Task Manager MCP Server

MCP开发工具

提供方 jhawkins11

开发工具 未标注 无需鉴权 社区 / 第三方 CursorClaude

Node.js MCP server using LLMs (Gemini/OpenRouter) for AI-assisted task planning, breakdown, and code review. Designed for Cursor integration.

一句话选型结论

按资料字段整理

Task Manager MCP Server 属于开发工具类 MCP 服务器,传输方式未标注,无需鉴权,可直接接入 Cursor、Claude,没有现成安装命令,需按官方文档接入。接入前先确认权限范围;涉及写入、删除或付款的操作,建议先在测试环境验证。

分类开发工具 传输方式未标注 鉴权无需鉴权 部署方式未标注
GitHub 星标 21 仓库热度,无公开仓库时显示未标注
工具数 未标注 暴露给模型的工具数量
资源 / 提示词 0 / 0 资源与提示词模板数量
维护方 社区 / 第三方 核验等级 仅资料核对

工具与能力

开发工具
数量来自来源目录的标注,具体工具清单以官方文档为准
工具数量未标注暴露给模型可调用的工具个数
资源数量0可读取的资源条目
提示词数量0内置提示词模板数量

能力标签

支持客户端

适用场景

developer-toolstask-managerai-assistantcode-reviewAI编程辅助TypeScript本地部署任务管理

安装与配置

未标注 无需鉴权
上游未给出传输方式
  1. 1
    准备运行环境

    按官方文档确认运行环境(常见为 Node.js 或 Python),装好后再执行安装命令。

  2. 2
    安装服务

    复制上面的安装命令执行;命令里带占位符的位置,换成自己的密钥或路径。

  3. 3
    写入客户端配置

    在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4
    验证是否可用

    连接成功后随便调一个只读工具,确认能返回结果,再接入正式流程。

典型使用场景

3 类
按分类与标签整理的常见用法,具体以官方文档为准
代码与仓库操作

在对话里直接查代码、提 issue、走 PR,省掉来回切工具。

本地命令与脚本

把构建、测试、格式化这类重复命令交给模型执行。

接口联调与测试

让模型调你的接口、跑一遍用例,快速定位问题。

选择建议

选之前先看这几条
按条目字段给出的判断,不替你决定用不用

值得选的地方

  • 已适配 Cursor、Claude,换客户端不用重新研究配置。
  • 资料标注无需鉴权,装好就能连。

先想清楚的地方

  • 没有现成安装命令,需要按官方文档自己填启动命令和参数。
  • 资料没标注工具数量,实际能力要装好后确认。
  • 版本更新与行为细节以官方仓库为准。

更适合

  • 需要在开发工具场景里让模型直接调用外部能力的人。
  • 已经在用 Cursor、Claude 的用户,接入路径最短。
  • 想先快速试一下、能接受在本地或自有环境跑服务的人。

不太适合

  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

6 个同类
同分类里挑最接近的几条,字段以各自详情页为准
MCP 服务器工具数传输方式部署方式安装命令最后核验
Task Manager MCP Server当前 未标注 未标注 未标注 无 2026-05-18
Git 838e2ec1 12 stdio · 本地进程 本地部署 有 2026-05-17
Markitdown MCP 2c653a5f 1 stdio · 本地进程 本地部署 有 2026-05-17
JavaGuide 未标注 stdio · 本地进程 本地部署 有 2026-04-11
awesome-claude-skills 未标注 stdio · 本地进程 本地部署 有 2026-04-26
Context7 831acf40 未标注 stdio · 本地进程 本地部署 有 2026-05-17

服务器档案

开发工具
字段来自项目仓库与公开索引,中文说明由本站标注
提供方jhawkins11上游标注的维护方 jhawkins11
分类开发工具本站按上游分类展示
连接方式未标注上游未给出传输方式
鉴权方式无需鉴权远程服务建议用最小权限凭据
维护方社区 / 第三方核验等级 仅资料核对
包名 / 运行时未标注 · 未标注本地安装时用到的包标识与运行时
部署类型未标注上游给出的部署形态
最近核验2026-05-18上游最后核验时间

