MCPlanManager

MCPlanManager - AI Agent 任务管理系统

一个简洁高效的任务管理器，专为 AI Agent 的长程任务执行而设计，支持MCP (Model Context Protocol) 标准。

🚀 快速开始 (推荐方式)

我们强烈推荐使用 uvx 来运行 MCPlanManager。uvx 允许您以一行命令轻松启动 MCP 服务，它会自动处理依赖管理和环境设置，确保您始终使用最新版本且避免复杂的依赖冲突。这种模式也为无缝部署到各种托管平台提供了基础。

1. 先决条件：安装 uv

如果您的系统中还没有 uv，请先执行以下命令安装（这只需要做一次）：

macOS / Linux:

Windows:

安装完成后，请重启您的终端或打开一个新的终端窗口。

2. 配置您的AI客户端

在Cursor、Continue.dev等支持MCP的客户端设置中，添加一个新的MCP服务器，并使用以下配置：

重启客户端后，MCPlanManager 的工具即可使用。无需手动安装依赖或配置Python环境！ uvx 会智能地从PyPI下载并运行服务。对于支持 uvx 的托管平台，只需配置其启动命令为 uvx mcplanmanager，即可实现自动化部署和弹性伸缩。

📚 备用方案：使用虚拟环境和pip

如果您不想安装 uv，也可以使用传统的Python虚拟环境。

1. 创建并激活虚拟环境
   python3 -m venv ~/.mcplanmanager-env source ~/.mcplanmanager-env/bin/activate # macOS / Linux # .\mcplanmanager-env\Scripts\activate # Windows
2. 安装包
   pip install mcplanmanager
3. 配置AI客户端 您需要告诉客户端 mcplanmanager 命令的具体路径。
   { "mcpServers": { "mcplanmanager": { // 注意：这里的路径需要是您虚拟环境中的绝对路径 // 例如: "/Users/yourname/.mcplanmanager-env/bin/mcplanmanager" "command": "<path_to_your_env>/bin/mcplanmanager" } } }

🛠️ 可用的MCP工具

安装配置成功后，您可以使用以下12个工具：

基础任务管理

• initializePlan - 初始化新的任务计划
• getCurrentTask - 获取当前正在执行的任务
• startNextTask - 开始下一个可执行的任务
• completeTask - 标记任务为完成状态
• failTask - 标记任务失败
• skipTask - 跳过指定任务

任务操作

• addTask - 添加新任务到计划中
• getTaskList - 获取任务列表（支持状态过滤）
• getExecutableTaskList - 获取当前可执行的任务列表
• getPlanStatus - 获取整个计划的状态

可视化和辅助

• visualizeDependencies - 生成依赖关系可视化（ASCII、树形、Mermaid格式）
• generateContextPrompt - 生成上下文提示词

📝 开发和贡献

本地开发

📄 许可证

MIT License - 详见 LICENSE 文件