Taskboardai

TaskBoardAI是一個輕量級、基於文件的看板工具，專為AI代理設計，支持JSON文件存儲和MCP服務器集成，提供豐富的看板管理功能。

知識管理與記憶開發者工具 #看板管理 #AI集成 #JSON存儲 #MCP協議 .JavaScript

評分 : 2.5分

下載量 : 15

更新時間 : 2025-04-28

什麼是MCP服務器？

MCP服務器是一個基於Model Context Protocol的工具，允許您通過任何支持MCP的AI工具（如Claude Code、Cursor等）創建、管理和更新任務板。它使您的AI助手能夠更好地理解上下文並參與項目管理。

如何使用MCP服務器？

只需啟動服務器，然後在支持MCP的工具中添加服務器地址即可開始使用。您可以輕鬆地列出、創建、讀取和更新任務板。

適用場景

適合需要AI輔助的任務管理場景，例如團隊協作、項目跟蹤和智能決策。

主要功能

支持多種AI工具兼容Claude Code、Cursor等支持MCP協議的工具。

即時協作允許多人同時訪問和編輯同一任務板。

豐富的API接口提供全面的CRUD操作，便於自動化任務管理。

優勢與侷限性

優勢

提升AI助手的理解能力

簡化跨平臺任務協作

強大的API支持，易於集成

侷限性

需要額外安裝MCP客戶端工具

對網絡環境有一定依賴

如何使用

安裝MCP服務器

通過npm全局安裝或克隆倉庫進行本地部署。

啟動服務器

運行命令啟動MCP服務器，監聽端口默認為3002。

配置AI工具

在支持MCP的工具中添加服務器地址。

使用案例

列出所有任務板向AI助手請求查看所有可用的任務板。

創建新任務板指示AI助手創建一個新的任務板。

常見問題

MCP服務器是否支持外部任務板文件？

如何停止MCP服務器？

MCP服務器是否支持HTTPS？

🚀 任務板 AI

任務板 AI 是一款輕量級、基於文件的任務看板，專為 AI 代理量身打造。它還配備了用於人機協作的網絡界面，能極大提升工作效率。

✨ 主要特性

AIX 功能

JSON 文件存儲：將任務數據以 JSON 格式保存在本地文件中，方便數據管理與查看。
MCP 服務器集成：支持 Model Context Protocol (MCP)，可與支持 MCP 的工具（如 Claude Code、Cursor、Windsurf）無縫配合使用。

網絡功能

看板管理：可通過命令行或 MCP 代理輕鬆創建、更新和刪除看板。
Webhook 集成：支持 Webhooks，實現即時數據同步與服務集成，讓信息傳遞更及時。

📦 安裝指南

方式一：使用 npm

打開終端。
運行以下命令進行安裝：
```
npm install taskboardai
```
安裝完成後，在終端運行以下命令啟動服務：
```
node_modules/.bin/taskboardai start
```

方式二：從源代碼編譯

克隆倉庫：

git clone https://github.com/yourusername/taskboardai.git
cd taskboardai

安裝依賴：
```
npm install
```
啟動服務：
```
npm start
```

💻 使用示例

基本用法

列出所有看板

taskboardai list

創建新看板

taskboardai create --name "項目 X"

打開指定看板

taskboardai open --name "項目 X"

刪除看板

taskboardai delete --name "項目 X"

高級用法

MCP 代理控制

啟動 MCP 服務器：
```
taskboard-mcp start
```
同時啟動看板服務和 MCP 服務器：
```
taskboard-all start
```

Webhook 配置

添加 Webhook：

taskboardai webhook add --url "https://example.com/webhook"

測試 Webhook 連接狀態：
```
taskboardai webhook test --id 1
```

📚 詳細文檔

看板數據結構

看板數據以 JSON 格式存儲，包含以下字段：

{
  "名稱": "項目 X",
  "任務列表": [
    {
      "標題": "完成需求分析",
      "描述": "收集並整理用戶需求文檔",
      "優先級": "高",
      "狀態": "進行中",
      "開始時間": "2023-10-01",
      "截止時間": "2023-10-15"
    }
  ],
  "下一步計劃": [
    "評審需求文檔",
    "分配開發任務"
  ],
  "最後更新時間": "2023-10-05T18:30:00Z"
}

測試

執行所有測試

npm test

生成覆蓋報告

npm run test:coverage

監視模式運行測試

npm run test:watch

按類別運行測試

僅運行 MCP 服務器測試：

npm test -- --testPathPattern 'tests/.*mcp'

僅運行單元測試：
```
npm test -- tests/unit
```
僅運行集成測試：
```
npm test -- tests/integration
```

文檔生成

安裝依賴（如未安裝）

npm install

生成文檔（輸出目錄為 docs/api）

npm run docs

數據存儲位置

Linux/macOS：~/.taskboardai/
Windows：C:\Users\<username>\.taskboardai\

數據目錄包含：

boards/：你的看板 JSON 文件
config/：配置文件
webhooks/：Webhook 配置

🔧 技術細節

任務板 AI 的數據以 JSON 格式存儲，這種輕量級的數據格式便於存儲和處理。它支持 MCP 服務器集成，能夠與多種支持 MCP 的工具協同工作，實現更高效的人機協作。同時，通過 Webhook 集成，可實現即時數據同步，確保信息的及時性和準確性。在測試方面，提供了多種測試方式，包括按類別運行測試，方便開發者進行不同類型的測試。文檔生成功能也為開發者提供了便利，可快速生成 API 文檔。