详细介绍

10.2 KB
来自项目仓库与上游目录的原文,未做删改

任务管理器MCP服务器

这是一个MCP服务器,旨在与Cursor等AI代码编辑器集成。这里的主要目标是在围绕Cursor极其有限的上下文窗口工作的同时,最大限度地提高Cursor的代理能力和Gemini 2.5的出色架构能力。这在很大程度上受到了Roo Code的Boomerang模式的启发,但我发现它非常昂贵,因为唯一与它的应用机器人兼容的型号是Claude 3.7 Sonnet。使用此服务器,您可以获得两全其美:无限制的上下文窗口和无限制的使用,只需支付Cursor每月20美元的订阅费用。

此外,它还包括一个Svelte UI,允许您查看任务列表和进度、手动调整计划和查看更改。

Svelte用户界面

核心功能

  • 复杂功能规划: 给它一个功能描述,它通过以下方式使用带有项目上下文的LLM repomix 为AI代理生成一个循序渐进的编码计划,然后对高强度任务进行递归任务分解。
  • 集成UI服务器: 运行Express服务器以提供静态前端文件,并为UI提供基本的API端点。在计划完成后或需要澄清时,在默认浏览器中打开UI,并显示任务列表和进度。
  • 无限上下文窗口: 使用Gemini 2.5的100万令牌上下文窗口 repomix需要时截断。
  • 对话历史: 在单独的JSON文件中跟踪每个功能的对话历史记录 .mcp/features/ 对于每个功能,允许Gemini 2.5在用户要求调整计划时有上下文。
  • 澄清工作流程: 处理LLM需要更多信息的情况,暂停计划并通过WebSockets与连接的UI交互。
  • 任务CRUD: 允许通过UI创建、读取、更新和删除任务。
  • 代码审查: 分析 git diff HEAD 使用LLM输出,并在需要时创建新任务。
  • 自动审核(可选): 如果已配置(AUTO_REVIEW_ON_COMPLETION=true),在功能的最后一个原始任务完成后自动运行代码审查过程。
  • 计划调整: 允许在计划创建后通过以下方式进行调整 adjust_plan 工具。

设置

先决条件:

  • Node.js
  • npm
  • Git

安装和构建:

  1. 克隆:```bash
    git clone https://github.com/jhawkins11/task-manager-mcp.git
    cd task-manager-mcp

1. **安装后端部件:**```bash
npm install
  1. 配置: 稍后您将直接在Cursor的MCP设置中配置API密钥(请参阅使用部分),但您可能仍然需要本地 .env 手动测试文件(请参阅配置部分)。

  2. 构建: 此命令构建后端和前端服务器,并将Svelte UI复制到 dist/frontend-ui/ 目录。```bash
    npm run build


### 运行服务器(手动):

用于本地测试 _没有_ Cursor,您可以直接使用Node或npm脚本运行服务器。这种方法 **将** 使用 `.env` 配置文件。

**直接使用节点(使用绝对路径):**```bash
node /full/path/to/your/task-manager-mcp/dist/server.js

使用npm start:```bash
npm start


这将启动MCP服务器(stdio)、WebSocket服务器和UI的HTTP服务器。用户界面应可在以下位置访问http://localhost:\(默认值3000)。

### 配置(手动运行的.env文件):

如果手动运行(不通过Cursor),请在API键和端口的项目根目录中创建一个.env文件。注意:当通过Cursor运行时,这些应该在Cursor的mcp.json配置中设置(请参阅用法部分)。```bash
# .env - USED ONLY FOR MANUAL `npm start` or `node dist/server.js`
# === OpenRouter (Recommended) ===

# Get key: https://openrouter.ai/keys
OPENROUTER_API_KEY=sk-or-v1-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
OPENROUTER_MODEL=google/gemini-2.5-flash-preview:thinking
FALLBACK_OPENROUTER_MODEL=google/gemini-2.5-flash-preview:thinking

