pytaskai 0.2.0

AI-powered task management system with MCP (Model Context Protocol) integration for seamless workflow automation

🤖 PyTaskAI

PyTaskAI è un sistema avanzato di gestione task AI-powered che combina intelligenza artificiale, ricerca attiva e interfacce moderne per la gestione progetti professionale con integrazione MCP (Model Context Protocol).

✨ Caratteristiche Principali

• 🤖 AI-Powered Task Generation: Genera task dettagliati da PRD usando LiteLLM multi-provider
• 🔍 Ricerca Attiva LTS: Trova automaticamente versioni LTS e best practices aggiornate
• 🌐 Frontend Streamlit: Interfaccia web moderna per gestione completa dei task
• 💰 Token & Cost Tracking: Monitoring completo usage e costi AI con controlli budget
• 🔧 Claude Code Integration: Setup automatico per Claude Code con supporto MCP
• 📊 MCP Server Tools: Server FastMCP con tool completi per integrazione IDE
• 🚀 Workflow Agentico: Processo AI intelligente con ricerca e generazione ottimizzata

🎯 Workflow Intelligente

1. 📋 PRD Analysis: Analizza Product Requirements Document
2. 🔍 Research Phase: Ricerca attiva di versioni LTS e best practices via Perplexity
3. 🤖 AI Generation: Genera task dettagliati integrando ricerca e context
4. 📝 Task Management: Gestisce task con UI web completa e tool MCP
5. 💸 Cost Optimization: Traccia e ottimizza costi AI con cache intelligente

🚀 Quick Start

1. Installazione

# Clona il repository
git clone https://github.com/mak1jk/pytaskai-public.git
cd pytaskai

# Installa dipendenze
pip install -e .

# Oppure installa dalla PyPI (quando pubblicato)
pip install pytaskai

2. Configurazione API Keys

PyTaskAI supporta multiple provider AI. Configura almeno uno di questi:

# Crea file .env per API keys
cat > .env << EOF
# OpenAI (Raccomandato per iniziare)
OPENAI_API_KEY=your-openai-api-key-here

# Anthropic (Per Claude models)
ANTHROPIC_API_KEY=your-anthropic-api-key-here

# Perplexity (Per ricerca web e LTS research)
PERPLEXITY_API_KEY=your-perplexity-api-key-here

# Google AI (Opzionale)
GOOGLE_API_KEY=your-google-api-key-here

# xAI (Opzionale)
XAI_API_KEY=your-xai-api-key-here
EOF

API Key Setup:

• OpenAI: Vai su platform.openai.com
• Anthropic: Vai su console.anthropic.com
• Perplexity: Vai su perplexity.ai/settings/api

3. Configurazione MCP (Per Claude Code)

Aggiungi PyTaskAI al tuo MCP configuration file:

{
  "servers": {
    "pytaskai": {
      "command": "python",
      "args": ["-m", "mcp_server"],
      "cwd": "/path/to/your/pytaskai-project",
      "env": {
        "OPENAI_API_KEY": "your-openai-key-here",
        "ANTHROPIC_API_KEY": "your-anthropic-key-here",
        "PERPLEXITY_API_KEY": "your-perplexity-key-here",
        "PYTASKAI_DEFAULT_MODEL": "gpt-4o-mini",
        "PYTASKAI_RESEARCH_MODEL": "perplexity/llama-3.1-sonar-small-128k-online",
        "PYTHONPATH": "/path/to/your/pytaskai-project"
      }
    }
  }
}

Oppure usa il comando Claude Code:

claude mcp add pytaskai -s user -- python -m mcp_server \
  --cwd "/path/to/your/pytaskai-project" \
  --env PYTASKAI_DEFAULT_MODEL="your-preferred-model" \
  PYTHONPATH="/path/to/your/pytaskai-project"

Vedi MCP_CONFIGURATION.md per configurazione completa.

4. Primo Task da PRD

# Crea un nuovo progetto
mkdir my-project && cd my-project

# Inizializza PyTaskAI
pytaskai init

# Crea un PRD (o usa l'esempio)
cp scripts/example_prd.txt .pytaskai/docs/prd.txt

# Genera task automaticamente dal PRD
pytaskai parse-prd --research --target-tasks 10

5. Avvia UI Streamlit

# Avvia l'interfaccia web
python3 run_streamlit.py

# Oppure direttamente con streamlit
streamlit run frontend/streamlit_app.py

Apri http://localhost:8501 per accedere alla UI!

