English | 中文

MCP Shrimp 任务管理器

🚀 一个基于模型上下文协议 (MCP) 的智能任务管理系统，为 AI Agents 提供高效的编程工作流框架。

Shrimp 任务管理器引导 Agents 通过结构化的工作流程进行系统编程，增强任务记忆管理机制，有效避免冗余和重复的编码工作。

✨ 特性

• 任务规划与分析: 深入理解和分析复杂的任务需求
• 智能任务分解: 自动将大型任务分解为可管理的小任务
• 依赖管理: 精确处理任务之间的依赖关系，确保正确的执行顺序
• 执行状态跟踪: 实时监控任务执行进度和状态
• 任务完整性验证: 确保任务结果满足预期要求
• 任务复杂度评估: 自动评估任务复杂度并提供最佳处理建议
• 自动任务摘要更新: 任务完成后自动生成摘要，优化内存性能
• 任务记忆功能: 自动备份任务历史，提供长期记忆和参考能力

🔄 任务管理工作流

系统提供完整的任务管理生命周期：

1. 开始规划 plan_task: 分析任务问题，确定需求范围
2. 深入分析 analyze_task: 检查现有代码库以避免重复工作
3. 解决方案反思 reflect_task: 批判性地审查分析结果，确保全面的解决方案
4. 任务分解 split_tasks: 将复杂任务分解为更小的任务，建立清晰的依赖关系
5. 任务列表 list_tasks: 查看所有任务及其执行状态
6. 执行任务 execute_task: 执行特定任务，同时评估复杂度
7. 结果验证 verify_task: 全面检查任务完成情况
8. 任务完成 complete_task: 将任务标记为完成并生成报告，自动更新摘要
9. 任务管理 delete_task: 管理未完成的任务（已完成的任务保留在系统中）
10. 查询任务 query_task: 使用关键字在过去的记忆中搜索相关任务
11. 显示任务 get_task_detail: 显示完整的任务指导

🧠 任务记忆功能

Shrimp 任务管理器具有长期记忆能力，自动保存任务执行历史，并在规划新任务时提供参考经验。

主要特性

• 系统自动将任务备份到内存目录
• 备份文件按时间顺序命名，格式为 tasks_backup_YYYY-MM-DDThh-mm-ss.json
• 任务规划 Agents 自动收到有关如何使用记忆功能的指导

优势和益处

• 避免重复工作: 参考过去的任务，无需从头解决类似的问题
• 从成功经验中学习: 利用经过验证的有效解决方案，提高开发效率
• 学习和改进: 识别过去的错误或低效的解决方案，不断优化工作流程
• 知识积累: 随着系统使用量的增加，形成不断扩展的知识库

通过有效利用任务记忆功能，系统可以不断积累经验，智能水平和工作效率不断提高。

📚 文档资源

• 系统架构: 详细的系统设计和数据流解释
• Prompt 自定义指南: 通过环境变量自定义工具提示的说明

🔧 安装和使用

通过 Smithery 安装

要通过 Smithery 为 Claude Desktop 自动安装 Shrimp 任务管理器：

npx -y @smithery/cli install @cjo4m06/mcp-shrimp-task-manager --client claude

手动安装

# 安装依赖
npm install

# 构建并启动服务
npm run build

🔌 与 MCP 兼容的客户端一起使用

Shrimp 任务管理器可以与任何支持模型上下文协议的客户端一起使用，例如 Cursor IDE。

在 Cursor IDE 中配置

Shrimp 任务管理器提供两种配置方法：全局配置和项目特定配置。

全局配置

1. 打开 Cursor IDE 全局配置文件（通常位于 ~/.cursor/mcp.json）
2. 在 mcpServers 部分添加以下配置：

{
  "mcpServers": {
    "shrimp-task-manager": {
      "command": "node",
      "args": ["/mcp-shrimp-task-manager/dist/index.js"],
      "env": {
        "DATA_DIR": "/mcp-shrimp-task-manager/data"
      }
    }
  }
}

⚠️ 请将 /mcp-shrimp-task-manager 替换为您的实际路径。

项目特定配置

您还可以为每个项目设置专用配置，以便为不同的项目使用独立的数据目录：

1. 在项目根目录中创建一个 .cursor 目录
2. 在此目录中创建一个 mcp.json 文件，内容如下：

{
  "mcpServers": {
    "shrimp-task-manager": {
      "command": "node",
      "args": ["/path/to/mcp-shrimp-task-manager/dist/index.js"],
      "env": {
        "DATA_DIR": "/path/to/project/data" // 必须使用绝对路径
      }
    }
  }
}