# === Google AI API (Alternative) ===
# GEMINI_API_KEY=your_google_ai_api_key
# GEMINI_MODEL=gemini-1.5-flash-latest
# FALLBACK_GEMINI_MODEL=gemini-1.5-flash-latest

# === UI / WebSocket Ports ===
# Default is 4999 if not set.
UI_PORT=4999
WS_PORT=4999

# === Auto Review ===
# If true, the agent will automatically run the 'review_changes' tool after the last task is completed.
# Defaults to false.
AUTO_REVIEW_ON_COMPLETION=false

避免成本

重要: 强烈建议将您自己的Google AI API密钥集成到OpenRouter中,以避免免费模型的费率限制。见下文。

使用OpenRouter的免费层: 您可以通过使用OpenRouter上标记为“免费”的模型(如google/ggemini-2.5flash-preview:在撰写时思考),同时连接您自己的google AI API密钥,从而显著降低或消除成本。查看此reddit帖子以获取更多信息:https://www.reddit.com/r/ChatGPTCoding/comments/1jrp1tj/a_simple_guide_to_setting_up_gemini_25_pro_free/

后备成本: 如果主服务器达到速率限制,服务器会自动使用回退模型重试。默认的回退(fallback_OPENROUTER_MODEL)通常是更快/更便宜的型号,如Gemini Flash,根据OPENROUTER当前的定价/等级,它可能仍有相关成本。检查他们的网站,必要时调整配置中的回退模型。

使用游标(任务管理器模式)

这是使用此服务器的主要方式。我还没有用其他AI代码编辑器测试过它。如果你尝试一下,请告诉我进展如何,我会更新README。

1.在游标中配置MCP服务器:

构建服务器后(npm run build),您需要告诉Cursor如何运行它。

查找Cursor的MCP配置文件。这可以是:

  • 项目具体: 在以下位置创建/编辑文件 .cursor/mcp.json 在项目的根目录中。
  • 全球的: 在以下位置创建/编辑文件 ~/.cursor/mcp.json 在您的用户主目录中(用于所有项目)。

将以下条目添加到该JSON文件中的mcpServers对象中:```json
{
"mcpServers": {
"task-manager-mcp": {
"command": "node",
"args": ["/full/path/to/your/task-manager-mcp/dist/server.js"],
"env": {
"OPENROUTER_API_KEY": "sk-or-v1-xxxxxxxxxxxxxxxxxxxx"
// optional: my recommended model for MCP is Gemini 2.5 Pro Free which is already set by default
// "OPENROUTER_MODEL": "google/gemini-2.5-flash-preview:thinking",
// also optional
// "FALLBACK_OPENROUTER_MODEL": "google/gemini-2.5-flash-preview:thinking",
// optional: the default port for the UI is 4999 if not set
// "UI_PORT": "4999",
// optional: the default port for the WebSocket server is 4999 if not set
// "WS_PORT": "4999"
// Add GEMINI_API_KEY here instead if using Google directly
// Add any other necessary env vars here
}
}
// Add other MCP servers here if you have them
}
}


**重要:**

- 替换 `/full/path/to/your/task-manager-mcp/dist/server.js` 使用计算机上编译的服务器脚本的绝对路径。
- 替换 `sk-or-v1-xxxxxxxxxxxxxxxxxxxx` 使用实际的OpenRouter API密钥(或者如果直接使用Google AI,则设置GEMINI_API_key)。
- 当Cursor启动服务器进程时,这里定义的这些环境变量将传递给服务器进程,覆盖任何 `.env` 文件。