📚 Utilizzo

Frontend Streamlit

Il frontend offre 4 sezioni principali:

📋 PRD Parser

• Input PRD: Incolla testo o carica file .txt/.md
• Configurazione AI:
  • Target task count (1-50)
  • Enable AI research (più lento ma dettagliato)
  • Prefer LTS dependencies (raccomandato)
  • Overwrite existing tasks
• Generazione: Automatica con AI e validazione

📝 Task Management

• Lista Task: Visualizzazione completa con filtri
• Filtri: Status (pending/in-progress/done) e Priority (high/medium/low)
• Statistiche: Metrics real-time del progetto
• Selezione: Click per visualizzare dettagli

🤖 AI Assistant

• Chat Custom: Descrivi cosa vuoi accomplire
• Configurazione: Research, LTS deps, priority
• Generazione: Task custom via AI conversation
• Preview: Visualizzazione dettagliata del task generato

🔍 Task Details

• Vista Completa: Descrizione, details, test strategy
• Dipendenze: Relazioni tra task
• Subtask: Lista subtask con status
• Metadata: Date, complessità, stime ore

Tool MCP Disponibili

PyTaskAI fornisce i seguenti tool MCP per integrazione IDE:

• list_tasks_tool: Lista tutti i task del progetto
• get_task_tool: Ottieni dettagli task specifico
• get_next_task_tool: Trova prossimo task da fare
• parse_prd_tool: Genera task da PRD
• validate_tasks_tool: Valida struttura task
• init_claude_support_tool: Setup Claude Code integration

Command Line Interface

# Inizializza nuovo progetto
pytaskai init [directory]

# Genera task da PRD  
pytaskai parse-prd [--research] [--target-tasks N]

# Lista task
pytaskai list [--status STATUS] [--priority PRIORITY]

# Ottieni prossimo task
pytaskai next

# Valida task structure
pytaskai validate

# Setup Claude Code integration
pytaskai init-claude

🔧 Configurazione Avanzata

Modelli AI

Configura modelli specifici per diversi use case:

# Configurazione modelli via environment variables
export PYTASKAI_DEFAULT_MODEL="gpt-4o-mini"           # Task generation standard
export PYTASKAI_RESEARCH_MODEL="perplexity/llama-3.1-sonar-small-128k-online"  # Research web
export PYTASKAI_LTS_MODEL="anthropic/claude-3-haiku-20240307"  # LTS research
export PYTASKAI_FALLBACK_MODEL="gpt-3.5-turbo"       # Fallback model

Configurazioni Preset

Budget-Friendly Setup

export PYTASKAI_DEFAULT_MODEL="gpt-4o-mini"
export PYTASKAI_RESEARCH_MODEL="gpt-4o-mini" 
export PYTASKAI_LTS_MODEL="gpt-4o-mini"

High-Quality Setup

export PYTASKAI_DEFAULT_MODEL="gpt-4o"
export PYTASKAI_RESEARCH_MODEL="perplexity/llama-3.1-sonar-large-128k-online"
export PYTASKAI_LTS_MODEL="anthropic/claude-3-sonnet-20240229"

Claude-Focused Setup

export PYTASKAI_DEFAULT_MODEL="anthropic/claude-3-haiku-20240307"
export PYTASKAI_RESEARCH_MODEL="anthropic/claude-3-sonnet-20240229"
export PYTASKAI_LTS_MODEL="anthropic/claude-3-haiku-20240307"

🏗️ Architettura

Core Components

PyTaskAI/
├── mcp_server/              # MCP Server e AI Service
│   ├── ai_service.py        # LiteLLM multi-provider AI
│   ├── task_manager.py      # FastMCP tools
│   ├── prompts/             # Sistema prompt centralizzati  
│   └── utils.py             # Utilities shared
├── frontend/                # Streamlit UI
│   ├── streamlit_app.py     # Main UI application
│   └── components/          # UI components
├── shared/                  # Modelli e schemas
│   ├── models.py            # Pydantic models
│   └── schemas.py           # JSON schemas
└── tasks/                   # Task storage
    └── tasks.json           # Task database

