MCP GitHub项目经理

一个全面的模型上下文协议（MCP）服务器，提供先进的GitHub项目管理功能 基于人工智能的任务管理 和 完整的需求可追溯性。通过从业务需求到实施的完整端到端跟踪，将您的项目想法转化为可操作的任务。

](https://www.npmjs.com/package/mcp-github-project-manager) ![License: MIT](https://opensource.org/licenses/MIT) ](https://nodejs.org/)

概述

此服务器实现模型上下文协议提供具有先进人工智能功能的全面GitHub项目管理。除了传统的项目管理，它还通过GitHub的GraphQL API提供AI驱动的任务生成、需求可追溯性和智能项目规划，同时根据MCP规范维护状态和处理错误。

🚀 是什么让这个特别

AI驱动：使用多个人工智能提供商将项目想法转化为全面的PRD和可操作的任务
完全可追溯性：从业务需求开始进行全面的端到端跟踪→ 特征→ 用例→ tasks
智能分析：人工智能支持的复杂性分析、工作量估算和任务建议
专业标准：符合IEEE 830标准的要求文档，具有企业级变更管理功能

快速开始

使用NPM

# Install the package globally
npm install -g mcp-github-project-manager

# Set up your environment variables
export GITHUB_TOKEN="your_github_token"
export GITHUB_OWNER="your_github_username_or_organization"
export GITHUB_REPO="your_repository_name"

# Run the MCP server
mcp-github-project-manager

使用Docker

# Build the Docker image
docker build -t mcp-github-project-manager .

# Run with environment variables
docker run -it \
  -e GITHUB_TOKEN=your_github_token \
  -e GITHUB_OWNER=your_github_username_or_organization \
  -e GITHUB_REPO=your_repository_name \
  mcp-github-project-manager

主要特点

🤖 AI驱动的任务管理

PRD一代 (generate_prd)：将项目理念转化为全面的产品需求文档
智能任务分解 (parse_prd)：人工智能将PRD解析为可操作的开发任务
智能功能添加 (add_feature)：通过自动影响分析和任务生成添加新功能
任务复杂性分析 (analyze_task_complexity)：任务复杂性、工作量估算和风险评估的详细人工智能分析
下一个任务建议 (get_next_task)：基于人工智能的建议，用于优化任务优先级
任务扩展 (expand_task)：自动将复杂任务分解为可管理的子任务
PRD增强 (enhance_prd)：通过人工智能驱动的差距分析和改进来改进现有的PRD

🎯 增强的任务上下文生成

基于可追溯性的上下文 （默认）：来自需求可追溯性的丰富上下文，不依赖人工智能
AI增强上下文 （可选）：使用人工智能的全面业务、技术和实施背景
可配置的上下文级别：在最小、标准和全上下文深度之间进行选择
业务背景：提取业务目标、用户影响和成功指标
技术背景：分析技术约束、架构决策和集成点
实施指南：人工智能生成逐步实施建议
上下文参考：相关PRD章节、功能和技术规范的链接
增强验收标准：详细的、可测试的标准和验证方法
故障弱化：无需人工智能密钥即可完美工作，可追溯到基于可追溯性的上下文

🔗 完整的需求可追溯性

端到端跟踪 (create_traceability_matrix)：PRD业务需求的完全可追溯性→ 特征→ 用例→ tasks
双向链接：通过影响分析完成双向可追溯性
用例管理：专业演员目标场景用例生成和跟踪
覆盖分析：具有差距识别的全面覆盖指标
孤立任务检测：确定没有需求链接的任务
变更影响分析：跟踪各级需求变化及其影响

📊 多提供商AI支持

Anthropic Claude：复杂推理的主要人工智能提供者
OpenAI GPT：具有回退支持的替代提供商
谷歌双子座：额外的人工智能功能
困惑度：研究和分析任务
自动回退：提供商之间无缝切换

