Back to MCP directory
publicPublicdnsLocal runtime

execution-system-mcp

一个基于Claude和MCP协议的AI原生执行系统,通过自然语言交互管理任务、项目和目标,消除传统生产力工具带来的上下文切换摩擦

article

README

🚀 执行系统MCP服务器

这是一个由Claude和模型上下文协议(Model Context Protocol)驱动的AI原生执行系统,它能有效消除传统生产力工具在使用过程中的摩擦,让你在工作时保持流畅,同时维护一个严谨的执行系统。

🚀 快速开始

本执行系统MCP服务器集成了Claude Desktop,配置完成后,你可以通过向Claude提问来管理执行系统。

✨ 主要特性

服务器通过模型上下文协议实现了焦点层次模型:

0k - 下一步行动(基础层面)

  • 添加行动:将行动添加到上下文文件(如@macbook、@phone、@errands)中,并自动验证项目。
  • 添加到特殊列表:可添加到@waiting(等待他人)、@deferred(特定未来日期)、@incubating(有朝一日/可能)等特殊列表。
  • 完成行动:通过行号完成行动,并自动存档到completed.md文件。
  • 列出行动:可根据上下文、项目和状态进行灵活过滤列出行动。
  • 搜索行动:通过文本搜索行动,并支持状态和上下文过滤。
  • 完全支持todo.txt格式,包含创建日期、上下文、项目、截止/延期日期。

10k - 项目(当前计划)

  • 创建项目:使用YAML前置元数据和三种模板(标准、协调、习惯)创建项目。
  • 列出项目:可根据领域、截止日期等进行灵活过滤和分组列出项目。
  • 搜索项目:通过标题或内容中的文本搜索项目。
  • 完成项目:完成项目时会验证所有行动是否已完成。
  • 管理生命周期:可从孵化区激活项目、将项目移回孵化区或缩小范围。
  • 更新元数据:支持更新截止日期、领域、类型、审查日期等(支持批量更新)。
  • 审计工具:验证数据质量、查找孤立项目/行动、识别需要审查的项目。

20k - 关注领域(职责)

  • 列出关注领域:从配置中列出关注领域,并自动验证所有项目和目标的领域。

30k - 目标(1 - 2年目标)

  • 列出目标:从活跃和孵化文件夹中列出目标。
  • 自动过滤:通过YAML前置元数据中的type: goal进行自动过滤。
  • 支持嵌套目录:支持带有辅助材料的嵌套目标目录。

所有工具都包含全面的验证、错误处理和JSON输出,以便进行编程访问。

📦 安装指南

# 克隆仓库
git clone https://github.com/elinsky/execution-system-mcp.git
cd execution-system-mcp

# 安装依赖
pip install -e ".[dev]"

📚 详细文档

配置

创建一个配置文件~/.config/execution-system-mcp/config.json

{
  "execution_system_repo_path": "/absolute/path/to/your/execution-system-repo",
  "areas": [
    {"name": "Health", "kebab": "health"},
    {"name": "Learning", "kebab": "learning"},
    {"name": "Career", "kebab": "career"},
    {"name": "Mission", "kebab": "mission"},
    {"name": "Personal Growth Systems", "kebab": "personal-growth-systems"},
    {"name": "Social Relationships", "kebab": "social-relationships"},
    {"name": "Romance", "kebab": "romance"},
    {"name": "Emotional Health", "kebab": "emotional-health"},
    {"name": "Finance", "kebab": "finance"},
    {"name": "Character and Values", "kebab": "character-and-values"},
    {"name": "Hobbies and Recreation", "kebab": "hobbies-and-recreation"}
  ]
}

开发

# 运行测试
pytest

# 运行带覆盖率的测试
pytest --cov=src --cov-report=html

# 运行特定测试文件
pytest tests/unit/test_config.py

使用

MCP服务器与Claude Desktop集成,配置完成后,你可以通过向Claude提问来管理执行系统:

0k - 行动示例

  • "Add action 'Buy groceries' to @errands context for project meal-planning"
  • "Add 'Wait for package delivery' to @waiting with defer date 2025-11-15"
  • "Complete the action on line 7 of contexts/@macbook.md"
  • "List all actions for the ml-refresh project"

10k - 项目示例

  • "Create a new project titled 'Learn Python' in the Learning area as a standard project in active folder"
  • "List all active projects in the Health area"
  • "Complete the project 'Learn Python'"
  • "Search for projects about machine learning"

20k - 关注领域示例

  • "List all my areas of focus"

30k - 目标示例

  • "List all active goals"
  • "Show me goals in the incubator"

Claude将使用适当的MCP工具与你的执行系统进行交互。

可用工具

0k - 行动工具

  • add_action - 将下一步行动添加到上下文文件中,并验证项目。
  • add_to_waiting - 将项目添加到@waiting列表。
  • add_to_deferred - 将项目添加到@deferred列表。
  • add_to_incubating - 将项目添加到@incubating列表。
  • complete_action - 通过行号完成行动。
  • list_actions - 灵活过滤和分组列出行动。
  • search_actions - 通过文本和过滤器搜索行动。

10k - 项目工具

  • create_project - 使用YAML前置元数据和模板创建新项目。
  • list_active_projects - 按领域分组列出所有活跃项目。
  • list_projects - 灵活过滤(文件夹、领域、截止日期)列出项目。
  • complete_project - 完成项目并验证未完成的行动。
  • activate_project - 将项目从孵化区移至活跃区。
  • move_project_to_incubator - 将项目从活跃区移至孵化区。
  • descope_project - 将项目移至缩小范围文件夹。
  • update_project_due_date - 添加或删除项目截止日期。
  • update_project_area - 更改项目的关注领域。
  • update_project_type - 更改项目类型(标准/协调/习惯)。
  • update_review_dates - 批量更新最后审查日期。
  • search_projects - 通过文本和过滤器搜索项目。

20k - 关注领域工具

  • list_areas - 列出所有配置的关注领域。

30k - 目标工具

  • list_goals - 从活跃和孵化文件夹中列出目标。

审计与健康检查工具

  • audit_projects - 验证项目数据质量。
  • audit_orphan_projects - 查找无行动的项目。
  • audit_orphan_actions - 查找项目/上下文无效的行动。
  • audit_action_files - 验证行动文件数据质量。
  • list_projects_needing_review - 查找近期未审查的项目。
  • list_actions_needing_review - 查找近期未审查的行动文件。

项目结构

execution-system-mcp/
├── src/
│   └── execution_system_mcp/
│       ├── __init__.py
│       ├── server.py          # 包含所有工具处理程序的MCP服务器
│       ├── config.py          # 配置管理器
│       ├── creator.py         # 项目创建
│       ├── lister.py          # 项目列表
│       ├── completer.py       # 项目完成
│       ├── validator.py       # 验证逻辑
│       ├── templates.py       # 项目模板
│       ├── project_manager.py # 项目生命周期管理
│       ├── action_manager.py  # 行动创建和完成
│       ├── action_lister.py   # 行动列表
│       ├── goal_lister.py     # 目标列表
│       ├── area_lister.py     # 关注领域列表
│       ├── searcher.py        # 搜索功能
│       └── auditor.py         # 数据质量审计
├── tests/
│   └── unit/                  # 185个全面的单元测试
├── pyproject.toml
└── README.md

📄 许可证

本项目采用MIT许可证。

help

Runtime guide

cloud

Hosted runtime

Hosted servers run from a provider-managed environment. You usually connect the MCP client to the hosted endpoint or follow the provider's authorization flow, without keeping a local process alive

  1. Open provider connection page
  2. Authorize or copy endpoint
  3. Connect from your MCP client
terminal

Local runtime / other methods

Local servers run on your own machine or infrastructure. You normally copy the server_config into your MCP client, install the required package, and provide env variables from env_schema when needed

  1. Copy server_config
  2. Install required package
  3. Fill env variables and restart client