### 2.创建自定义光标模式:

1. 转到光标设置->功能->聊天->启用自定义模式。
1. 返回聊天视图,单击模式选择器(左下角),然后单击添加自定义模式。
1. 给它起个名字(例如“MCP Planner”、“Task Dev”),选择一个图标/快捷方式。
1. 启用工具:确保此服务器公开的工具(`plan_feature`, `mark_task_complete`, `get_next_task`, `review_changes`, `adjust_plan`)可用于此模式并已启用。根据您的工作流程,您可能需要启用其他工具,如Codebase、Terminal等。
1. 代理推荐说明:将这些规则准确粘贴到“自定义说明”文本框中:```
Always use plan_feature mcp tool when getting feature request before doing anything else. ALWAYS!!!!!!!! It will return the first step of the implementation. DO NOT IMPLEMENT MORE THAN WHAT THE TASK STATES. After you're done run mark_task_complete which will give you the next task. If the user says "review" use the review_changes tool. The review_changes tool will generate new tasks for you to follow, just like plan_feature. After a review, follow the same one-at-a-time task completion workflow: complete each review-generated task, mark it complete, and call get_next_task until all are done.

If clarification is required at any step, you will not receive the next task and will have to run get_next_task manually after the user answers the clarification question through the UI.

IMPORTANT: Your job is to complete the tasks one at a time. DO NOT DO ANY OTHER CHANGES, ONLY WHAT THE CURRENT TASK SAYS TO DO.
  1. 保存自定义模式。

预期工作流程(使用自定义模式):

  1. 在光标中选择新的自定义模式。
  2. 向Cursor发出功能请求(例如,“使用JWT添加身份验证”)。
  3. 游标将按照说明调用 plan_feature 工具。
  4. 服务器计划、保存数据,并向Cursor返回JSON响应(在文本内容内)。
    - 如果成功:响应包括 status: "completed" 以及第一个任务的描述 message 现场。UI(如果正在运行)已启动/更新。
    - 如果需要澄清:回复包括 status: "awaiting_clarification",the featureId,the uiUrl,以及代理等待和呼叫的说明 get_next_task 稍后。用户界面将启动/更新问题。
  5. Cursor仅实现所描述的任务(如果提供)。
  6. 如果需要澄清,用户在UI中回答,服务器恢复计划,并通过WebSocket更新UI。然后,代理按照指示呼叫 get_next_task 随着 featureId.
  7. 如果任务已完成,Cursor将调用 mark_task_complete (与 taskId 和 featureId).
  8. 服务器标记任务已完成,并在响应消息中返回下一个挂起的任务。
  9. 游标重复步骤4-8。
  10. 如果用户要求Cursor“查看”,它会调用 review_changes.

API端点(用于UI)

集成的Express服务器为前端提供了以下基本端点:

  • GET /api/features:返回现有功能ID的列表。
  • GET /api/tasks/:featureId:返回特定功能的任务列表。
  • GET /api/tasks:返回最近创建/修改的功能的任务。
  • GET /api/features/:featureId/pending-question:检查该功能是否有活动的澄清问题。
  • POST /api/tasks:为功能创建新任务。
  • PUT /api/tasks/:taskId:更新现有任务。
  • DELETE /api/tasks/:taskId:删除任务。
  • (静态文件):从以下位置提供文件 dist/frontend-ui/ (例如。, index.html).

常见问题

6 问
答案由本站依据条目字段整理,不引用上游原文
Task Manager MCP Server 怎么安装?

资料没有给出安装命令,请到官方仓库或文档按说明接入;这类条目多数是生态应用,或尚未发布可安装包。

Task Manager MCP Server 怎么在 Cursor、Claude 里配置?

它的传输方式未标注,在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,配置才会生效。

Task Manager MCP Server 收费吗?

本站不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

Task Manager MCP Server 需要 API Key 吗?

资料标注为无需认证,装好就能连;如果实际调用时报鉴权错误,按官方文档补上凭据。

Task Manager MCP Server 支持哪些客户端?

资料标注支持 Cursor、Claude;其他客户端只要能配置 MCP Server,也能用同样的命令或地址接入。

Task Manager MCP Server 能提供哪些能力?

资料显示能力标签包括 AI编程辅助、TypeScript、Claude、开发工具。具体工具清单以官方文档为准。

热门专题

按标签挑服务器
全部专题 →

服务器信息以作者仓库与官方文档为准;分类、传输方式与鉴权方式的中文说明为中文整理,最近核验 2026-05-18。