11 KiB
Raw Blame History

MCP 蝦米任務管理器

基於 Model Context Protocol (MCP)的任務管理系統,幫助 Agent 有效管理和執行任務。

功能特點

  1. 任務規劃與分析:幫助 Agent 理解和分析複雜任務
  2. 任務拆分:將大型任務拆分為可管理的小任務
  3. 依賴管理:處理任務間的依賴關係,確保正確的執行順序
  4. 執行追蹤:監控任務執行進度和狀態
  5. 任務驗證:確保任務符合預期要求
  6. 工作日誌:記錄和查詢對話歷史,提供任務執行過程的完整紀錄
  7. 刪除任務:刪除未完成狀態的任務,維護任務列表整潔
  8. 任務複雜度評估:自動評估任務複雜度並提供處理建議
  9. 任務摘要自動更新:完成任務時自動更新摘要,優化記憶效能

任務管理工作流程

本系統提供了完整的任務工作流程:

  1. 開始規劃 (plan_task):分析任務問題,確定任務範圍
  2. 分析問題 (analyze_task):深入分析,檢查現有代碼庫避免重複
  3. 反思構想 (reflect_task):批判性審查分析結果,確保方案完善
  4. 拆分任務 (split_tasks):將大任務拆分為小任務,建立依賴關係
  5. 列出任務 (list_tasks):查看所有任務及其狀態
  6. 執行任務 (execute_task):執行特定任務,同時評估任務複雜度
  7. 檢驗任務 (verify_task):檢查任務完成情況
  8. 完成任務 (complete_task):標記任務完成並提供報告,更新摘要
  9. 刪除任務 (delete_task):刪除未完成的任務(不能刪除已完成任務)

新增功能詳情

刪除任務功能

允許刪除未完成狀態的任務,但禁止刪除已完成的任務。系統會檢查任務狀態和依賴關係,確保安全刪除。

// 刪除特定任務
await mcp.mcp_shrimp_task_manager.delete_task({
  taskId: "task-uuid-here",
});

更多詳情請參閱 API 參考文檔使用指南

任務複雜度自適應處理

系統會在執行任務時自動評估任務複雜度,並根據複雜度提供適當的處理建議。支持四個複雜度級別:低複雜度、中等複雜度、高複雜度和極高複雜度。

複雜度評估基於多種指標:

  • 任務描述長度
  • 依賴任務數量
  • 注記長度

更多詳情請參閱 API 參考文檔使用指南

任務摘要自動更新機制

當任務完成時,系統會自動生成或使用提供的摘要信息,優化 LLM 的記憶效能。

// 提供自定義摘要
await mcp.mcp_shrimp_task_manager.complete_task({
  taskId: "task-uuid-here",
  summary: "詳細的任務完成摘要...",
});

// 或使用自動生成的摘要
await mcp.mcp_shrimp_task_manager.complete_task({
  taskId: "task-uuid-here",
});

更多詳情請參閱 API 參考文檔使用指南

工作日誌功能

功能概述

工作日誌系統記錄 MCP 與 LLM 之間的關鍵對話內容,主要目的是:

  1. 保存執行脈絡:記錄任務執行過程中的關鍵決策和事件
  2. 提供可追溯性:方便回溯查看歷史操作和決策理由
  3. 知識累積:積累經驗知識,避免重複解決相同問題
  4. 效能分析:提供數據支持,幫助分析系統效能和改進方向

系統會自動在以下關鍵時刻記錄日誌:

  • 任務執行開始時
  • 關鍵決策點
  • 任務驗證過程中
  • 任務完成時

如何使用日誌查詢工具

系統提供兩個主要的日誌管理工具:

1. 查詢日誌 (list_conversation_log)

const logResult = await mcp.mcp_shrimp_task_manager.list_conversation_log({
  taskId: "任務ID", // 選填,按特定任務過濾
  startDate: "2025-01-01T00:00:00Z", // 選填開始日期ISO格式
  endDate: "2025-12-31T23:59:59Z", // 選填結束日期ISO格式
  limit: 20, // 選填每頁顯示數量預設20最大100
  offset: 0, // 選填分頁起始位置預設0
});

參數說明:

  • taskId:按任務 ID 過濾日誌
  • startDate查詢開始日期ISO 格式字串
  • endDate查詢結束日期ISO 格式字串
  • limit:每頁顯示的記錄數量,預設 20最大 100
  • offset:分頁偏移量,用於實現分頁查詢

2. 清除日誌 (clear_conversation_log)

const clearResult = await mcp.mcp_shrimp_task_manager.clear_conversation_log({
  confirm: true, // 必填,確認刪除操作
});

注意:清除操作不可逆,請謹慎使用。

日誌數據結構

工作日誌的核心數據結構為 ConversationEntry

interface ConversationEntry {
  id: string; // 唯一識別符
  timestamp: Date; // 記錄時間
  participant: ConversationParticipant; // 對話參與者MCP或LLM
  summary: string; // 消息摘要,僅記錄關鍵信息
  relatedTaskId?: string; // 關聯的任務ID選填
  context?: string; // 額外上下文信息(選填)
}

enum ConversationParticipant {
  MCP = "MCP", // 系統方
  LLM = "LLM", // 模型方
}

日誌以 JSON 格式存儲在 data/conversation_log.json 文件中,當記錄數量超過閾值時,系統會自動將舊日誌歸檔並創建新的日誌文件。

開發者指南:擴展或修改日誌功能

關鍵文件

  1. 類型定義src/types/index.ts

    • 包含 ConversationEntryConversationParticipant 等核心類型定義
  2. 模型層src/models/conversationLogModel.ts

