使用说明

MCP任务管理器

用于全面任务管理的模型上下文协议（MCP）服务器，部署为Cloudflare Worker。这个开源项目使AI助手能够使用Cloudflare KV的持久存储高效地规划、跟踪和管理复杂的多步骤请求。

🚀 特性

请求计划：将复杂的请求分解为可管理的任务
任务管理：创建、更新、删除和跟踪任务进度
审批工作流程：内置任务和请求完成审批系统
进度跟踪：可视化进度表和详细的任务信息
永久存储：使用Cloudflare KV实现可靠的数据持久性
无服务器架构：部署为Cloudflare Worker以实现全球可用性
RESTful API：HTTP端点，便于与任何应用程序集成
CORS支持：为web应用程序启用了跨源请求

📦 部署

先决条件

Cloudflare帐户（免费版作品）
牧马人CLI 安装
Node.js 18+和npm/pnpm/yarn
Git用于克隆存储库

快速开始

克隆并设置存储库

git clone https://github.com/Rudra-ravi/mcp-taskmanager.git
cd mcp-taskmanager
npm install

登录Cloudflare
```
npx wrangler login
```
这将打开您的浏览器以向Cloudflare进行身份验证。
创建KV命名空间
```
npx wrangler kv namespace create "TASKMANAGER_KV"
```
从输出中复制命名空间ID。

更新配置 编辑 wrangler.toml 并替换KV命名空间ID：

[[kv_namespaces]]
binding = "TASKMANAGER_KV"
id = "your-new-kv-namespace-id-here"

构建和部署
```
npm run build
npx wrangler deploy
```

您的MCP任务管理器将在以下位置部署和访问： https://mcp-taskmanager.your-subdomain.workers.dev

高级配置

自定义工作者姓名

要使用自定义名称进行部署，请更新 wrangler.toml:

name = "my-custom-taskmanager"  # Change this to your preferred name
main = "worker.ts"
compatibility_date = "2024-03-12"

[build]
command = "npm run build"

[[kv_namespaces]]
binding = "TASKMANAGER_KV"
id = "your-kv-namespace-id-here"

环境变量

对于不同的环境（开发、暂存、生产）：

[env.staging]
name = "mcp-taskmanager-staging"
[[env.staging.kv_namespaces]]
binding = "TASKMANAGER_KV"
id = "staging-kv-namespace-id"

[env.production]
name = "mcp-taskmanager-prod"
[[env.production.kv_namespaces]]
binding = "TASKMANAGER_KV"
id = "production-kv-namespace-id"

部署到特定环境：

npx wrangler deploy --env staging
npx wrangler deploy --env production

🔧 用法

API终点

部署的worker提供了两个主要端点：

POST /list-tools -获取可用的MCP工具
POST /call-tool -执行MCP工具功能

测试您的部署

部署后，使用curl测试worker：

# Replace with your actual worker URL
WORKER_URL="https://mcp-taskmanager.your-subdomain.workers.dev"

# Test list tools
curl -X POST $WORKER_URL/list-tools \
  -H "Content-Type: application/json" \
  -d '{"jsonrpc": "2.0", "id": 1, "method": "tools/list"}'

# Test creating a request
curl -X POST $WORKER_URL/call-tool \
  -H "Content-Type: application/json" \
  -d '{
    "jsonrpc": "2.0",
    "id": 1,
    "method": "tools/call",
    "params": {
      "name": "request_planning",
      "arguments": {
        "originalRequest": "Test deployment",
        "tasks": [{"title": "Test task", "description": "Verify deployment works"}]
      }
    }
  }'

可用工具

📋 核心任务管理

request_planning -注册新用户请求并计划其相关任务
get_next_task -获取请求的下一个待处理任务
mark_task_done -使用可选详细信息将任务标记为已完成
approve_task_completion -批准已完成的任务
approve_request_completion -批准整个请求的完成

⚙️ 任务操作

add_tasks_to_request -向现有请求添加新任务
update_task -更新任务标题或描述（仅适用于待处理的任务）
delete_task -从请求中删除任务
open_task_details -获取特定任务的详细信息

📊 信息与监控

list_requests -列出所有请求及其当前状态和进度

API调用示例

列出可用工具

curl -X POST https://your-worker.your-subdomain.workers.dev/list-tools \
  -H "Content-Type: application/json" \
  -d '{
    "jsonrpc": "2.0",
    "id": 1,
    "method": "tools/list"
  }'

计划新请求

curl -X POST https://your-worker.your-subdomain.workers.dev/call-tool \
  -H "Content-Type: application/json" \
  -d '{
    "jsonrpc": "2.0",
    "id": 1,
    "method": "tools/call",
    "params": {
      "name": "request_planning",
      "arguments": {
        "originalRequest": "Build a web application for task management",
        "splitDetails": "Breaking down into frontend, backend, and deployment tasks",
        "tasks": [
          {
            "title": "Setup React frontend",
            "description": "Initialize React app with TypeScript and essential dependencies"
          },
          {
            "title": "Create backend API",
            "description": "Build REST API with Node.js and Express"
          },
          {
            "title": "Deploy application",
            "description": "Deploy to cloud platform with CI/CD pipeline"
          }
        ]
      }
    }
  }'