⚠️ 重要配置说明

DATA_DIR 参数是 Shrimp 任务管理器存储任务数据、对话日志和其他信息的目录。正确设置此参数对于系统的正常运行至关重要。此参数必须使用绝对路径；使用相对路径可能会导致系统错误地定位数据目录，从而导致数据丢失或功能故障。

警告: 使用相对路径可能会导致以下问题：

• 找不到数据文件，导致系统初始化失败
• 任务状态丢失或无法正确保存
• 不同环境下的应用程序行为不一致
• 系统崩溃或无法启动

🔧 环境变量配置

Shrimp 任务管理器支持通过环境变量自定义 prompt 行为，允许您在不修改代码的情况下微调 AI 助手响应。您可以在配置中或通过 .env 文件设置这些变量：

{
  "mcpServers": {
    "shrimp-task-manager": {
      "command": "node",
      "args": ["/path/to/mcp-shrimp-task-manager/dist/index.js"],
      "env": {
        "DATA_DIR": "/path/to/project/data",
        "MCP_PROMPT_PLAN_TASK": "自定义规划指导...",
        "MCP_PROMPT_EXECUTE_TASK_APPEND": "附加执行说明...",
        "ENABLE_THOUGHT_CHAIN": "true"
      }
    }
  }
}

有两种自定义方法：

• 覆盖模式 (MCP_PROMPT_[FUNCTION_NAME]): 完全替换默认 prompt
• 追加模式 (MCP_PROMPT_[FUNCTION_NAME]_APPEND): 将内容添加到现有 prompt

此外，还有其他系统配置变量：

• DATA_DIR: 指定存储任务数据的目录
• ENABLE_THOUGHT_CHAIN: 控制任务规划工作流程中的思维模型。设置为 true（默认）时，系统会引导用户使用 process_thought 工具进行逐步推理。设置为 false 时，系统会直接使用 analyze_task 提交分析结果，跳过详细的思考过程。

有关自定义 prompt 的详细说明，包括支持的参数和示例，请参阅 Prompt 自定义指南。

💡 系统 Prompt 指导

Cursor IDE 配置

您可以启用 Cursor Settings => Features => Custom modes，并配置以下两种模式：

TaskPlanner 模式

你是一位专业的任务规划专家。你必须与用户互动，分析他们的需求，并收集项目相关的信息。最后，你必须使用 "plan_task" 来创建任务。当任务创建完成后，你必须对其进行总结，并告知用户使用 "TaskExecutor" 模式来执行任务。
你必须专注于任务规划。不要使用 "execute_task" 来执行任务。
严重警告：你是一位任务规划专家，你不能直接修改程序代码，你只能规划任务，你不能直接修改程序代码，你只能规划任务。

TaskExecutor 模式

你是一位专业的任务执行专家。当用户指定要执行的任务时，使用 "execute_task" 来执行任务。
如果没有指定任务，使用 "list_tasks" 来查找未执行的任务并执行它们。
当执行完成后，必须给出总结，告知用户结论。
你一次只能执行一个任务，当一个任务完成后，禁止你执行下一个任务，除非用户明确告诉你。
如果用户要求 "连续模式"，所有任务将按顺序执行。

💡 根据您的需求选择合适的模式：

• 在规划任务时使用 TaskPlanner 模式
• 在执行任务时使用 TaskExecutor 模式

与其他工具一起使用

如果您的工具不支持自定义模式，您可以：

• 在不同阶段手动粘贴相应的 prompt
• 或者直接使用简单的命令，例如 请规划以下任务：...... 或 请开始执行任务...

🛠️ 可用工具概览

配置完成后，您可以使用以下工具：

类别	工具名称	描述
任务规划	plan_task	开始规划任务
任务分析	analyze_task	深入分析任务需求
解决方案评估	reflect_task	反思和改进解决方案概念
任务管理	split_tasks	将任务分解为子任务
	list_tasks	显示所有任务和状态
	query_task	搜索和列出任务
	get_task_detail	显示完整的任务详细信息
	delete_task	删除未完成的任务
任务执行	execute_task	执行特定任务
	verify_task	验证任务完成情况
	complete_task	将任务标记为已完成

🔧 技术实现

• Node.js: 高性能 JavaScript 运行时环境
• TypeScript: 提供类型安全开发环境
• MCP SDK: 用于与大型语言模型无缝交互的接口
• UUID: 生成唯一且可靠的任务标识符

📄 许可证

本项目根据 MIT 许可证发布