MCP youtrack

MCPAI代理

提供方 PaoloL

AI代理 stdio · 本地进程 Token 社区 / 第三方 Claude
查看接入方式

一个基于LangGraph的多代理个人助理系统,通过对话AI管理日历事件和YouTrack问题。

一句话选型结论

按资料字段整理

MCP youtrack 属于AI代理类 MCP 服务器,stdio · 本地进程,Token,可直接接入 Claude,有可直接执行的安装命令。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AI代理 传输方式stdio · 本地进程 鉴权Token 部署方式本地部署
GitHub 星标 0 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

AI代理
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

多代理系统Python本地部署对话AI日历管理任务管理

安装与配置

stdio · 本地进程 Token
客户端在本机拉起子进程,数据不出本机
uv run python main_business.py

这条命令只是入口,具体启动参数请按官方文档补齐,不要直接照搬到别的服务器。

  1. 1
    准备运行环境

    stdio 服务在本地起进程,需要先装好 Python,再按安装命令拉取依赖。

  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
给代理接外部能力

让代理在任务中途调用搜索、数据库等真实工具。

多步任务编排

把一串操作拆成步骤,由代理按顺序执行。

自动化重复流程

把固定流程交给代理跑,减少手工操作。

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

  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。
  • 已适配 Claude,换客户端不用重新研究配置。

先想清楚的地方

  • stdio 方式要求本地装好运行时(如 Node.js),换机器要重新装一遍。
  • 使用前要准备好Token对应的凭据,并按最小权限配置。
  • 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AI代理场景里让模型直接调用外部能力的人。
  • 已经在用 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

  • 完全不想在本地装环境的人。
  • 不方便管理密钥或第三方授权的人。
  • 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
MCP youtrack当前 未标注 stdio · 本地进程 本地部署 有 2026-05-17
Filesystem 560c4363 13 未标注 本地部署 无 2026-05-17
Server Everything (everything) 11 stdio · 本地进程 本地部署 有 2026-05-17
Time 7365cb6d 2 SSE · 服务端推送 远程部署 有 2026-05-18
Everything Claude Code 未标注 stdio · 本地进程 本地部署 有 2026-05-17
Openmemory 557e1585 未标注 stdio · 本地进程 本地部署 有 2026-05-17

服务器档案

AI代理
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PaoloL上游标注的维护方 PaoloL
分类AI代理本站按上游分类展示
连接方式stdio · 本地进程客户端在本机拉起子进程,数据不出本机
鉴权方式Token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 · Python本地安装时用到的包标识与运行时
部署类型本地部署上游给出的部署形态
最近核验2026-05-17上游最后核验时间

详细介绍

3.4 KB
来自项目仓库与上游目录的原文,未做删改

LAP个人助理

使用LangGraph构建的多代理个人助理系统,通过对话式AI管理日历事件和YouTrack问题。

安装和设置

先决条件

  • Python 3.13+
  • 紫外线 包管理器

使用uv进行安装```bash

Clone the repository

git clone
cd LAP_PersonalAssistant

Install dependencies

uv sync

Set up environment variables

chmod +x set_env.sh
./set_env.sh


### 配置

1. 将您的API凭据添加到 `secrets/` 目录:
- `anthropic_token.txt` -无烟煤API键
- `yt_token.txt` -YouTrack代币
- `credentials.json` -谷歌日历凭据
- `token.json` -谷歌日历令牌

### 运行应用程序```bash
# Activate virtual environment and run
uv run python main_business.py

LangGraph利用率

该项目利用 LangGraph 创建分层多代理系统:

建筑

  • 主要主管:将用户请求路由到适当的专业代理
  • 代理节点:个人代理(日历管理器、YouTrack管理器)处理特定任务
  • 状态管理:共享 AgentState 跟踪对话流和代理输出

使用的关键LangGraph功能

  • StateGraph:管理代理工作流和状态转换
  • create_react_agent:创建具有工具访问权限的ReAct模式代理
  • InMemorySaver:提供对话检查点
  • 动态代理路由的条件边

工作流程

  1. 用户输入→ 主要主管
  2. 基于LLM的代理选择
  3. 专业代理执行
  4. 工具调用(日历/YouTrack API)
  5. 响应聚合

添加新代理

1.创建代理文件

创建 agents/new_agent_manager.py:```python
from langgraph.prebuilt import create_react_agent
from langchain_aws import ChatBedrock
from agent_state import AgentState
from tools.base_tools import BASE_TOOLS

def conversational_new_agent(state: AgentState):
print("NEW AGENT: Hello, I'm the New Agent")

Load prompt

with open("prompts/new_agent_prompt.txt", 'r') as f:
prompt = f.read().strip()

Configure LLM

llm = ChatBedrock(
model_id="eu.anthropic.claude-3-7-sonnet-20250219-v1:0",
model_kwargs={"temperature": 0}
)

Add agent-specific tools

tools = [your_custom_tools] + BASE_TOOLS

Create agent

agent = create_react_agent(llm, tools, prompt)

Conversation loop

while True:
request = input("YOU: ").strip()
if request.lower() in ['exit', 'quit', 'bye']:
break
response = agent.invoke({"messages": [{"role": "user", "content": request}]})
print("NEW AGENT:", response["messages"][-1].content)


### 2.创建代理提示

添加 `prompts/new_agent_prompt.txt` 根据代理人的具体指示。

### 3.更新主主管

在……里面 `main_business.py`:```python
# Import new agent
from agents.new_agent_manager import conversational_new_agent

# Add to supervisor prompt
"- NewAgentManager: for new agent tasks"

# Add to valid teams
valid_teams = ["YoutrackManager", "CalendarManager", "NewAgentManager"]

# Add node to graph
main_workflow.add_node("new_agent_node", conversational_new_agent)

# Add routing
"NewAgentManager": "new_agent_node"

# Add edge
main_workflow.add_edge("new_agent_node", END)

4.创建自定义工具(可选)

在中添加工具 tools/new_agent_tools.py 遵循现有模式。

项目结构```

LAP_PersonalAssistant/
├── agents/ # Agent implementations
├── tools/ # Tool definitions
├── prompts/ # Agent prompts
├── utils/ # Utility functions
├── secrets/ # API credentials
├── main_business.py # Main application
└── agent_state.py # Shared state definition
```

常见问题

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

在客户端按下面的安装命令接入:uv run python main_business.py。装完在客户端配置里引用同一个包或端点。

MCP youtrack 怎么在 Claude 里配置?

它的传输方式是stdio · 本地进程,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。

MCP youtrack 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。

MCP youtrack 需要 API Key 吗?

资料标注需要Token认证,使用前准备好对应凭据,并按最小权限配置。

MCP youtrack 支持哪些客户端?

资料标注支持 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。

MCP youtrack 能提供哪些能力?

资料显示能力标签包括 AI代理、Python、Claude、日程管理。具体工具清单以官方文档为准。

MCP youtrack 需要什么运行环境?

运行时为 Python;属于本地进程,需要在本机装好运行环境。

MCP youtrack 是本地还是远程?

它是本地进程(stdio),由客户端在本机拉起。传输方式为stdio · 本地进程。

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 2026-05-17。