Tama - AI-Powered Task Manager CLI ✨ by Gitreceiver - MCP Server

Tama - AI 驱动的任务管理命令行工具 ✨

Tama 是一个命令行界面 (CLI) 工具，专为任务管理而设计，并通过 AI 能力增强，用于任务生成和分解。它利用 AI（特别配置为通过 OpenAI 兼容 API 使用 DeepSeek 模型）来解析产品需求文档 (PRD) 并将复杂任务分解为可管理的子任务。

特性

标准任务管理: 添加、列出、显示详情、更新状态以及移除任务和子任务，支持依赖关系追踪。
数据持久化: 使用 SQLite 数据库存储任务数据，确保数据操作的稳定性和可靠性。
依赖关系管理: 添加、删除和追踪任务依赖关系，自动检测循环依赖。
AI 驱动的 PRD 解析: (tama prd <文件路径>) 从 .txt 或 .prd 文件自动生成结构化的任务列表。
AI 驱动的任务分解: (tama expand <任务ID>) 使用 AI 将高层级任务分解为详细的子任务。
依赖检查: (tama deps) 检测和可视化任务中的循环依赖。
报告生成: (tama report [markdown|mermaid]) 生成 Markdown 表格格式或 Mermaid 依赖关系图的任务报告。
代码桩生成: (tama gen-file <任务ID>) 基于任务详情创建占位符代码文件。
下一任务建议: (tama next) 根据状态和依赖关系识别下一个可执行的任务。
富文本 CLI 输出: 使用 rich 库提供格式化且视觉友好的控制台输出（例如表格、面板）。
Git 集成: 支持在开始和完成任务时自动创建分支和提交。
文件关联: 支持将文件链接到任务，方便追踪任务相关代码。

安装与设置

创建并激活虚拟环境(推荐3.12): uv的安装和使用的基本方法可以参考 uv安装和使用

uv venv -p 3.12

# Windows
.\.venv\Scripts\activate

# macOS/Linux
source .venv/bin/activate

安装tama-cli库: uv pip install --index-url https://pypi.org/simple/ tama-cli

配置 ⚙️

Tama 的 AI 功能需要 API 密钥。

在项目根目录创建一个 .env 文件。（你可以直接复制示例文件）

cp .env.example .env
# Windows 下可用：
copy .env.example .env

添加你的 DeepSeek API 密钥和其他配置:

# .env 文件
# DeepSeek Configuration
DEEPSEEK_API_KEY=""
DEEPSEEK_BASE_URL="http://address:port/openai/v1" 
# Optional: Default is set in settings

# Model Names (confirm exact identifiers from DeepSeek docs)
DEEPSEEK_GENERAL_MODEL="deepseek-v3"
DEEPSEEK_REASONING_MODEL="deepseel-r1"

(参考 .env.example 文件获取模板) 应用程序使用 src/config/settings.py 中定义的设置，该文件会从 .env 文件加载变量。

使用方法 🚀

Tama 命令需要在激活的虚拟环境下的终端中运行。 核心命令:

列出任务:

tama list
tama list --status pending --priority high # 筛选

任务列表现在包含状态和优先级的表情符号指示器，并以清晰的 markdown 表格格式显示依赖关系。

显示任务详情:

tama show 1       # 显示任务 1
tama show 1.2     # 显示任务 1 的子任务 2

添加任务/子任务:

# 添加顶级任务
tama add "实现用户认证" --desc "处理登录和会话" --priority high
# 为任务 1 添加子任务
tama add "创建登录 API 端点" --parent 1 --desc "需要处理 JWT"

移除任务/子任务:

tama remove 2       # 移除任务 2 及其所有子任务
tama remove 1.3     # 移除任务 1 的子任务 3

移除任务时，所有依赖该任务的其他任务将自动更新，并且系统会通知您受影响的依赖关系。

工作流命令:

设置任务状态:

tama status 1 done
tama status 1.2 in-progress
# 级联更新子任务/依赖任务状态
tama status 1 done --propagate

(有效状态: pending, in-progress, done, deferred, blocked, review)

--propagate 参数说明：

--propagate 控制是否将状态变更级联到所有子任务或依赖任务。

默认行为由配置文件决定（settings.PROPAGATE_STATUS_CHANGE）。

显式添加 --propagate 可强制本次操作级联更新。

开始任务: 此命令会将任务状态设置为 in-progress，并自动创建一个 Git 分支。

tama start 1

完成任务: 此命令会将任务状态设置为 done。如果使用 --commit 标志，还会自动提交暂存的更改。

tama complete 1
tama complete 1 --commit

查找下一个任务:

tama next

依赖关系命令:

管理依赖关系:

tama add-dep 1 2      # 设置任务 1 依赖于任务 2
tama add-dep 1.2 2.1  # 设置子任务 1.2 依赖于子任务 2.1
tama remove-dep 1 2   # 移除任务 1 对任务 2 的依赖

检查依赖:

tama deps

AI 命令:

解析 PRD: (输入文件必须是 .txt 或 .prd)

tama prd path/to/your/document.txt

分解任务: (提供主任务 ID)

tama expand 1

文件管理命令:

生成占位符文件:

tama gen-file 1
tama gen-file 2 --output-dir src/generated

关联文件: 将一个或多个文件链接到一个任务。

tama link 1 src/main.py

取消文件关联: 从任务中移除一个或多个文件的链接。

tama unlink 1 src/main.py

通过文件查找任务: 查找与指定文件关联的所有任务。

tama find-task src/main.py

其他命令:

生成报告:

tama report markdown       # 在控制台打印 Markdown 表格
tama report mermaid       # 打印 Mermaid 图定义
tama report markdown --output report.md # 保存到文件

Shell 自动补全:

可以通过以下命令获取设置 Shell 自动补全的说明:

tama --install-completion

(注意: 根据你的 Shell 和操作系统设置，这可能需要管理员权限)

开发 🔧

如果你修改了源代码，请记得重新安装包以使更改在 CLI 中生效:

uv pip install -e .

MCP 服务器用法

Tama 可以用作 MCP（模型上下文协议）服务器，允许其他应用程序以编程方式与其交互。MCP 服务器提供以下工具：

list_tasks：列出所有任务，可按状态或优先级过滤，返回 markdown 表格。
show_task：根据 ID 显示指定任务或子任务的详细信息。
set_status：设置任务或子任务的状态。
next_task：查找下一个可执行的任务。
add_task：添加新的主任务。
add_subtask：为主任务添加子任务。
remove_item：移除任务或子任务，并自动清理依赖。
add_dependency：为任务或子任务添加依赖。
remove_dependency：移除任务或子任务的依赖。
check_dependencies：检查所有任务中的循环依赖。

要启动服务器，请运行：

uv --directory /path/to/your/TAMA_MCP run python -m src.mcp_server

客户端配置示例：

{
  "mcpServers": {
    "TAMA-MCP-Server": {
        "command": "uv",
        "args": [
            "--directory",
            "/path/to/your/TAMA_MCP",
            "run",
            "python",
            "-m",
            "src.mcp_server"
        ],
        "disabled": false,
        "transportType": "stdio",
        "timeout": 60
    },
  }
}