
MCP Tasks Organizer
一个 MCP 服务器,可以将 Cursor agent 计划转换为结构化的 Markdown 任务列表,并将其组织在您的存储库中,帮助您将 AI 生成的计划和建议作为可执行的规范进行跟踪。
README
MCP 任务组织器
一个 MCP 服务器,可以将 Cursor 代理计划转换为结构化的 Markdown 任务列表,并在您的存储库中组织它们。此服务器可帮助您将 AI 生成的计划和建议作为可操作的规范进行跟踪。
功能
- 自动从 Cursor 代理计划中提取任务
- 在您的存储库中创建一个
.tasks
文件夹,用于组织任务管理 - 使用描述性文件名(例如,“refactor-authentication.md”)以便于识别
- 自动用 ✅ 前缀标记已完成的任务列表
- 使用正确的 Markdown 结构格式化计划
- 将内容组织成概述、实施细节和下一步
- 与 Claude for Desktop 和其他 MCP 客户端集成
安装
前提条件
- Python 3.10 或更高版本
- pip 或其他 Python 包管理器
快速安装
对于基于 Unix 的系统(macOS、Linux):
# 克隆存储库
git clone https://github.com/yourusername/mcp-tasks-organizer.git
cd mcp-tasks-organizer
# 运行安装脚本
./install.sh
对于 Windows:
# 克隆存储库
git clone https://github.com/yourusername/mcp-tasks-organizer.git
cd mcp-tasks-organizer
# 运行安装脚本
install.bat
手动安装
# 克隆存储库
git clone https://github.com/yourusername/mcp-tasks-organizer.git
cd mcp-tasks-organizer
# 创建并激活虚拟环境(可选但推荐)
python -m venv venv
source venv/bin/activate # 在 Windows 上:venv\Scripts\activate
# 安装依赖项
pip install -r requirements.txt
# 安装包
pip install -e .
与 Claude for Desktop 一起使用
-
从 claude.ai/download 安装 Claude for Desktop
-
配置 Claude for Desktop 以使用此 MCP 服务器:
打开
~/Library/Application Support/Claude/claude_desktop_config.json
(macOS) 或%APPDATA%\Claude\claude_desktop_config.json
(Windows) 并添加:{ "mcpServers": { "tasks-organizer": { "command": "python", "args": ["-m", "tasks_organizer"] } } }
-
重启 Claude for Desktop
-
通过向 Claude 询问您的 cursor 计划来使用该服务器,例如:
- "Convert this cursor plan into a task list called 'Refactor Authentication' with description 'auth-refactor': [粘贴计划]"
- "Create a markdown task list from this cursor agent output with title 'Database Migration' and description 'db-migration': [粘贴输出]"
- "Mark task 2 in the auth-refactor task list as complete"
- "List all task files in my repository"
可用工具
服务器提供以下工具:
1. create_task_list
创建一个新的任务列表并将其保存到 .tasks 文件夹。
参数:
title
: 任务列表的标题description
: 文件名的简短 2-3 个单词的描述(例如,“refactor-authentication”)repo_path
: 存储库根目录的路径(默认为当前目录)include_metadata
: 是否包含创建日期/时间
2. convert_plan_to_tasks
将 Cursor 代理的计划文本转换为格式化的 Markdown 任务列表并保存它。
参数:
plan_text
: 来自 Cursor 代理的计划文本title
: 任务列表的标题description
: 文件名的简短 2-3 个单词的描述(例如,“refactor-authentication”)repo_path
