MCP Tasks Organizer

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。

版本控制
文件系统
笔记
本地
Python
访问服务器

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

  1. claude.ai/download 安装 Claude for Desktop

  2. 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"]
        }
      }
    }
    
  3. 重启 Claude for Desktop

  4. 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

  1. 服务器在您的存储库根目录中创建一个 .tasks 文件夹
  2. 任务列表以基于 2-3 个单词描述的描述性文件名存储
  3. 当列表中的所有任务都完成时,该文件将使用 ✅ 前缀重命名
  4. 服务器解析来自 Cursor 代理的输入文本以提取任务
  5. 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
  6. 如果没有找到明确的任务,它会将内容组织成逻辑部分
  7. 结果可以随着任务的进展进行跟踪和更新

示例工作流程

  1. 代理建议对您的身份验证系统进行更改
  2. 您将此计划转换为任务列表:convert_plan_to_tasks(plan_text, "Auth System Refactor", "auth-refactor")
  3. 任务保存到 .tasks/auth-refactor.md
  4. 当您完成任务时,标记它们:mark_task_complete("auth-refactor", 1)
  5. 当所有任务都完成时:check_all_tasks_complete("auth-refactor")
  6. 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

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。

官方
精选
本地
TypeScript
Excel MCP Server

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。

精选
本地
Go
Playwright MCP Server

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。

精选
本地
TypeScript
MCP Package Docs Server

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。

精选
本地
TypeScript
Claude Code MCP

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)。

精选
本地
JavaScript
Apple MCP Server

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。

精选
本地
TypeScript
Gitingest-MCP

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。

精选
本地
Python
DuckDuckGo MCP Server

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。

精选
Python
YouTube Transcript MCP Server

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。

精选
Python
Tavily MCP Server

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。

精选
Python