🏗️ 核心项目管理

项目管理：创建和管理GitHub项目（v2）
问题和里程碑：具有高级过滤功能的完整CRUD操作
冲刺计划：在人工智能的帮助下规划和管理开发冲刺
自定义字段和视图：创建不同的视图（板、表、时间线、路线图）
资源版本控制：智能缓存和乐观锁定

⚡ 高级功能

MCP实施：完全符合Zod验证的MCP规范
GitHub集成：GraphQL API集成智能速率限制
实时同步：与GitHub双向同步
Webhook集成：通过GitHub webhooks实时更新
进度跟踪：综合指标和进度报告
事件系统：跟踪和回放项目事件

安装

选项1：从npm安装（推荐）

# Install the package globally
npm install -g mcp-github-project-manager

# Or install in your project
npm install mcp-github-project-manager

选项2：从源代码安装

# Clone the repository
git clone https://github.com/kunwarVivek/mcp-github-project-manager.git
cd mcp-github-project-manager

# Install dependencies
npm install
# or
pnpm install

# Build the project
npm run build

设置环境变量

# Copy the example environment file
cp .env.example .env

# Edit .env with your GitHub token and details

配置

所需的环境变量

GitHub配置

GITHUB_TOKEN=your_github_token
GITHUB_OWNER=repository_owner
GITHUB_REPO=repository_name

GitHub令牌需要以下权限：

repo （完全访问存储库）
project （项目访问权限）
write:org （组织访问）

AI提供者配置

AI驱动的功能至少需要一个AI提供商：

# Primary AI providers (at least one required)
ANTHROPIC_API_KEY=your_anthropic_api_key_here
OPENAI_API_KEY=your_openai_api_key_here
GOOGLE_API_KEY=your_google_api_key_here
PERPLEXITY_API_KEY=your_perplexity_api_key_here

# AI Model Configuration (optional - uses defaults if not specified)
AI_MAIN_MODEL=claude-3-5-sonnet-20241022
AI_RESEARCH_MODEL=perplexity-llama-3.1-sonar-large-128k-online
AI_FALLBACK_MODEL=gpt-4o
AI_PRD_MODEL=claude-3-5-sonnet-20241022

# AI Task Generation Configuration (optional)
MAX_TASKS_PER_PRD=50
DEFAULT_COMPLEXITY_THRESHOLD=7
MAX_SUBTASK_DEPTH=3
AUTO_DEPENDENCY_DETECTION=true
AUTO_EFFORT_ESTIMATION=true

# Enhanced Task Context Generation Configuration (optional)
ENHANCED_TASK_GENERATION=true
AUTO_CREATE_TRACEABILITY=true
AUTO_GENERATE_USE_CASES=true
AUTO_CREATE_LIFECYCLE=true
ENHANCED_CONTEXT_LEVEL=standard
INCLUDE_BUSINESS_CONTEXT=false
INCLUDE_TECHNICAL_CONTEXT=false
INCLUDE_IMPLEMENTATION_GUIDANCE=false

AI提供商设置

Anthropic Claude

注册地址： Anthropic控制台
创建API密钥
集 ANTHROPIC_API_KEY 在您的环境中

开放人工智能

注册地址： OpenAI平台
创建API密钥
集 OPENAI_API_KEY 在您的环境中

谷歌双子座

注册地址：谷歌AI工作室
创建API密钥
集 GOOGLE_API_KEY 在您的环境中

困惑度

注册地址：困惑API
创建API密钥
集 PERPLEXITY_API_KEY 在您的环境中

用法

作为命令行工具

如果全局安装：

# Start the MCP server using stdio transport
mcp-github-project-manager

# Start with environment variables
GITHUB_TOKEN=your_token mcp-github-project-manager

# Start with command line arguments
mcp-github-project-manager --token=your_token --owner=your_username --repo=your_repo

# Use a specific .env file
mcp-github-project-manager --env-file=.env.production

# Show verbose output
mcp-github-project-manager --verbose

# Display help information
mcp-github-project-manager --help

使用TypeScript从源代码运行

如果你正在开发或从源代码运行：

# Run directly with ts-node
node --loader ts-node/esm src/index.ts

# Run with command line arguments
node --loader ts-node/esm src/index.ts --token=your_token --owner=your_username --repo=your_repo