AI Service Architecture

Il sistema AI utilizza un approccio agentico sofisticato:

1. Research Phase (Opzionale):

   • Estrae tecnologie dal prompt utente
   • Ricerca versioni LTS correnti via Perplexity
   • Identifica best practices pertinenti

2. Generation Phase:

   • Integra research findings nel context
   • Genera task dettagliati con prompt engineering
   • Valida output con JSON schema

3. Cost Optimization:

   • Cache intelligente per research results
   • Model selection basata su use case
   • Token usage tracking e budgeting

🧪 Testing

Test Streamlit App

# Test logica app (senza dipendenze)
python3 test_streamlit_logic.py

# Test completo (richiede dipendenze)
python3 test_streamlit_basic.py

Test MCP Tools

# Test tool MCP individuali
python3 test_task7.py

# Test integrazione completa
python3 test_task18_simple.py

Test AI Service

# Test AI service e prompts
python3 test_task5_aiservice.py

# Test modelli Pydantic
python3 tests/test_models.py

🐛 Troubleshooting

Problemi Comuni

Errore "No module named 'streamlit'":

pip install streamlit>=1.28.0

Errore "No module named 'fastmcp'":

pip install fastmcp>=0.4.0

Errore API Key:

# Verifica API keys
echo $OPENAI_API_KEY
echo $ANTHROPIC_API_KEY

# Test API key
curl -H "Authorization: Bearer $OPENAI_API_KEY" https://api.openai.com/v1/models

Tasks non si caricano:

# Verifica struttura progetto
ls -la .pytaskai/
ls -la tasks/tasks.json

# Reinizializza se necessario  
pytaskai init --force

MCP Server non risponde:

# Test connessione MCP
python -m pytaskai.mcp_server --test

# Verifica configurazione Claude Code
cat ~/.config/claude-code/mcp_settings.json

Debug Mode

Abilita logging dettagliato:

import logging
logging.basicConfig(level=logging.DEBUG)

O via environment variable:

export PYTASKAI_LOG_LEVEL=DEBUG

📖 Documentazione Completa

• MCP Configuration Guide: Setup completo MCP server
• Streamlit Frontend Guide: Guida dettagliata UI
• Implementation Guide: Dettagli tecnici implementazione
• API Documentation: Reference completa API

🤝 Contribuire

Setup Sviluppo

# Clone e setup
git clone https://github.com/mak1jk/pytaskai-public.git
cd pytaskai

# Install in development mode
pip install -e ".[dev]"

# Setup pre-commit hooks
pre-commit install

# Run tests
pytest tests/

Linee Guida

1. Code Style: Usa black e isort per formatting
2. Testing: Aggiungi test per nuove funzionalità
3. Documentation: Aggiorna documentazione per modifiche API
4. Type Hints: Usa typing completo per tutto il codice
5. MCP Tools: Nuovi tool devono seguire pattern FastMCP

Aree di Contribuzione

• 🧪 Testing: Aggiungi test cases e edge cases
• 📚 Documentation: Migliora guide e tutorials
• 🎨 UI/UX: Enhance Streamlit interface
• 🤖 AI Integration: Nuovi provider AI e prompt optimization
• 🔧 MCP Tools: Nuovi tool per workflow specifici
• 📊 Analytics: Metrics e monitoring avanzati

📄 License

PyTaskAI is licensed under the MIT License with Commons Clause. This means you can:

✅ Allowed:

• Use PyTaskAI for any purpose (personal, commercial, academic)
• Modify the code
• Distribute copies
• Create and sell products built using PyTaskAI

❌ Not Allowed:

• Sell PyTaskAI itself
• Offer PyTaskAI as a hosted service
• Create competing products based on PyTaskAI

See the LICENSE.md file for the complete license text and licensing details.

🙏 Ringraziamenti

• Anthropic per Claude AI e MCP protocol
• OpenAI per GPT models e API
• Perplexity per ricerca web real-time
• Streamlit per framework UI
• LiteLLM per multi-provider AI integration
• FastMCP per MCP server implementation
• Claude Task Master per l'ispirazione iniziale

---

Costruito con ❤️ per automatizzare la gestione progetti con AI

🚀 Get Started Now | 📚 Frontend Guide | 🐛 Report Bug | 💬 Discussions