Aidderall MCP

🚀 Aidderall MCP 服務器

Aidderall 是一個用於分層任務管理的模型上下文協議（MCP）服務器實現，它為 AI 助手提供了一種認知輔助工具，幫助其在複雜的問題解決過程中保持專注和上下文連貫性。AI 助手在處理長期任務時往往面臨困難，部分原因在於它們在任何一個時間點能夠處理的信息量（上下文窗口）有限。Aidderall 通過為 AI 助手提供以下能力來解決這個問題：

• 專注力
• 帶有上下文信息的當前認知圖景地圖

可以將 Aidderall 想象成許多小的上下文窗口，它們幫助 AI 集中注意力並進行記憶！

🚀 快速開始

安裝步驟

1. 克隆倉庫：

git clone https://github.com/user/aidderall_mcp.git
cd aidderall_mcp

2. 創建並激活虛擬環境：

python -m venv venv
source venv/bin/activate  # 在 Windows 上使用：venv\Scripts\activate

3. 安裝依賴：

pip install -r requirements.txt

4. 若用於開發，安裝包含開發依賴的包：

pip install -e ".[dev]"

運行服務器

啟動 MCP 服務器：

python -m src.server

服務器通過 Python 模塊直接運行。

與 AI 助手集成

對於 Claude Code

如果已安裝 Claude Code，可以直接添加 Aidderall：

claude mcp add aidderall-mcp /path/to/aidderall_mcp/run_mcp.sh

手動配置

或者，將服務器添加到 MCP 配置中：

{
  "mcpServers": {
    "aidderall": {
      "command": "python",
      "args": ["-m", "src.server"]
    }
  }
}

✨ 主要特性

• 分層任務管理：創建主任務並通過子任務進行擴展。
• 專注強化：同一時間僅允許一個任務處於活動狀態。
• 上下文保留：維護麵包屑導航路徑和同級任務感知。
• 任務完成：以帶時間戳的方式存檔已完成的任務。
• 狀態持久化：跟蹤所有任務及其關係。

📦 安裝指南

1. 克隆倉庫：

git clone https://github.com/user/aidderall_mcp.git
cd aidderall_mcp

2. 創建並激活虛擬環境：

python -m venv venv
source venv/bin/activate  # 在 Windows 上使用：venv\Scripts\activate

3. 安裝依賴：

pip install -r requirements.txt

4. 若用於開發，安裝包含開發依賴的包：

pip install -e ".[dev]"

💻 使用示例

基礎用法

# 從根任務開始
create_new_task("Design new feature", "Research and design specs")

# 將其分解為子任務以進行組織
extend_current_task("Research requirements", "User research needed")
extend_current_task("Interview users", "Conduct user interviews")
extend_current_task("Analyze competitors", "Research competitor solutions")

# 使用 switch_focus 以任意順序處理任務
get_big_picture()  # 查看所有任務及其 ID
switch_focus("task-id-for-research")  # 跳轉到研究任務
complete_current_task()  # 完成後標記為已完成

# 跳轉到其他任何任務
switch_focus("task-id-for-interviews")  # 處理用戶訪談
# ... 進行一些工作 ...
switch_focus("task-id-for-competitors")  # 切換到競爭對手分析

# 創建並行工作流
create_new_task("Write documentation", "Document the new feature")
extend_current_task("API docs", "Write API documentation")
extend_current_task("User guide", "Write user guide")

# 自由地在不同工作流之間跳轉
switch_focus("task-id-for-design")  # 返回設計工作
switch_focus("task-id-for-api-docs")  # 跳轉到文檔編寫

# 按任意順序完成任務
complete_current_task()  # 完成當前專注的任務

# 查看所有任務 - 已完成的任務仍然可見
get_big_picture()
# 輸出顯示：
# Design new feature (pending)
#   Research requirements (completed)
#   Interview users (pending)
#   Analyze competitors (completed)
# Write documentation (pending)
#   API docs (completed)
#   User guide (pending)

# 通過移除已完成的任務清理工作區
remove_task("task-id-for-research")  # 從視圖中移除但保留在歷史記錄中

📚 詳細文檔

• 使用指南 - 關於如何讓 AI 助手有效使用 Aidderall 的全面指南。
• 技術規範 - 混合棧列表模型的詳細技術規範。
• AI 助手演變 - 關於將 AI 從無狀態神諭轉變為專注工作者的願景。
• 工作日誌 - 開發歷史和架構決策記錄。

🔧 技術細節

架構

• models.py - 核心數據結構（任務、主任務、子任務）。
• task_manager.py - 任務管理邏輯和狀態處理。
• handlers.py - MCP 命令實現。
• server.py - MCP 服務器入口點。

開發相關

運行測試

pytest -v

代碼覆蓋率

pytest --cov=src tests/

代碼格式化

black src tests
isort src tests

類型檢查

mypy src

📄 許可證

本項目採用 GNU 通用公共許可證 v3.0 或更高版本許可 - 詳情請參閱 LICENSE 文件。

版權所有 (C) 2024 Briam R. briamr@gmail.com