# Use the npm dev script (watches for changes)
npm run dev

# Display help information
node --loader ts-node/esm src/index.ts --help

命令行选项

选项	简短	描述
`--token`	`-t`	GitHub个人访问令牌
`--owner`	`-o`	GitHub存储库所有者（用户名或组织）
`--repo`	`-r`	GitHub存储库名称
`--env-file
`	`-e`	.env文件的路径（默认：项目根目录中的.env）
`--verbose`	`-v`	启用详细日志记录
`--help`	`-h`	显示帮助信息
`--version`		显示版本信息

命令行参数优先于环境变量。

作为Node.js模块

import { Server } from "mcp-github-project-manager";

// Create and start an MCP server instance
const server = new Server({
  transport: "stdio", // or "http" for HTTP server
  config: {
    githubToken: process.env.GITHUB_TOKEN,
    githubOwner: process.env.GITHUB_OWNER,
    githubRepo: process.env.GITHUB_REPO
  }
});

server.start();

与MCP客户端集成

// Example using an MCP client library
import { McpClient } from "@modelcontextprotocol/client";
import { spawn } from "child_process";

// Create a child process running the MCP server
const serverProcess = spawn("mcp-github-project-manager", [], {
  env: { ...process.env, GITHUB_TOKEN: "your_token" }
});

// Connect the MCP client to the server
const client = new McpClient({
  transport: {
    type: "process",
    process: serverProcess
  }
});

// Call MCP tools
const result = await client.callTool("create_project", {
  title: "My Project",
  description: "A new GitHub project"
});

有关更多示例，请参阅用户指南和那个示例/ 目录。

AI工具使用示例

完成项目工作流程

# 1. Generate PRD from project idea
generate_prd({
  "projectIdea": "AI-powered task management system with real-time collaboration",
  "projectName": "TaskAI Pro",
  "author": "product-team",
  "complexity": "high",
  "timeline": "6 months",
  "includeResearch": true
})

# 2. Parse PRD and generate tasks with traceability
parse_prd({
  "prdContent": "",
  "maxTasks": 30,
  "createTraceabilityMatrix": true,
  "includeUseCases": true,
  "projectId": "task-ai-pro"
})

# 3. Get next task recommendations
get_next_task({
  "sprintCapacity": 40,
  "teamSkills": ["react", "node.js", "typescript"],
  "maxComplexity": 7,
  "includeAnalysis": true
})

# 4. Analyze complex tasks
analyze_task_complexity({
  "taskTitle": "Implement real-time collaboration",
  "taskDescription": "Build WebSocket-based real-time collaboration with conflict resolution",
  "teamExperience": "mixed",
  "includeBreakdown": true,
  "includeRisks": true
})

# 5. Break down complex tasks
expand_task({
  "taskTitle": "Build analytics dashboard",
  "taskDescription": "Create comprehensive analytics dashboard with AI insights",
  "currentComplexity": 8,
  "targetComplexity": 3,
  "includeEstimates": true,
  "includeDependencies": true
})

功能添加工作流

# Add new feature with complete lifecycle
add_feature({
  "featureIdea": "Advanced Analytics Dashboard",
  "description": "Real-time analytics with custom charts and AI-powered insights",
  "requestedBy": "product-manager",
  "businessJustification": "Increase user engagement and provide actionable insights",
  "targetUsers": ["project-managers", "team-leads", "executives"],
  "autoApprove": true,
  "expandToTasks": true,
  "createLifecycle": true
})

# This automatically creates:
# ✅ Business requirement analysis
# ✅ Use cases with actor-goal-scenario structure
# ✅ Tasks with complete traceability links
# ✅ Lifecycle tracking for all tasks

