克劳德任务主服务器

<a name="readme-top"></a>

<div align='center'> <a href="https://trendshift.io/repositories/13971" target="_blank"><img src="https://trendshift.io/api/badge/repositories/13971" alt="eyaltoledano%2Fclaude-task-master | Trendshift" style="width: 250px; height: 55px;" width="250" height="55"/></a> </div> <p align="center"> <a href="https://task-master.dev"><img src="./images/logo.png?raw=true" alt="Taskmaster logo"></a> </p> <p align="center"> <b>Taskmaster</b>: 一个用于AI驱动开发的任务管理系统，设计上可以无缝集成到任何AI聊天工具中。 </p> <p align="center"> <a href="https://discord.gg/taskmasterai" target="_blank"><img src="https://dcbadge.limes.pink/api/server/https://discord.gg/taskmasterai?style=flat" alt="Discord"></a> | <a href="https://docs.task-master.dev" target="_blank">文档</a> </p> <p align="center"> <a href="https://github.com/eyaltoledano/claude-task-master/actions/workflows/ci.yml"><img src="https://github.com/eyaltoledano/claude-task-master/actions/workflows/ci.yml/badge.svg" alt="CI"></a> <a href="https://github.com/eyaltoledano/claude-task-master/stargazers"><img src="https://img.shields.io/github/stars/eyaltoledano/claude-task-master?style=social" alt="GitHub stars"></a> <a href="https://badge.fury.io/js/task-master-ai"><img src="https://badge.fury.io/js/task-master-ai.svg" alt="npm 版本"></a> <a href="LICENSE"><img src="https://img.shields.io/badge/license-MIT%20with%20Commons%20Clause-blue.svg" alt="许可证"></a> </p> <p align="center"> <a href="https://www.npmjs.com/package/task-master-ai"><img src="https://img.shields.io/npm/d18m/task-master-ai?style=flat" alt="NPM 下载量"></a> <a href="https://www.npmjs.com/package/task-master-ai"><img src="https://img.shields.io/npm/dm/task-master-ai?style=flat" alt="NPM 下载量"></a> <a href="https://www.npmjs.com/package/task-master-ai"><img src="https://img.shields.io/npm/dw/task-master-ai?style=flat" alt="NPM 下载量"></a> </p>

由 @eyaltoledano 和 @RalphEcom

一个与Claude配合使用的AI驱动开发任务管理系统，设计上可以无缝集成到Cursor AI中。

文档

📚 查看完整文档

对于详细的指南、API参考和全面的例子，请访问我们的文档网站。

快速参考

以下文档也包含在 docs 目录中：

• 配置指南 - 设置环境变量并自定义Task Master
• 教程 - 逐步引导您开始使用Task Master
• 命令参考 - 所有可用命令的完整列表
• 任务结构 - 了解任务格式和特性
• 示例交互 - 常见的Cursor AI交互示例
• 迁移指南 - 指导您迁移到新的项目结构

快速安装（适用于Cursor 1.0+）（一键安装）

注意： 点击链接后，您仍需要在配置中添加您的API密钥。该链接会安装带有占位符密钥的MCP服务器，您需要将其替换为您实际的API密钥。

Claude Code快速安装

对于Claude Code用户：

claude mcp add taskmaster-ai -- npx -y task-master-ai

别忘了在配置中添加您的API密钥：

• 在项目的根目录下的.env文件中
• 在taskmaster-ai的mcp配置中的“env”部分

要求

Taskmaster利用AI跨多个命令，并且这些命令需要单独的API密钥。您可以使用来自不同AI提供商的各种模型，只要添加您的API密钥即可。例如，如果您想使用Claude 3.7，您需要一个Anthropic API密钥。

您可以定义三种类型的模型：主模型、研究模型和备用模型（如果主模型或研究模型失败时）。无论您使用哪种模型，其提供者的API密钥都必须存在于mcp.json或.env中。

至少需要以下之一：

• Anthropic API密钥（Claude API）
• OpenAI API密钥
• Google Gemini API密钥
• Perplexity API密钥（用于研究模型）
• xAI API密钥（用于研究或主模型）
• OpenRouter API密钥（用于研究或主模型）
• Claude Code（无需API密钥 - 需要Claude Code CLI）
• Codex CLI（通过ChatGPT订阅的OAuth - 需要Codex CLI）

