Token导航 LogoToken导航

MCP Server · AI代理

Taskwarrior MCP

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。

stdio官方级别未说明来源级核验工具 21
命令行工具PythonClaude任务管理Claude Desktop

快速开始

作者 / 组织
tylyan
提供方
tylyan

工具数量

21

来源目录标注

资源数量

0

来源目录标注

提示词数量

0

来源目录标注

GitHub Star

1

仓库热度

收录来源

2 个

MCP World

选型结论

Taskwarrior MCP 属于AI代理类 MCP Server,公开资料标注 21 个工具,通过stdio 本地进程接入,适配 Claude Desktop、Claude,有可以直接复制的安装命令;接入前先确认权限范围。

分类

AI代理

传输方式

stdio

认证方式

无需认证

部署方式

仅本地运行

安装与配置

安装命令

pip install taskwarrior-mcp

公开命令不是通用的启动方式,拼不出可靠配置示例;请在客户端 MCP 配置里按官方文档填写 command 和 args。

上手步骤

  1. 1

    准备运行环境

    stdio 服务在本地起进程,需要先装好 对应的运行时,再按安装命令拉取依赖。

  2. 2

    安装服务

    复制下面的安装命令执行;命令里带占位符的位置换成自己的密钥或路径。

  3. 3

    写入客户端配置

    在客户端的 MCP 配置里填启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4

    验证是否可用

    连接成功后客户端会列出 21 个工具,随便调一个只读工具确认能返回结果。

接入前确认

不要直接授予不必要的文件、网络或账号权限;先核对安装命令和配置内容。

详细介绍

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

工具与能力

工具数量

21

资源数量

0

提示词数量

0

能力标签

任务管理Python本地部署命令行工具AI助手项目管理智能建议

支持客户端

Claude DesktopClaude

数量来自来源目录的标注,具体工具清单以官方文档为准。

典型使用场景

多步任务编排

把拆解、检索、执行串成一条链,模型按步骤调用工具。

长期上下文

把会话、笔记和知识放到外部存储,换个会话还能接着做。

接自有流程

把内部系统和模型连起来,让助手调用已有的工作流。

选择建议

值得选的地方

  • 工具数量 21 个,一次接入能覆盖的操作比单点工具更全。
  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。
  • 已经适配 Claude Desktop、Claude,换客户端不用重新研究配置。

先想清楚的地方

  • stdio 方式要求本地装好 运行环境,换机器要重新装一遍。
  • 第三方目录整理,版本更新和行为细节以官方仓库为准。

更适合

  • 需要在AI代理场景里让模型直接调用外部能力的人。
  • 已经在用 Claude Desktop 的用户,接入路径最短。
  • 想先快速试一下、能接受在本地跑服务的人。

不太适合

  • 完全不想在本地装环境的人。
  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

5 个同类
MCP Server工具数传输方式安装命令收录来源最后核验
Taskwarrior MCP

MCP World · 本页

21stdio有2 个2026-05-17
Everything Claude Code

MCP World

0stdio有1 个2026-05-17
Filesystem 560c4363

MCP World

13未说明未标注2 个2026-05-17
Time 7365cb6d

MCP.so

2SSE有2 个2026-05-17
Server Everything (everything)

MCP World

11stdio有1 个2026-05-17

按同分类和工具数量挑出最接近的几条,字段以各自详情页为准。

常见问题

5 条

Taskwarrior MCP 怎么安装?

公开资料给出的安装命令是 pip install taskwarrior-mcp,运行环境为 未标注。装完后按客户端要求写进 MCP 配置,重启客户端生效。

Taskwarrior MCP 怎么在 Claude Desktop、Cursor 里配置?

它是stdio 本地进程,客户端配置里要写启动命令和参数,运行环境是 未标注;保存后完全退出客户端再打开,配置才会生效。

Taskwarrior MCP 收费吗?

本站只整理公开资料,不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

Taskwarrior MCP 需要 API Key 吗?

公开资料标注为无需认证,装好就能连;如果实际调用时报鉴权错误,按官方文档补上凭据。

Taskwarrior MCP 支持哪些客户端?

公开资料标注支持 Claude Desktop、Claude;其他客户端只要能配置 MCP Server,也能用同样的命令或地址接入。

来源信息

继续浏览同类 MCP