: 存储库根目录的路径(默认为当前目录)include_metadata
: 是否包含日期和时间等元数据
3. add_task
将新任务添加到现有任务列表。
参数:
description
: 任务列表文件的描述标识符task_text
: 新任务的文本repo_path
: 存储库根目录的路径(默认为当前目录)section
: 将任务添加到哪个部分(默认为“Tasks”)
4. mark_task_complete
将特定任务标记为已完成。
参数:
description
: 任务列表文件的描述标识符task_number
: 要标记为已完成的任务的编号repo_path
: 存储库根目录的路径(默认为当前目录)section
: 任务所在的哪个部分(默认为“Tasks”)
5. check_all_tasks_complete
检查所有任务是否完成,并通过使用 ✅ 前缀重命名来将任务列表标记为已完成。
参数:
description
: 任务列表文件的描述标识符repo_path
: 存储库根目录的路径(默认为当前目录)
6. list_task_files
列出 .tasks 目录中的所有任务文件。
参数:
repo_path
: 存储库根目录的路径(默认为当前目录)include_completed
: 是否在输出中包含已完成的任务列表
工作原理
- 服务器在您的存储库根目录中创建一个
.tasks
文件夹 - 任务列表以基于 2-3 个单词描述的描述性文件名存储
- 当列表中的所有任务都完成时,该文件将使用 ✅ 前缀重命名
- 服务器解析来自 Cursor 代理的输入文本以提取任务
- 它使用各种模式匹配技术提取任务:
- 编号的步骤(1. 第一步)
- 项目符号 (* 项目一)
- 包含“should”、“must”、“need to”等关键字的类似任务的句子
- 如果没有找到明确的任务,它会将内容组织成逻辑部分
- 结果可以随着任务的进展进行跟踪和更新
示例工作流程
- 代理建议对您的身份验证系统进行更改
- 您将此计划转换为任务列表:
convert_plan_to_tasks(plan_text, "Auth System Refactor", "auth-refactor")
- 任务保存到
.tasks/auth-refactor.md
- 当您完成任务时,标记它们:
mark_task_complete("auth-refactor", 1)
- 当所有任务都完成时:
check_all_tasks_complete("auth-refactor")
- 该文件被重命名为
.tasks/✅auth-refactor.md
许可证
MIT
推荐服务器
Audiense Insights MCP Server
通过模型上下文协议启用与 Audiense Insights 账户的交互,从而促进营销洞察和受众数据的提取和分析,包括人口统计信息、行为和影响者互动。
Excel MCP Server
一个模型上下文协议服务器,使 AI 助手能够读取和写入 Microsoft Excel 文件,支持诸如 xlsx、xlsm、xltx 和 xltm 等格式。
Playwright MCP Server
提供一个利用模型上下文协议的服务器,以实现类人浏览器的自动化,该服务器使用 Playwright,允许控制浏览器行为,例如导航、元素交互和滚动。
MCP Package Docs Server
促进大型语言模型高效访问和获取 Go、Python 和 NPM 包的结构化文档,通过多语言支持和性能优化来增强软件开发。
Claude Code MCP
一个实现了 Claude Code 作为模型上下文协议(Model Context Protocol, MCP)服务器的方案,它可以通过标准化的 MCP 接口来使用 Claude 的软件工程能力(代码生成、编辑、审查和文件操作)。
Apple MCP Server
通过 MCP 协议与 Apple 应用(如“信息”、“备忘录”和“通讯录”)进行交互,从而使用自然语言发送消息、搜索和打开应用内容。
Gitingest-MCP
一个用于 gitingest 的 MCP 服务器。它允许像 Claude Desktop、Cursor、Cline 等 MCP 客户端快速提取关于 Github 仓库的信息,包括仓库摘要、项目目录结构、文件内容等。
DuckDuckGo MCP Server
一个模型上下文协议 (MCP) 服务器,通过 DuckDuckGo 提供网页搜索功能,并具有内容获取和解析的附加功能。
YouTube Transcript MCP Server
这个服务器用于获取指定 YouTube 视频 URL 的字幕,从而可以与 Goose CLI 或 Goose Desktop 集成,进行字幕提取和处理。
Tavily MCP Server
使用 Tavily 的搜索 API 提供 AI 驱动的网络搜索功能,使 LLM 能够执行复杂的网络搜索、获得问题的直接答案以及搜索最近的新闻文章。