Landicefu Divide And Conquer MCP Server

🚀 分而治之與 conquer MCP 服務器

分而治之與 conquer MCP 服務器是一款助力 AI 代理管理和跟蹤複雜任務的工具。它能把大任務拆解成小任務，同時維護上下文信息，讓 AI 代理跨越多個對話完成任務，極大提升了任務處理的效率和質量。

🚀 快速開始

安裝步驟

1. 克隆源代碼：

   git clone https://github.com/divide-and-conquer-mcp/server.git
   

2. 安裝依賴：

   npm install
   

3. 啟動服務器：

   npm start
   

用法示例

基礎用法

創建新項目

1. 初始化項目目錄：

   mcp init my-project
   

2. 添加任務：

   mcp add-task --description "實現核心算法" --priority high
   

3. 查看進度：

   mcp list-tasks
   

高級用法

跨對話使用

在跨對話場景中，該服務器能有效維護上下文信息，確保 AI 代理準確跟蹤任務進度。

✨ 主要特性

• 任務分解：將大型任務分解為更小、可管理的任務。
• 進度跟蹤：跟蹤多輪對話中的進度。
• 上下文維護：維護所有任務相關的上下文信息。
• 決策與資源組織：組織任務的決策和資源記錄。
• 可擴展性：支持任意規模的任務分解。
• 持久化存儲：任務數據 persist 到本地文件。
• 日誌記錄：提供進度跟蹤和錯誤排查能力。
• 插件架構：支持自定義擴展。

📦 安裝指南

克隆源代碼

git clone https://github.com/divide-and-conquer-mcp/server.git

安裝依賴

npm install

啟動服務器

npm start

💻 使用示例

基礎用法

創建新項目

# 初始化項目目錄
mcp init my-project
# 添加任務
mcp add-task --description "實現核心算法" --priority high
# 查看進度
mcp list-tasks

高級用法

跨對話使用

在跨對話場景下，服務器能持續維護任務上下文，保證 AI 代理在不同對話中準確推進任務。

📚 詳細文檔

使用場景

1. 複雜軟件開發任務

當處理複雜的軟件開發任務時，AI 代理常常會因為上下文窗口限制而難以在一輪對話中完成所有步驟。Divide and Conquer MCP Server 可以讓代理：

• 將大任務分解為更小、可管理的子任務。
• 跟蹤多個對話中的進展。
• 維持否則會丟失的重要上下文信息。
• 組織任務的合致序列。
• 文檔化決策和資源。

2. 項目規劃與管理

對於項目規劃與管理類型的任務，該服務器可以：

• 建立結構化的項目計劃，包含子任務。
• 跟蹤進度和完成狀況。
• 維持上下文和需求信息。
• 文檔化決定和資源。
• 支持多對話中的協作。

3. 調研與分析

在進行調研與分析時，代理可以：

• 將研究問題分解為特定的研究領域。
• 跟蹤進度和研究成果。
• 維持上下文和背景信息。
• 文檔化來源和資源。
• 組織研究結果的結構化展示。

JSON 格式結構

該服務器使用以下 JSON 格式存儲任務信息：

{
  "task_description": "中等粒度的詳細描述，關於整個任務的最終目標。我們希望實現的最終成果。",
  
  "checklist": [
    {
      "done": false,
      "task": "簡短但全面的任務名稱",
      "detailed_description": "更長的描述，用於說明我們希望通過此任務實現什麼。",
      "context_and_plan": "相關信息、應該閱讀的文件以及其他任務的細節，以及此任務的詳細計劃。這通常是長的文字。"
    }
  ],
  
  "context_for_all_tasks": "所有任務清單中每個任務應該包含的信息。",
  
  "metadata": {
    "created_at": "ISO 時間戳記",
    "updated_at": "ISO 時間戳記",
    "progress": {
      "completed": 0,
      "total": 1,
      "percentage": 0
    },
    "tags": ["tag1", "tag2"],
    "priority": "high|medium|low",
    "estimated_completion_time": "ISO 時間戳記"
  }
}

配置存儲位置

• 文件路徑：%USERPROFILE%/.mcp_config/
• 默認設置：

  {
    "server_port": 3000,
    "log_level": "info",
    "enable_logging": true
  }
  

重要注意事項

⚠️ 重要提示

• 數據存儲：默認情況下，任務數據會 persist 到本地文件夾。請確保您有足夠的存儲空間。
• 網絡連接：服務器需要穩定的網絡連接來同步進度。斷線期間任何未保存的更改將丟失。
• 錯誤處理：在高負載情況下，可能會出現性能瓶頸。建議在生產環境中使用負載均衡。

💡 使用建議

在使用服務器時，定期檢查本地存儲的任務數據，確保數據安全。同時，保持網絡連接穩定，避免因網絡問題導致數據丟失。

🔧 技術細節

該服務器通過將大型任務分解為小任務，並維護任務的上下文信息，實現了 AI 代理在多輪對話中完成複雜任務的功能。它使用 JSON 格式存儲任務信息，方便數據的管理和維護。同時，服務器支持插件架構，可根據實際需求進行自定義擴展。

📄 許可證

此軟件遵守 MIT 設備蘘協議。完整的 LICENSE 文件可以在源代碼庫中找到。