OmniTaskAgent

Un agente multimodelo para gestionar tareas en diversas plataformas, que requiere claves API para diferentes modelos de IA.

GitHub
3
Prueba este MCPPatrocinado

Documentación

OmniTaskAgent

Un potente sistema de gestión de tareas multimodelo que puede conectarse a varios sistemas de gestión de tareas y ayudar a los usuarios a elegir y utilizar la solución de gestión de tareas que mejor se adapte a sus necesidades.

Características

  • Sistema de Gestión de Tareas: Crear, listar, actualizar y eliminar tareas, con soporte para seguimiento de estados y gestión de dependencias
  • Descomposición y Análisis de Tareas: Desglosar tareas complejas en subtareas, con soporte para evaluación de complejidad y análisis automático de PRD
  • Implementación Nativa en Python: Construido íntegramente en Python, integrado sin problemas con el ecosistema Python
  • Soporte Multimodelo: Compatible con múltiples modelos como OpenAI, Claude, etc., sin limitarse a proveedores de API específicos
  • Integración con Editores: Integración con editores como Cursor mediante el protocolo MCP para una experiencia de desarrollo fluida
  • Flujo de Trabajo Inteligente: Implementación de un proceso inteligente de gestión de tareas basado en el patrón ReAct de LangGraph
  • Integración Multi-Sistema: Puede conectarse a varios sistemas profesionales de gestión de tareas como mcp-shrimp-task-manager y claude-task-master
  • Aplicación Multi-Escenario: Adecuado para proyectos de desarrollo generales, proyectos de dominio vertical y otros sistemas de tareas

Instalación

# Install using uv (recommended)
uv pip install -e .

# Or install using pip
pip install -e .

# Install Node.js dependencies (for MCP server)
npm install

Configuración

Cree un archivo .env en el directorio raíz del proyecto para la configuración:

# Required: API keys (configure at least one)
OPENAI_API_KEY=your_openai_api_key_here
# Or
ANTHROPIC_API_KEY=your_anthropic_api_key_here

# Optional: Model configuration
LLM_MODEL=gpt-4o  # Default model
TEMPERATURE=0.2   # Creativity parameter
MAX_TOKENS=4000   # Maximum tokens

Uso

Interfaz de Línea de Comandos (Recomendada)

La forma más sencilla de uso es a través de la interfaz de línea de comandos integrada:

# Start interactive command line interface
python -m omni_task_agent.cli

Ejemplos de comandos comunes:

  • Create task: Optimize website performance Reduce page load time by 50%
  • List all tasks
  • Update task 1 status to completed
  • Decompose task 2
  • Analyze project complexity

Uso en LangGraph Studio

LangGraph Studio es un entorno de desarrollo diseñado específicamente para aplicaciones LLM, utilizado para visualizar, interactuar y depurar aplicaciones de agentes complejas.

Primero, asegúrese de que langgraph-cli esté instalado (se requiere la versión 0.1.55 o superior):

# Install langgraph-cli (requires Python 3.11+)
pip install -U "langgraph-cli[inmem]"

Luego inicie el servidor de desarrollo en el directorio raíz del proyecto (que contenga langgraph.json):

# Start local development server
langgraph dev

Esto abrirá automáticamente un navegador y se conectará a la interfaz de Studio alojada en la nube, donde podrá:

  1. Visualizar la estructura del grafo de su agente
  2. Probar y ejecutar agentes a través de la interfaz de usuario
  3. Modificar el estado del agente y depurar
  4. Añadir puntos de interrupción para la ejecución paso a paso del agente
  5. Implementar procesos de colaboración humano-máquina

Al modificar el código durante el desarrollo, Studio se actualizará automáticamente sin necesidad de reiniciar el servicio, lo que facilita la iteración rápida y la depuración.

Para funciones avanzadas como la depuración con puntos de interrupción:

# Enable debug port
langgraph dev --debug-port 5678

Integración con Editores (Servicio MCP)

  1. Ejecute el servidor MCP:
# Start STDIO-based MCP service
python run_mcp.py
  1. Configure los ajustes de MCP en su editor (como Cursor, VSCode, etc.):
{
  "mcpServers": {
    "task-master-agent": {
      "type": "stdio",
      "command": "/path/to/python",
      "args": ["/path/to/run_mcp.py"],
      "env": {
        "OPENAI_API_KEY": "your-key-here"
      }
    }
  }
}

Estructura del Proyecto

omnitaskagent/
├── omni_task_agent/     # Main code package
│   ├── agent.py           # LangGraph agent definition
│   ├── config.py          # Configuration management
│   └── cli.py             # Command line interface
├── examples/              # Example code
│   └── basic_usage.py     # Basic usage example
├── tests/                 # Test cases
├── run_mcp.py             # MCP service entry
├── adapters.py            # MCP adapters
├── langgraph.json         # LangGraph API configuration
├── package.json           # Node.js dependencies
└── pyproject.toml         # Python dependencies

Proyectos de Referencia

Licencia

MIT