使用研究模型是可选的，但强烈推荐。您至少需要一个API密钥（除非使用Claude Code或Codex CLI与OAuth）。添加所有API密钥可以让您随意切换模型提供商。

快速入门

方案1：MCP（推荐）

MCP（模型控制协议）允许您直接从编辑器运行Task Master。

1. 根据您的编辑器，在以下路径添加您的MCP配置

编辑器	范围	Linux/macOS路径	Windows路径	键
Cursor	全局	~/.cursor/mcp.json	%USERPROFILE%\.cursor\mcp.json	mcpServers
	项目	<project_folder>/.cursor/mcp.json	<project_folder>\.cursor\mcp.json	mcpServers
Windsurf	全局	~/.codeium/windsurf/mcp_config.json	%USERPROFILE%\.codeium\windsurf\mcp_config.json	mcpServers
VS Code	项目	<project_folder>/.vscode/mcp.json	<project_folder>\.vscode\mcp.json	servers
Q CLI	全局	~/.aws/amazonq/mcp.json		mcpServers

手动配置

Cursor & Windsurf & Q Developer CLI (mcpServers)

{
  "mcpServers": {
    "task-master-ai": {
      "command": "npx",
      "args": ["-y", "task-master-ai"],
      "env": {
        // "TASK_MASTER_TOOLS": "all", // 选项："all", "standard", "core", 或逗号分隔的工具列表
        "ANTHROPIC_API_KEY": "YOUR_ANTHROPIC_API_KEY_HERE",
        "PERPLEXITY_API_KEY": "YOUR_PERPLEXITY_API_KEY_HERE",
        "OPENAI_API_KEY": "YOUR_OPENAI_KEY_HERE",
        "GOOGLE_API_KEY": "YOUR_GOOGLE_KEY_HERE",
        "MISTRAL_API_KEY": "YOUR_MISTRAL_KEY_HERE",
        "GROQ_API_KEY": "YOUR_GROQ_KEY_HERE",
        "OPENROUTER_API_KEY": "YOUR_OPENROUTER_KEY_HERE",
        "XAI_API_KEY": "YOUR_XAI_KEY_HERE",
        "AZURE_OPENAI_API_KEY": "YOUR_AZURE_KEY_HERE",
        "OLLAMA_API_KEY": "YOUR_OLLAMA_API_KEY_HERE"
      }
    }
  }
}

🔑 将 YOUR_…_KEY_HERE 替换为您的真实API密钥。您可以删除不需要的密钥。

注意：如果您看到MCP设置中的“0个工具启用”，请重新启动编辑器并检查您的API密钥是否正确配置。

VS Code (servers + type)

{
  "servers": {
    "task-master-ai": {
      "command": "npx",
      "args": ["-y", "task-master-ai"],
      "env": {
        // "TASK_MASTER_TOOLS": "all", // 选项："all", "standard", "core", 或逗号分隔的工具列表
        "ANTHROPIC_API_KEY": "YOUR_ANTHROPIC_API_KEY_HERE",
        以下省略...
      },
      "type": "stdio"
    }
  }
}

🔑 将 YOUR_…_KEY_HERE 替换为您的真实API密钥。您可以删除不需要的密钥。

2. （仅限Cursor）启用Taskmaster MCP

打开Cursor设置（Ctrl+Shift+J）➡️点击左侧的MCP标签➡️使用开关启用task-master-ai

3. （可选）配置您想要使用的模型

在编辑器的AI聊天面板中说：

将主模型、研究模型和备用模型分别更改为<model_name>、<model_name>和<model_name>。

例如，要使用Claude Code（无需API密钥）：

将主模型更改为claude-code/sonnet

可用模型表 | Claude Code设置

4. 初始化Task Master

在编辑器的AI聊天面板中说：

在我的项目中初始化taskmaster-ai

5. 确保您有一个PRD（推荐）

对于新项目：在.taskmaster/docs/prd.txt创建您的PRD。 对于现有项目：您可以使用scripts/prd.txt或使用task-master migrate进行迁移。