可追踪性

# Create comprehensive traceability matrix
create_traceability_matrix({
  "projectId": "task-ai-pro",
  "prdContent": "
",
  "features": [...],
  "tasks": [...],
  "validateCompleteness": true
})

# Output includes:
# ✅ Business Requirements → Features → Use Cases → Tasks
# ✅ Bidirectional traceability links
# ✅ Coverage analysis with gap identification
# ✅ Orphaned task detection
# ✅ Unimplemented requirement tracking

增强的任务上下文生成

# Default: Traceability-based context (fast, no AI required)
parse_prd({
  "prdContent": "
",
  "enhancedGeneration": true,
  "contextLevel": "standard"
})

# Enhanced: AI-powered comprehensive context
parse_prd({
  "prdContent": "
",
  "enhancedGeneration": true,
  "contextLevel": "full",
  "includeBusinessContext": true,
  "includeTechnicalContext": true,
  "includeImplementationGuidance": true
})

# Performance optimized: Minimal context for speed
parse_prd({
  "prdContent": "
",
  "enhancedGeneration": true,
  "contextLevel": "minimal",
  "includeBusinessContext": false,
  "includeTechnicalContext": false,
  "includeImplementationGuidance": false
})

上下文生成级别：

最小化：仅基本可追溯性上下文（最快）
标准：可追溯性+基本业务上下文（默认）
满的：完整的人工智能增强上下文，并提供实施指导

生成的任务上下文包括：

业务背景：为什么任务很重要、用户影响、成功指标
功能上下文：父特性信息、用户故事、商业价值
技术背景：约束、架构决策、集成点
实施指南：循序渐进的建议、最佳做法、陷阱
增强验收标准：详细的核查方法和优先事项
上下文参考：相关PRD章节和技术规范的链接

🧪 测试增强的上下文生成

增强的上下文生成功能包括全面的测试覆盖率：

已创建测试文件：

src/__tests__/TaskContextGenerationService.test.ts -核心上下文生成服务测试
src/__tests__/TaskGenerationService.enhanced.test.ts -增强的任务生成集成测试
src/__tests__/ParsePRDTool.enhanced.test.ts -工具级上下文生成测试

测试覆盖范围：

基于可追溯性的上下文生成 （默认行为）
人工智能增强的上下文生成 （当AI可用时）
优雅的回退 当人工智能服务不可用时
配置验证 以及环境变量处理
错误处理 弹性测试
集成测试 使用现有的任务生成管道

运行上下文生成测试：

# Run all AI-related tests (includes context generation)
npm run test:ai

# Run specific context generation tests
npm test -- --testPathPattern="TaskContextGeneration"
npm test -- --testPathPattern="enhanced"

# Run all tests
npm test

🧪 全面的E2E测试套件

MCP GitHub项目经理包括一个全面的端到端测试套件，通过模拟和真实API调用的实际MCP接口测试所有MCP工具。

测试覆盖范围：

✅ 40+GitHub项目管理工具 -完成项目、里程碑、问题、冲刺、标签等的CRUD操作
✅ 8个AI任务管理工具 -PRD生成、任务解析、复杂性分析、特征管理和可追溯性
✅ 复杂工作流集成 -多工具工作流程和现实世界的项目管理场景
✅ 真正的API测试 -使用实际GitHub和AI API进行可选测试
✅ 模式验证 -所有工具的全面论证验证
✅ 错误处理 -优雅的错误处理和恢复测试

快速入门：

# Run comprehensive E2E tests (mocked APIs)
npm run test:e2e:tools

# Run with real APIs (requires credentials)
npm run test:e2e:tools:real

# Use the interactive test runner
npm run test:e2e:runner

# Run specific test categories
npm run test:e2e:tools:github     # GitHub tools only
npm run test:e2e:tools:ai         # AI tools only
npm run test:e2e:tools:workflows  # Integration workflows

测试运行程序选项：

# Interactive test runner with options
node scripts/run-e2e-tests.js --help

# Examples:
node scripts/run-e2e-tests.js --real-api --github-only
node scripts/run-e2e-tests.js --build --verbose --timeout 120
node scripts/run-e2e-tests.js --ai-only --real-api

