AI导哈

任务追踪MCP服务器

一个作为任务追踪应用后端桥梁的MCP服务器，提供认证和任务管理工具。

  • by tomwey2
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 tomwey2/task-tracker-mcp-server-python-fastapi

使用说明

任务跟踪器MCP服务器

概述

该项目是一个模型上下文协议（MCP）服务器，充当任务跟踪应用程序后端的桥梁。它处理后端的身份验证，并公开一组工具和资源，MCP客户端（如大型语言模型或AI助手）可以使用这些工具和资源与任务管理系统进行交互。

服务器是使用Python构建的 fastmcp 图书馆。启动时，它使用通过提供的凭据与后端进行身份验证 .env 文件，并为所有后续API调用维护经过身份验证的会话。

可用工具

此MCP服务器公开了以下工具、资源和提示：

工具

  • get_tasks(project_id: Optional[int], assigned_user_id: Optional[int]) -> Dict
    • 从后端检索任务。
    • 可以通过以下方式过滤 project_id.
    • 如果 assigned_user_id 如果不提供，则默认获取分配给当前经过身份验证的代理的任务。

安装和设置

  1. 克隆存储库：

    git clone <repository-url>
cd task-tracker-mcp-server-python-fastmcp

  2. 使用创建和激活虚拟环境 uv:

    uv venv
source .venv/bin/activate

  3. 使用安装依赖项 uv: 项目的依赖关系在中定义 pyproject.toml 并锁定 uv.lock.使用 uv sync 安装它们。

    uv sync

  4. 创建一个 .env 文件： 此服务器从加载配置 .env 项目根目录中的文件。创建此文件并添加必要的凭据：

    BACKEND_URL="http://your-backend-api-url.com"
TASKAPP_USER="your-username"
TASKAPP_PASSWORD="your-password"

MCP检验员测试

配置服务器后，您可以在本地对其进行测试。

  1. 运行服务器：

    uv run mcp run main.py

    启动时，服务器将尝试登录后端。您应该看到指示成功或失败的日志消息。

  2. 使用MCP检查器： 在单独的终端中（虚拟环境已激活），使用 mcp CLI用于检查正在运行的服务器并测试其工具。

    uv run mcp dev main.py

    这将打开一个交互式检查器，您可以在其中查看可用工具并调用它们。例如，要调用 get_tasks 工具：

    call get_tasks --params '{"project_id": 1}'

Zed中的配置

要将此MCP服务器与Zed编辑器一起使用，您需要在您的 settings.json 文件。

  1. 打开Zed并转到 File > Settings （或 Cmd + ,).
  2. 点击“打开JSON”编辑 settings.json 文件。
  3. 将以下配置添加到 context_servers 列表。
{
"context_servers": {
  "taskapp-mcp-server": {
    "source": "custom",
    "command": "uv",
    "args": [
      "run",
      "--with",
      "mcp,httpx",
      "mcp",
      "run",
      "main.py"
    ],
    "env": {
      "BACKEND_URL": "your_url_to_the_backend",
      "TASKAPP_USER": "your_username",
      "TASKAPP_PASSWORD": "your_password"
    }
  },

保存设置后，Zed将能够与您的MCP服务器通信。

相关 MCP