📊 数据模型

任务结构

interface Task {
  id: string;              // Unique task identifier (e.g., "task-1")
  title: string;           // Task title
  description: string;     // Detailed task description
  done: boolean;           // Whether task is marked as done
  approved: boolean;       // Whether task completion is approved
  completedDetails: string; // Details provided when marking task as done
}

请求结构

interface RequestEntry {
  requestId: string;       // Unique request identifier (e.g., "req-1")
  originalRequest: string; // Original user request description
  splitDetails: string;    // Details about how request was split into tasks
  tasks: Task[];          // Array of tasks for this request
  completed: boolean;     // Whether entire request is completed
}

任务状态流

❌ Pending → ⏳ Done (awaiting approval) → ✅ Approved

任务只能在处于“待定”状态时更新。一旦标记为已完成或已批准，它们将变为只读。

🛠️ 发展

地方发展

# Install dependencies
npm install

# Build the project
npm run build

# Start local development server (with remote KV)
npx wrangler dev

# Start local development server (with local KV for testing)
npx wrangler dev --local

# Deploy to preview environment
npx wrangler deploy --env preview

测试

# Test the build
npm run build

# Test deployment (dry run - shows what would be deployed)
npx wrangler deploy --dry-run

# Run local tests
npm test  # If you add tests

# Test with local KV storage
npx wrangler dev --local

调试

查看实时日志：

# Tail logs from deployed worker
npx wrangler tail

# Tail logs with filtering
npx wrangler tail --format pretty

KV数据管理

# List all keys in your KV namespace
npx wrangler kv:key list --binding TASKMANAGER_KV

# Get a specific key value
npx wrangler kv:key get "tasks" --binding TASKMANAGER_KV

# Delete all data (be careful!)
npx wrangler kv:key delete "tasks" --binding TASKMANAGER_KV

🏗️ 建筑

MCP任务管理器是作为Cloudflare Worker构建的，具有以下组件：

┌─────────────────┐    ┌──────────────────┐    ┌─────────────────┐
│   AI Assistant  │───▶│  Cloudflare      │───▶│  Cloudflare KV  │
│   (Claude, etc) │    │  Worker          │    │  Storage        │
└─────────────────┘    └──────────────────┘    └─────────────────┘
                              │
                              ▼
                       ┌──────────────────┐
                       │ TaskManagerServer│
                       │ (Business Logic) │
                       └──────────────────┘

组件

TaskManagerServer类：任务管理的核心业务逻辑
工人接口：MCP协议通信的HTTP端点
Cloudflare KV存储：任务和请求的持久数据存储
MCP协议：用于AI辅助集成的标准模型上下文协议
CORS支持：启用web应用程序集成

益处

全球边缘部署：通过Cloudflare网络实现全球低延迟
无服务器：无服务器管理，自动扩展
永久存储：数据在部署过程中得以保存
成本效益高：Cloudflare慷慨的免费套餐
高可用性：内置冗余和故障切换

📈 监控和日志

Cloudflare仪表板

在Cloudflare仪表板中查看日志和指标：

首选 Cloudflare仪表板
导航到工作人员和页面
选择您的 mcp-taskmanager 工人
查看日志、指标和分析

实时监控

# View live logs
npx wrangler tail

# View formatted logs
npx wrangler tail --format pretty

# Filter logs by status
npx wrangler tail --status error

需监控的关键指标

请求量：API调用数
响应时间：操作延迟
错误率：失败的请求及其原因
KV操作：存储读/写性能
内存使用：工作内存消耗

常见问题排查

问题	原因	解决方案
500内部服务器错误	找不到KV命名空间	检查wrangler.toml中的KV命名空间ID
CORS错误	缺少标头	验证worker.ts中的CORS标头
找不到任务	任务/请求ID无效	检查ID格式和是否存在
构建失败	TypeScript错误	运行 `npm run build` 本地优先

🤝 贡献

我们欢迎捐款！以下是如何开始：

开发设置

分叉存储库
克隆你的叉子： git clone https://github.com/your-username/mcp-taskmanager.git
创建要素分支： git checkout -b feature/amazing-feature
安装依赖项： npm install
进行更改
本地测试： npx wrangler dev --local
构建和测试： npm run build

贡献指南

遵循TypeScript的最佳实践
为新功能添加测试
更新API变更文档
使用常规提交消息
提交前确保所有测试通过

拉取请求流程

提交您的更改： git commit -m 'Add amazing feature'
推到您的分支： git push origin feature/amazing-feature
使用以下命令打开拉取请求：
- 变更的清晰描述
- 屏幕截图/示例（如适用）
- 参考任何相关问题

贡献领域

🐛 Bug修复和改进
📚 文档增强
✨ 新的MCP工具和功能
🧪 测试覆盖率提高

许可证

此项目根据MIT许可证获得许可-请参阅许可证文件以获取详细信息。

💬 支持

获取帮助

GitHub问题: 报告错误或请求功能
讨论: 提出问题并分享想法
文档：查看此README和内联代码注释

社区资源

MCP文件: 模型上下文协议
Cloudflare员工文档: 了解有关Workers的更多信息

报告问题

报告错误时，请包括：

您的Cloudflare工作URL
重现问题的步骤
预期行为与实际行为
错误消息或日志
浏览器/客户端信息

🙏 致谢

与模型上下文协议SDK
由...驱动 Cloudflare员工
专为无缝集成AI助手而设计
受人工智能工作流程中更好的任务管理需求的启发

📄 许可证