真实API测试的环境设置：

GitHub API（GitHub工具必需）：

GITHUB_TOKEN=ghp_your_github_token
GITHUB_OWNER=your-github-username
GITHUB_REPO=your-test-repository

AI API（AI工具所需）：

# At least one AI API key required
ANTHROPIC_API_KEY=sk-ant-your-anthropic-key
OPENAI_API_KEY=sk-your-openai-key
GOOGLE_API_KEY=your-google-ai-key
PERPLEXITY_API_KEY=pplx-your-perplexity-key

启用真正的API测试：

E2E_REAL_API=true npm run test:e2e:tools:real

测试特点：

工具注册验证 -验证所有工具是否已使用正确的架构正确注册
MCP协议合规性 -确保所有工具符合MCP规范
响应格式验证 -验证工具响应是否符合预期格式
工作流集成测试 -测试复杂的多工具工作流程
凭据管理 -妥善处理丢失的凭证
性能监控 -跟踪工具执行性能
全面错误测试 -验证错误处理和恢复

文档：

📖 全面的E2E测试指南 -详细的测试文档
🔧 测试配置 -E2E测试的Jest配置
🛠️ 公共应用接口模块 -可重复使用的测试工具

E2E测试套件确保所有MCP工具在单独和复杂的工作流程中都能正确工作，为整个系统的可靠性和集成提供信心。

涵盖的测试场景：

✅ 基于默认可追溯性的上下文（不需要AI）
✅ 人工智能增强的业务上下文生成
✅ 人工智能增强的技术上下文生成
✅ 实施指南生成
✅ 上下文合并和冲突解决
✅ 错误处理和优雅降级
✅ 配置验证和默认值
✅ 工具级参数验证
✅ 与现有可追溯系统集成

在AI助手中安装

在Claude中安装

要在Claude Desktop中安装MCP服务器，请执行以下操作：

{
  "mcpServers": {
    "github-project-manager": {
      "command": "npx",
      "args": ["-y", "mcp-github-project-manager"],
      "env": {
        "GITHUB_TOKEN": "your_github_token",
        "GITHUB_OWNER": "your_username",
        "GITHUB_REPO": "your_repo",
        "ANTHROPIC_API_KEY": "your_anthropic_api_key",
        "OPENAI_API_KEY": "your_openai_api_key",
        "GOOGLE_API_KEY": "your_google_api_key",
        "PERPLEXITY_API_KEY": "your_perplexity_api_key"
      }
    }
  }
}

对于Claude Code CLI，运行：

claude mcp add github-project-manager -- npx -y mcp-github-project-manager

在Roocode中安装

将此添加到您的Roocode配置中：

{
  "mcpServers": {
    "github-project-manager": {
      "command": "npx",
      "args": ["-y", "mcp-github-project-manager"],
      "env": {
        "GITHUB_TOKEN": "your_github_token",
        "GITHUB_OWNER": "your_username",
        "GITHUB_REPO": "your_repo"
      }
    }
  }
}

安装在Windsurf中

将此添加到您的Windsurf MCP配置文件中：

{
  "mcpServers": {
    "github-project-manager": {
      "command": "npx",
      "args": ["-y", "mcp-github-project-manager"],
      "env": {
        "GITHUB_TOKEN": "your_github_token",
        "GITHUB_OWNER": "your_username",
        "GITHUB_REPO": "your_repo"
      }
    }
  }
}

看 Windsurf MCP文件了解更多信息。

在VS代码中安装

将此添加到您的VS Code MCP配置文件中：

{
  "servers": {
    "github-project-manager": {
      "type": "stdio",
      "command": "npx",
      "args": ["-y", "mcp-github-project-manager"],
      "env": {
        "GITHUB_TOKEN": "your_github_token",
        "GITHUB_OWNER": "your_username",
        "GITHUB_REPO": "your_repo"
      }
    }
  }
}

