AI导哈

任务管理MCP服务器

一个MCP服务器，使AI助手能够与强大的命令行任务管理工具Taskwarrior进行交互，提供完整的任务管理功能和智能建议。

  • by tylyan
  • Python
  • 本地部署
  • 1 星标
  • 更新于
在 GitHub 查看 tylyan/taskwarrior-mcp

使用说明

Taskwarrior MCP服务器

MCP（模型上下文协议）服务器，使AI助手能够与 任务战士，强大的命令行任务管理工具。

特性

  • 完整的Taskwarrior集成：列出、创建、修改、完成和删除任务
  • 项目和标签管理：使用项目和标签组织任务
  • 注释：为任务添加注释和上下文
  • 过滤：使用Taskwarrior强大的过滤表达式
  • 多种输出格式：获取Markdown或JSON格式的响应
  • 特工情报：智能建议、依赖性分析、分类工具

先决条件

  • Python 3.10或更高版本
  • 任务战士 已安装并在PATH中可用

安装Taskwarrior

# macOS
brew install task

# Ubuntu/Debian
sudo apt install taskwarrior

# Fedora
sudo dnf install task

# Arch Linux
sudo pacman -S task

安装

来自PyPI（推荐）

pip install taskwarrior-mcp

来源

git clone https://github.com/yourusername/taskwarrior-mcp.git
cd taskwarrior-mcp
pip install -e .

验证安装

# Check the version
python -c "from taskwarrior_mcp import __version__; print(__version__)"

# Or run the server directly
taskwarrior-mcp --help

配置

请参阅 示例/ 完整配置文件的目录。

克劳德桌面版

添加到您的Claude Desktop配置文件中：

平台 位置
macOS ~/Library/Application Support/Claude/claude_desktop_config.json
窗户 %APPDATA%\Claude\claude_desktop_config.json 
{
  "mcpServers": {
    "taskwarrior": {
      "command": "taskwarrior-mcp"
    }
  }
}

Claude 代码命令行界面

添加到您的 ~/.claude/settings.json:

{
  "mcpServers": {
    "taskwarrior": {
      "command": "taskwarrior-mcp"
    }
  }
}

使用uvx（无需安装）

{
  "mcpServers": {
    "taskwarrior": {
      "command": "uvx",
      "args": ["taskwarrior-mcp"]
    }
  }
}

高级配置

使用环境变量自定义Taskwarrior行为：

{
  "mcpServers": {
    "taskwarrior": {
      "command": "taskwarrior-mcp",
      "env": {
        "TASKRC": "/path/to/custom/.taskrc",
        "TASKDATA": "/path/to/custom/.task"
      }
    }
  }
}

看 示例/ 用于包括多个数据库的更多配置。

可用工具

核心任务管理

工具 说明
taskwarrior_list 列出具有可选筛选功能的任务
taskwarrior_add 创建新任务
taskwarrior_complete 将任务标记为已完成
taskwarrior_modify 修改任务属性
taskwarrior_delete 删除任务
taskwarrior_get 获取任务的详细信息
taskwarrior_bulk_get 一次获取多个任务的详细信息
taskwarrior_annotate 向任务添加注释
taskwarrior_start 开始处理任务
taskwarrior_stop 停止处理任务
taskwarrior_projects 列出所有项目
taskwarrior_project_summary 获取详细的项目摘要，包括优先级细分、截止日期和活动任务
taskwarrior_tags 列出所有标签
taskwarrior_undo 撤消上次操作
taskwarrior_summary 获取任务统计信息

特工情报工具

工具 说明
taskwarrior_suggest 通过评分和推理获得智能任务建议
taskwarrior_ready 列出已准备好处理的任务（无未决依赖项）
taskwarrior_blocked 列出被依赖项阻止的任务
taskwarrior_dependencies 分析依赖关系图并找出瓶颈
taskwarrior_triage 查找需要关注的被遗忘/过时的任务
taskwarrior_context 通过计算洞察获取丰富的任务上下文

用法示例

配置后，您可以通过人工智能助手与Taskwarrior交互：

基本任务管理

  • “我有什么任务？”
  • “添加一个任务，以高优先级审查季度报告”
  • “显示工作项目中的所有任务”
  • “完成任务5”
  • “本周要交什么？”

特工情报

  • “我接下来应该做什么？”-用途 taskwarrior_suggest 智能推荐
  • “哪些任务已经准备好开始？”-使用 taskwarrior_ready 用于解锁任务
  • “是什么阻碍了我的进步？”-使用 taskwarrior_blocked 和 taskwarrior_dependencies
  • “我忘了什么任务吗？”-用途 taskwarrior_triage 用于陈旧/孤立的任务
  • “给我任务5的背景”-用途 taskwarrior_context 获取丰富的任务详细信息

发展

设置

git clone https://github.com/yourusername/taskwarrior-mcp.git
cd taskwarrior-mcp
python -m venv .venv
source .venv/bin/activate
pip install -e ".[dev]"

运行测试

pytest

代码质量

# Format code
black .
ruff check --fix .

# Type checking
mypy taskwarrior_mcp.py

许可证

MIT许可证-请参阅 许可证 了解详情。

贡献

欢迎投稿！请参阅 贡献.md 关于以下方面的指导方针：

  • 开发设置
  • 提交消息约定（常规提交）
  • 拉取请求流程
  • 代码样式要求

相关 MCP