mcplanmanager 1.0.3

AI Agent任务管理系统 - MCP服务

MCPlanManager - AI Agent 任务管理系统

一个简洁高效的任务管理器，专为 AI Agent 的长程任务执行而设计，支持MCP (Model Context Protocol) 标准。

🚀 快速开始 (推荐方式)

我们推荐使用 uvx 来运行 MCPlanManager，这可以避免依赖冲突并确保您总能使用最新版本。

1. 先决条件：安装 uv

如果您的系统中还没有 uv，请先执行以下命令安装（这只需要做一次）：

macOS / Linux:

curl -LsSf https://astral.sh/uv/install.sh | sh

Windows:

powershell -c "irm https://astral.sh/uv/install.ps1 | iex"

安装完成后，请重启您的终端或打开一个新的终端窗口。

2. 配置您的AI客户端

在Cursor、Continue.dev等支持MCP的客户端设置中，添加一个新的MCP服务器，并使用以下配置：

{
  "mcpServers": {
    "mcplanmanager": {
      "command": "uvx",
      "args": ["mcplanmanager"]
    }
  }
}

重启客户端后，MCPlanManager 的工具即可使用。无需额外安装！uvx 会自动从PyPI下载并运行服务。

📚 备用方案：使用虚拟环境和pip

如果您不想安装 uv，也可以使用传统的Python虚拟环境。

1. 创建并激活虚拟环境

   python3 -m venv ~/.mcplanmanager-env
   source ~/.mcplanmanager-env/bin/activate  # macOS / Linux
   # .\mcplanmanager-env\Scripts\activate # Windows
   

2. 安装包

   pip install mcplanmanager
   

3. 配置AI客户端 您需要告诉客户端 mcplanmanager 命令的具体路径。

   {
     "mcpServers": {
       "mcplanmanager": {
         // 注意：这里的路径需要是您虚拟环境中的绝对路径
         // 例如: "/Users/yourname/.mcplanmanager-env/bin/mcplanmanager"
         "command": "<path_to_your_env>/bin/mcplanmanager"
       }
     }
   }
   

🛠️ 可用的MCP工具

安装配置成功后，您可以使用以下12个工具：

基础任务管理

• initializePlan - 初始化新的任务计划
• getCurrentTask - 获取当前正在执行的任务
• startNextTask - 开始下一个可执行的任务
• completeTask - 标记任务为完成状态
• failTask - 标记任务失败
• skipTask - 跳过指定任务

任务操作

• addTask - 添加新任务到计划中
• getTaskList - 获取任务列表（支持状态过滤）
• getExecutableTaskList - 获取当前可执行的任务列表
• getPlanStatus - 获取整个计划的状态

可视化和辅助

• visualizeDependencies - 生成依赖关系可视化（ASCII、树形、Mermaid格式）
• generateContextPrompt - 生成上下文提示词

📝 开发和贡献

本地开发

# 克隆仓库
git clone https://github.com/donway19/MCPlanManager.git
cd MCPlanManager

# 创建虚拟环境并安装开发依赖
uv venv
source .venv/bin/activate
uv pip install -e ".[dev]"

# 运行测试
pytest tests/

📄 许可证

MIT License - 详见 LICENSE 文件