tarefy-mcp

tarefy-mcp

Enables AI agents to access Tarefy tasks, internal team conversations, and public client conversations via MCP tools like get-task and login.

Category
访问服务器

README

@alanvncs/tarefy-mcp

Servidor MCP para o Tarefy. Expõe tarefas, conversas internas e conversas públicas para uso por agentes de IA (por exemplo no Cursor).

O que é o Tarefy

Tarefy é uma plataforma de gestão de tarefas e produtividade para equipes, empresas e freelancers: criar tarefas, atribuir responsáveis, definir prazos, acompanhar progresso e centralizar a comunicação. Este servidor MCP expõe as informações completas das tasks (dados gerais + conversas) para agentes de IA.


Instalação do MCP

No Cursor, edite ~/.cursor/mcp.json (ou o equivalente no seu sistema) e adicione:

{
  "mcpServers": {
    "tarefy": {
      "command": "npx",
      "args": ["@alanvncs/tarefy-mcp@latest"]
    }
  }
}

Reinicie o Cursor para carregar o servidor.


Ferramentas

login

Autentica no Tarefy para que as demais ferramentas possam usar a API.

Parâmetro Tipo Descrição
email opcional Email do usuário; se informado, o campo de email é preenchido no navegador.

Comportamento:

  1. Abre o Chrome (Playwright), acessa a página de login e aguarda o usuário fazer login (o email é preenchido automaticamente se informado).
  2. Obtém o cookie tarefy (token da API HTTP do Tarefy).
  3. Salva o token em ~/.tarefy-mcp/token.txt para uso pelas outras ferramentas.

Requisito: Chrome instalado (o Playwright usa o canal chrome).


get-task

Obtém os dados completos de uma task: dados gerais, conversas internas (equipe) e conversas públicas (cliente).

Parâmetro Tipo Descrição
taskId obrigatório ID da task, o mesmo da URL: https://app.tarefy.com/task/{{taskId}}.
prompt opcional Instruções sobre formato/conteúdo da resposta. Se omitido, retorna todos os dados em JSON.

Comportamento:

  1. Lê o token salvo por login (se não houver, retorna erro orientando a usar login primeiro).
  2. Obtém os dados gerais da task, as conversas internas e as conversas públicas pela API do Tarefy.
  3. Sem prompt: devolve um JSON no formato { task, comments, publicComments }. Com prompt: devolve o mesmo JSON precedido das instruções informadas (para o cliente/agente interpretar ou reformatar).

API do Tarefy (usada pelo servidor)

O servidor chama a API HTTP do Tarefy com os seguintes detalhes.

Headers em todas as requisições:

Content-Type: application/json
Authorization: Bearer <token>

O <token> é o valor do cookie tarefy obtido após o login (salvo em ~/.tarefy-mcp/token.txt).

Endpoints:

Recurso Método URL Observação
Dados da task GET https://app.tarefy.com/nodeapi/v2/tasks/{{taskId}} taskId = ID da URL da task (ex.: /task/12345 → 12345).
Conversas internas GET https://app.tarefy.com/nodeapi/task/comments?id={{ticketId}} ticketId = campo id retornado nos dados gerais da task.
Conversas públicas GET https://app.tarefy.com/nodeapi/task/comments/client?id={{ticketId}} Idem: ticketId = id dos dados gerais.
  • Conversas internas: alinhamentos da equipe, eventos sistêmicos (ex.: mudança de área); não visíveis para o cliente.
  • Conversas públicas: aprovações, prazos, pedidos de dados, dúvidas; visíveis para o cliente.

Desenvolvimento

Requisitos: Node ≥ 18, Bun (gerenciador de pacotes).

Comando Descrição
bun install Instalar dependências
bun run build Compilar TypeScript → build/
bun run start Rodar o servidor (node build/index.js)
bun run dev Rodar sem build (bun run src/index.ts)
bun run inspector Testar o servidor com MCP Inspector (build + UI em http://localhost:6274)
bun test Testes unitários
bun run lint ESLint
bun run format Prettier (formatação)

O binário publicado no npm é build/index.js (uso com npx ou como tarefy-mcp após instalação global).

Publicação no npm: o workflow do GitHub usa Trusted Publishing (OIDC); não é necessário configurar NPM_TOKEN. É preciso registrar o Trusted Publisher uma vez em npmjs.com → Package → Settings → Trusted publishing (repositório e nome do workflow: publish-npm.yml). O workflow dispara em push de tags v* (ex.: v0.1.2) ou manualmente. Para criar uma nova versão e publicar: bun run release (bump patch), ou bun run release -- minor / bun run release -- major. O script (TypeScript, rodado com Bun) faz o bump em package.json, commit com mensagem vX.Y.Z, tag e push; não precisa do GitHub CLI.


Licença

MIT

推荐服务器

Baidu Map

Baidu Map

百度地图核心API现已全面兼容MCP协议,是国内首家兼容MCP协议的地图服务商。

官方
精选
JavaScript
Playwright MCP Server

Playwright MCP Server

一个模型上下文协议服务器,它使大型语言模型能够通过结构化的可访问性快照与网页进行交互,而无需视觉模型或屏幕截图。

官方
精选
TypeScript
Magic Component Platform (MCP)

Magic Component Platform (MCP)

一个由人工智能驱动的工具,可以从自然语言描述生成现代化的用户界面组件,并与流行的集成开发环境(IDE)集成,从而简化用户界面开发流程。

官方
精选
本地
TypeScript
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
VeyraX

VeyraX

一个单一的 MCP 工具,连接你所有喜爱的工具:Gmail、日历以及其他 40 多个工具。

官方
精选
本地
graphlit-mcp-server

graphlit-mcp-server

模型上下文协议 (MCP) 服务器实现了 MCP 客户端与 Graphlit 服务之间的集成。 除了网络爬取之外,还可以将任何内容(从 Slack 到 Gmail 再到播客订阅源)导入到 Graphlit 项目中,然后从 MCP 客户端检索相关内容。

官方
精选
TypeScript
Kagi MCP Server

Kagi MCP Server

一个 MCP 服务器,集成了 Kagi 搜索功能和 Claude AI,使 Claude 能够在回答需要最新信息的问题时执行实时网络搜索。

官方
精选
Python
e2b-mcp-server

e2b-mcp-server

使用 MCP 通过 e2b 运行代码。

官方
精选
Neon MCP Server

Neon MCP Server

用于与 Neon 管理 API 和数据库交互的 MCP 服务器

官方
精选
Exa MCP Server

Exa MCP Server

模型上下文协议(MCP)服务器允许像 Claude 这样的 AI 助手使用 Exa AI 搜索 API 进行网络搜索。这种设置允许 AI 模型以安全和受控的方式获取实时的网络信息。

官方
精选