可读的数字（例如“TCA-3”）和slug（例如“TAC”）而不是内部UUID与任务和项目进行交互。
  • 针对AI效率进行了优化： 紧凑的JSON响应最大限度地减少了令牌的使用，而智能错误处理可防止对验证错误进行不必要的重试。
  • 强大的API交互： 使用官方CodeRide API(https://api.coderide.ai 默认情况下），对所有操作进行全面的日志记录和错误处理。

🛡️ 安全

CodeRide MCP非常重视安全性。我们欢迎负责任的安全研究，并建立了一个全面的漏洞赏金计划，奖励从9欧元到119欧元不等。

有关安全漏洞，请参阅我们的 安全策略 用于报告指导方针和奖励信息。

🔧 最近的改进

v0.9.3-交互式安装向导🧙

  • 🎯 CLI安装向导：交互式设置 npx @coderide/mcp add 便于配置
  • 🔍 自动检测：自动检测已安装的MCP客户端（游标、克劳德桌面、克劳德代码、VS代码、Codex CLI）
  • 🎨 增强的用户体验：带有状态指示器和品牌颜色的干净向导输出
  • ⚙️ 智能配置管理：检测未更改的配置以避免不必要的写入，自动创建备份
  • 🚀 CLI标志: --no-open 跳过浏览器打开， --force 向所有客户展示
  • 📝 多格式支持：处理JSON（大多数客户端）和TOML（Codex CLI）配置格式
  • 🔒 缺省巩固安全：使用限制权限写入的配置文件（0o600），API密钥验证

v0.9.0-全面的代理工作流增强🚀

  • 🧠 NLP识别系统：以自然语言智能检测项目参考和用户意图，以提高对代理的理解
  • 🧪 强制性测试验证：全面的测试管道，支持单元+集成测试，覆盖率验证（80%单元，90%集成）
  • 📝 Git自动提交：完全常规提交1.0.0符合语义版本控制和自动提交生成
  • 🎯 项目知识优化：具有一致性验证和标准化模式的智能项目知识管理
  • ⚡ 增强的代理说明：MCP 2025结构化工具输出，具有工作流智能和基于阶段的指导
  • 🔒 安全与性能：输入验证、命令注入预防、单例模式和全面的错误处理
  • 🔄 完整的工作流自动化：发现→ 上下文→ 分析→ 实施→ 智能排序的完成阶段

v0.8.0-代理工作流优化

  • 🧠 智能代理说明：使用MCP 2025结构化工具输出实施了全面的代理指令系统
  • 🔄 工作流编排：添加了先决条件验证、状态感知指导和自动化工作流程阶段
  • 📁 增强工具组织：重命名工具以保持一致性(project_list → list_projects, task_list → list_tasks)
  • ⚡ 人工智能生产力提升：所有9个工具现在都包括上下文指导、自动化提示和工作流智能
  • 🔒 保持兼容性：与现有集成和安全系统100%向后兼容

以前的改进

  • 增强可靠性：实现了指数退避重试逻辑，以提高连接稳定性
  • 优化超时：将API超时时间增加到90秒，以便更好地处理复杂操作
  • 稳定的依赖关系：将MCP SDK固定到稳定版本（^1.0.3），以实现一致的行为
  • MCP协议优化：减少超时错误（-32001）和SSE流断开连接

🔥 关于CodeRide

CodeRide是人工智能和人类开发人员联合起来更快地构建更好软件的地方。

这不仅仅是任务管理；它是一个从头开始构建的人工智能原生平台，支持人工智能辅助软件开发的独特工作流程。CodeRide提供了人工智能代理理解复杂项目、做出有意义贡献以及与人类同行有效协作所需的基本结构化上下文、项目知识和外部记忆。

使用真正了解人类创造力和人工智能之间协同作用的工具来改变您的开发过程。

探索软件开发的未来 coderide.cn.

🔧 故障排除

常见问题

连接超时或MCP错误-32001：

  • 最近的改进大大减少了这些问题
  • 确保您使用的是最新版本： npx -y @coderide/mcp@latest
  • 检查您的API密钥是否在环境配置中正确设置

身份验证错误：

  • 验证您的CodeRide API密钥是否有效并具有正确的权限
  • 确保在MCP客户端配置中正确设置了API密钥
  • API键是工作空间划分的-请确保使用正确的工作空间

未找到工具错误：

  • 配置更改后重新启动MCP客户端
  • 验证服务器是否在MCP客户端设置中正确配置

如需更多支持，请 打开一个问题 带有详细的错误信息。

🤝 贡献

欢迎投稿！请随时提交问题、分叉存储库和创建拉取请求。

有关安全相关的贡献，请参阅我们的 安全策略.

🔖 许可证

保留所有权利。请参阅 许可证 文件以获取详细信息。

🤗 支持与社区

  • 有问题或需要帮助 @coderide/mcp? 打开一个问题 在我们的GitHub存储库上。
  • 想了解更多关于CodeRide的信息吗？访问 coderide.cn 或加入我们的社区（链接到社区论坛/Discord，如果有的话）。

相关 MCP