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