初始化后可以在.taskmaster/templates/example_prd.txt找到一个示例PRD模板。

[!NOTE] 虽然复杂项目推荐使用PRD，但您也可以始终通过询问“你能帮我实现[您想要做的事情的描述]吗？”来创建单个任务。

始终以详细的PRD开始。

您的PRD越详细，生成的任务就会越好。

6. 常用命令

使用您的AI助手：

• 解析需求：你能解析我的PRD在scripts/prd.txt吗？
• 计划下一步：我接下来应该做什么任务？
• 实现一个任务：你能帮助我实现任务3吗？
• 查看多个任务：你能显示任务1、3和5吗？
• 扩展一个任务：你能帮助我扩展任务4吗？
• 研究最新信息：研究Node.js中实现JWT认证的最佳实践是什么？
• 带上下文的研究：研究我们当前在src/api.js中实现的React Query v5迁移策略

更多关于如何在聊天中使用Task Master的例子

方案2：使用命令行

安装

# 全局安装
npm install -g task-master-ai

# 或者在项目内本地安装
npm install task-master-ai

初始化新项目

# 如果全局安装
task-master init

# 如果本地安装
npx task-master init

# 使用特定规则初始化项目
task-master init --rules cursor,windsurf,vscode

这将提示您输入项目详情，并设置必要的文件和结构。

常用命令

# 初始化新项目
task-master init

# 解析PRD并生成任务
task-master parse-prd your-prd.txt

# 列出所有任务
task-master list

# 显示下一个要做的任务
task-master next

# 显示特定任务 - 支持逗号分隔的ID
task-master show 1,3,5

# 使用项目上下文研究最新信息
task-master research "JWT认证的最新最佳实践是什么？"

# 在标签之间移动任务（跨标签移动）
task-master move --from=5 --from-tag=backlog --to-tag=in-progress
task-master move --from=5,6,7 --from-tag=backlog --to-tag=done --with-dependencies
task-master move --from=5 --from-tag=backlog --to-tag=in-progress --ignore-dependencies

# 初始化后添加规则
task-master rules add windsurf,roo,vscode

工具加载配置

优化MCP工具加载

Task Master的MCP服务器支持选择性工具加载以减少上下文窗口的使用。默认情况下，加载全部36个工具（约21,000个标记），以保持与现有安装的向后兼容性。

您可以通过配置TASK_MASTER_TOOLS环境变量来优化性能：

可用模式

模式	工具	上下文使用	使用场景
all（默认）	36	约21,000个标记	完整的功能集 - 所有工具可用
standard	15	约10,000个标记	常见的任务管理操作
core（或lean）	7	约5,000个标记	日常开发的基本工作流程
custom	变量	变量	逗号分隔的具体工具列表

配置方法

方法1：环境变量在MCP配置中

在您的MCP配置文件的env部分添加TASK_MASTER_TOOLS：

{
  "mcpServers": {  // 或 "servers" 对于VS Code
    "task-master-ai": {
      "command": "npx",
      "args": ["-y", "task-master-ai"],
      "env": {
        "TASK_MASTER_TOOLS": "standard",  // 选项："all", "standard", "core", "lean", 或逗号分隔的工具列表
        "ANTHROPIC_API_KEY": "your-key-here",
        // ... 其他API密钥
      }
    }
  }
}

方法2：Claude Code CLI（一次性设置）

对于Claude Code用户，您可以在安装时设置模式：

# 核心模式示例（约70%标记减少）
claude mcp add task-master-ai --scope user \
  --env TASK_MASTER_TOOLS="core" \
  -- npx -y task-master-ai@latest

# 自定义工具示例
claude mcp add task-master-ai --scope user \
  --env TASK_MASTER_TOOLS="get_tasks,next_task,set_task_status" \
  -- npx -y task-master-ai@latest

工具集细节

核心工具（7个）：get_tasks，next_task，get_task，set_task_status，update_subtask，parse_prd，expand_task

标准工具（15个）：所有核心工具加上initialize_project，analyze_project_complexity，expand_all，add_subtask，remove_task，generate，add_task，complexity_report

所有工具（36个）：完整的集合包括项目设置