看 VS代码MCP文档了解更多信息。

在游标中安装

将此添加到您的Cursor MCP配置文件中：

{
  "mcpServers": {
    "github-project-manager": {
      "command": "npx",
      "args": ["-y", "mcp-github-project-manager"],
      "env": {
        "GITHUB_TOKEN": "your_github_token",
        "GITHUB_OWNER": "your_username",
        "GITHUB_REPO": "your_repo"
      }
    }
  }
}

看光标MCP文档了解更多信息。

使用Docker

如果你更喜欢在Docker容器中运行MCP服务器：

构建Docker镜像：

创建 Dockerfile 在您的项目目录中：

   FROM node:18-alpine

   WORKDIR /app

   # Install the package globally
   RUN npm install -g mcp-github-project-manager

   # Default command to run the server
   CMD ["mcp-github-project-manager"]

塑造形象：

   docker build -t github-project-manager-mcp .

配置您的MCP客户端：

更新MCP客户端的配置以使用Docker命令：

   {
     "mcpServers": {
       "github-project-manager": {
         "command": "docker",
         "args": ["run", "-i", "--rm", "github-project-manager-mcp"],
         "env": {
           "GITHUB_TOKEN": "your_github_token",
           "GITHUB_OWNER": "your_username",
           "GITHUB_REPO": "your_repo"
         }
       }
     }
   }

故障排除

常见问题

未找到模块错误

如果遇到模块解析问题，请尝试使用 bunx 而不是 npx:

   {
     "mcpServers": {
       "github-project-manager": {
         "command": "bunx",
         "args": ["-y", "mcp-github-project-manager"]
       }
     }
   }

Windows特定配置

在Windows上，您可能需要使用 cmd 要运行以下命令：

   {
     "mcpServers": {
       "github-project-manager": {
         "command": "cmd",
         "args": [
           "/c",
           "npx",
           "-y",
           "mcp-github-project-manager"
         ]
       }
     }
   }

权限问题

如果您遇到权限问题，请确保您的GitHub令牌具有配置部分中列出的所需权限。

建筑

服务器遵循干净架构原则，具有不同的层：

领域层：核心实体、存储库接口和Zod模式
基础设施层：GitHub API集成与实现
服务层：业务逻辑协调
MCP层：工具定义和请求处理

贡献

欢迎投稿！请参阅贡献.md 作为指导方针。

克隆该仓库
创建要素分支： git checkout -b feature/amazing-feature
提交您的更改： git commit -m 'Add some amazing feature'
推到分支： git push origin feature/amazing-feature
打开拉取请求

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。

参考文献

模型上下文协议

当前状态

核心功能

功能	状态	注释
项目创建	✅ 完整	完全支持v2项目
里程碑管理	✅ 完成	已实施CRUD操作
Sprint计划	✅ 完成	包括指标跟踪
问题管理	✅ 完成	支持自定义字段
资源版本控制	✅ 完成	具有乐观锁定和模式验证
Webhook集成	📅 计划	实时更新

AI驱动的功能

功能	状态	注释
PRD生成	✅ 完整	多提供商AI支持，全面创建PRD
任务生成	✅ 完成	人工智能将PRD解析为可操作的任务
功能添加	✅ 完成	添加智能功能并进行影响分析
任务复杂性分析	✅ 完成	详细的人工智能分析和风险评估
任务建议	✅ 完成	人工智能支持的下一个任务建议
任务扩展	✅ 完成	将复杂任务分解为子任务
PRD增强	✅ 完成	人工智能驱动的PRD改进和差距分析
需求可追溯性	✅ 完成	包含覆盖率分析的端到端可追溯性矩阵

可追踪性

功能	状态	注释
业务需求提取	✅ 完成	从PRD目标和成功指标中提取
用例生成	✅ 完成	具有备选方案的演员目标场景结构
可追溯性链接	✅ 完成	具有影响分析的双向链接
覆盖率分析	✅ 完成	差距识别和孤立任务检测
更改跟踪	✅ 完成	需求变更影响分析
验证跟踪	✅ 完成	测试用例映射和验证状态