    • 包含所有日誌相關的數據操作函數
    • 日誌文件的讀寫、查詢、歸檔等功能
  3. 工具層src/tools/logTools.ts

    • 提供給外部調用的日誌工具函數
    • 實現格式化輸出和參數處理
  4. 摘要提取src/utils/summaryExtractor.ts

    • 從完整對話中提取關鍵信息的工具
    • 使用關鍵詞匹配和重要性評分算法

如何擴展

  1. 添加新的日誌查詢方式

    • conversationLogModel.ts 中添加新的查詢函數
    • logTools.ts 中創建相應的工具函數
    • index.ts 中註冊新工具
  2. 修改日誌存儲方式

    • 日誌默認以 JSON 文件形式存儲,可修改 conversationLogModel.ts 改用數據庫存儲
    • 同時更新相關的讀寫函數
  3. 優化摘要提取算法

    • 可在 summaryExtractor.ts 中增強或替換摘要提取算法
    • 考慮添加基於機器學習的摘要方法
  4. 添加新的日誌觸發點

    • 在關鍵流程中調用 addConversationEntry 函數添加新的日誌記錄點

任務依賴關係

系統支持兩種方式指定任務依賴:

  1. 通過任務名稱(推薦):使用任務名稱直接引用依賴任務,更直觀易讀

    {
      "name": "實現前端表單",
      "dependencies": ["設計UI界面", "定義API規格"]
    }
    
  2. 通過任務 ID:使用任務的唯一標識符,適用於需要精確引用的場景

    {
      "name": "部署應用",
      "dependencies": ["a1b2c3d4-e5f6-g7h8-i9j0-k1l2m3n4o5p6"]
    }
    

這種靈活的依賴指定方式讓您可以在同一批次創建的任務間建立依賴關係,無需預先知道任務 ID。

文檔資源

安裝與使用

# 安裝依賴
npm install

# 啟動服務
npm run build

在支援 MCP 的客戶端中使用

蝦米任務管理器可以與任何支援 Model Context Protocol 的客戶端一起使用,例如 Cursor IDE。

在 Cursor IDE 中配置

蝦米任務管理器提供兩種配置方式:全局配置和專案特定配置。

全局配置

  1. 打開 Cursor IDE 的全局設定檔案(通常位於 ~/.cursor/mcp.json
  2. mcpServers 部分添加蝦米任務管理器的配置
{
  "mcpServers": {
    "shrimp-task-manager": {
      "command": "node",
      "args": ["/mcp-shrimp-task-manager/dist/index.js"],
      "env": {
        "DATA_DIR": "/mcp-shrimp-task-manager/data"
      }
    }
  }
}

請將 /mcp-shrimp-task-manager 替換為實際的路徑。

專案特定配置

您也可以在每個專案中設定專屬的配置,這樣能夠針對不同專案使用不同的數據目錄:

  1. 在專案根目錄創建 .cursor 目錄
  2. 在該目錄下創建 mcp.json 文件,內容如下:
{
  "mcpServers": {
    "shrimp-task-manager": {
      "command": "node",
      "args": ["/path/to/mcp-shrimp-task-manager/dist/index.js"],
      "env": {
        "DATA_DIR": "/path/to/project/data" // 必須使用絕對路徑
      }
    }
  }
}

DATA_DIR 參數是蝦米任務管理器存儲任務數據、對話記錄等信息的目錄,正確設置此參數對於系統的正常運行至關重要。此參數必須使用絕對路徑,使用相對路徑可能導致系統無法正確定位數據目錄,造成數據丟失或功能失效。

警告DATA_DIR 參數僅支援絕對路徑設置。使用相對路徑可能導致以下問題:

  • 數據檔案找不到,導致系統初始化失敗
  • 任務狀態丟失或無法正確保存
  • 應用程式在不同環境下行為不一致
  • 系統崩潰或無法啟動

更多關於專案特定配置的詳細說明和最佳實踐,請參閱使用指南:專案特定配置

可用的工具

在 Cursor IDE 中,配置完成後,您可以使用以下工具:

  • 開始規劃plan_task
  • 分析問題analyze_task
  • 反思構想reflect_task
  • 拆分任務split_tasks
  • 列出任務list_tasks
  • 執行任務execute_task
  • 檢驗任務verify_task
  • 完成任務complete_task
  • 刪除任務delete_task
  • 查詢日誌list_conversation_log
  • 清除日誌clear_conversation_log

使用範例

在 Cursor IDE 中,您可以這樣使用蝦米任務管理器:

// 開始規劃一個任務
const planResult = await mcp.mcp_shrimp_task_manager.plan_task({
  description: "開發一個用戶註冊系統",
  requirements: "需要支持電子郵件和社交媒體登入",
});

// 拆分任務
const splitResult = await mcp.mcp_shrimp_task_manager.split_tasks({
  isOverwrite: false,
  tasks: [
    {
      name: "設計用戶界面",
      description: "創建用戶友好的註冊表單界面",
      notes: "需要遵循品牌設計指南",
    },
    {
      name: "實現後端API",
      description: "開發用戶註冊和驗證API",
      dependencies: ["設計用戶界面"], // 使用任務名稱引用依賴
    },
  ],
});

// 執行任務
const executeResult = await mcp.mcp_shrimp_task_manager.execute_task({
  taskId: "task-uuid-here", // 可從list_tasks獲取
});

技術實現

  • Node.jsJavaScript 運行時環境
  • TypeScript:提供類型安全
  • MCP SDK:用於與大型語言模型互動
  • UUID:生成唯一任務標識符

許可協議

MIT