OmniTaskAgent

Um agente multi-model

GitHub
3
Experimente este MCPPatrocinado

Documentação

OmniTaskAgent

Um poderoso sistema de gerenciamento de tarefas multi-modelo que pode se conectar a vários sistemas de gerenciamento de tarefas e ajudar os usuários a escolher e usar a solução de gerenciamento de tarefas que melhor atende às suas necessidades.

Recursos

  • Sistema de Gerenciamento de Tarefas: Criar, listar, atualizar e excluir tarefas, suportar rastreamento de status e gerenciamento de dependências
  • Decomposição e Análise de Tarefas: Dividir tarefas complexas em subtarefas, suportar avaliação de complexidade e análise automática de PRD
  • Implementação Nativa em Python: Construído inteiramente em Python, integrado perfeitamente ao ecossistema Python
  • Suporte a Múltiplos Modelos: Compatível com vários modelos como OpenAI, Claude, etc., não limitado a provedores de API específicos
  • Integração com Editores: Integrar com editores como Cursor através do protocolo MCP para uma experiência de desenvolvimento suave
  • Fluxo de Trabalho Inteligente: Implementar processo inteligente de gerenciamento de tarefas baseado no padrão ReAct do LangGraph
  • Integração Multi-Sistema: Pode se conectar a vários sistemas profissionais de gerenciamento de tarefas como mcp-shrimp-task-manager e claude-task-master
  • Aplicação em Múltiplos Cenários: Adequado para projetos de desenvolvimento geral, projetos de domínio vertical e outros sistemas de tarefas

Instalação

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

# Or install using pip
pip install -e .

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

Configuração

Crie um arquivo .env no diretório raiz do projeto para configuração:

# 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

Interface de Linha de Comando (Recomendado)

A maneira mais simples de usar é através da interface de linha de comando integrada:

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

Exemplos de comandos comuns:

  • 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

Usando no LangGraph Studio

O LangGraph Studio é um ambiente de desenvolvimento projetado especificamente para aplicações LLM, usado para visualizar, interagir e depurar aplicações de agente complexas.

Primeiro, certifique-se de que o langgraph-cli esteja instalado (requer versão 0.1.55 ou superior):

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

Em seguida, inicie o servidor de desenvolvimento no diretório raiz do projeto (contendo langgraph.json):

# Start local development server
langgraph dev

Isso abrirá automaticamente um navegador e se conectará à interface do Studio hospedada na nuvem, onde você pode:

  1. Visualizar a estrutura do gráfico do seu agente
  2. Testar e executar agentes através da interface de usuário
  3. Modificar o estado do agente e depurar
  4. Adicionar pontos de interrupção para execução passo a passo do agente
  5. Implementar processos de colaboração humano-máquina

Ao modificar o código durante o desenvolvimento, o Studio será atualizado automaticamente sem precisar reiniciar o serviço, facilitando iteração rápida e depuração.

Para recursos avançados como depuração com pontos de interrupção:

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

Integração com Editores (Serviço MCP)

  1. Execute o servidor MCP:
# Start STDIO-based MCP service
python run_mcp.py
  1. Configure as configurações do MCP no seu 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"
      }
    }
  }
}

Estrutura do Projeto

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

Projetos de Referência

Licença

MIT