MCP实施

组件	状态	注释
工具定义	✅ 完成	所有核心工具均已通过Zod验证实施
资源管理	✅ 完成	带版本控制的完整CRUD操作
安全	✅ 完成	令牌验证和范围检查
错误处理	✅ 完成	根据MCP规范
运输	✅ 完整	支持Stdio和HTTP

已识别的功能差距

尽管最近有所改善，但以下功能差距仍然存在，并被列为未来发展的优先事项：

持久缓存策略:

- 虽然ResourceCache提供内存缓存，但它在服务器重启时缺乏持久性 - 多实例部署没有分布式缓存 - 缺少用于内存管理的缓存驱逐策略

实时事件处理:

- 没有webhook集成，无法从GitHub进行实时更新 - 客户端缺少基于事件的订阅系统 - 流式更新缺乏服务器发送事件（SSE）支持

高级GitHub项目v2功能:

- 对自定义字段类型和验证的支持有限 - 与GitHub较新的Projects v2字段类型不完全集成 - 缺少自动化规则管理

性能优化:

- 相关资源无查询批处理 - 频繁访问的资源缺少后台刷新 - 相关资源预取不完整

数据可视化和报告:

- 没有内置的指标可视化生成器 - 缺少报告生成功能 - 有限的时间序列数据分析

文档

入门指南

部署指南 -安装、Docker和MCP客户端设置
配置指南 -所有配置选项
故障排除指南 -常见问题和解决方案

参考

工具参考 -记录了所有115个MCP工具
建筑 -系统设计和模式
api参考 -服务和基础设施API

指南

教程 -分步指南
用户指南 -详细的使用说明
测试指导 -测试套件文档

发展

贡献 -开发指南
MCP集成 -MCP具体细节

交互式文档

对于API的交互式探索，请打开 API资源管理器在您的浏览器中。

发展

测试

# Unit tests
npm test

# Integration tests
npm run test:integration

# End-to-end tests
npm run test:e2e

代码质量

# Lint code
npm run lint

# Type check
npm run type-check

# Format code
npm run format

贡献

我们欢迎为GitHub项目经理MCP服务器做出贡献！请查看我们的贡献指南有关以下内容的详细信息：

许可证

麻省理工学院

MCP GitHub Project Manager

快速接入

详细介绍

MCP GitHub项目经理

概述

🚀 是什么让这个特别

目录

快速开始

使用NPM

使用Docker

主要特点

🤖 AI驱动的任务管理

🎯 增强的任务上下文生成

🔗 完整的需求可追溯性

📊 多提供商AI支持

🏗️ 核心项目管理

⚡ 高级功能

安装

选项1：从npm安装（推荐）

选项2：从源代码安装

设置环境变量

配置

所需的环境变量

GitHub配置

AI提供者配置

AI提供商设置

Anthropic Claude

开放人工智能

谷歌双子座

困惑度

用法

作为命令行工具

使用TypeScript从源代码运行

命令行选项

作为Node.js模块

与MCP客户端集成

AI工具使用示例

完成项目工作流程

功能添加工作流

可追踪性

增强的任务上下文生成

🧪 测试增强的上下文生成

已创建测试文件：

测试覆盖范围：

运行上下文生成测试：

🧪 全面的E2E测试套件

测试覆盖范围：

快速入门：

测试运行程序选项：

真实API测试的环境设置：

测试特点：

文档：

涵盖的测试场景：

在AI助手中安装

在Claude中安装

在Roocode中安装

安装在Windsurf中

在VS代码中安装

在游标中安装

使用Docker

故障排除

常见问题

建筑

贡献

许可证

参考文献

当前状态

核心功能

AI驱动的功能

可追踪性

MCP实施

最近的改进

已识别的功能差距

文档

入门指南

参考

指南

发展

交互式文档

发展