🚀 分而治之与 conquer MCP 服务器

分而治之与 conquer MCP 服务器是一款助力 AI 代理管理和跟踪复杂任务的工具。它能把大任务拆解成小任务，同时维护上下文信息，让 AI 代理跨越多个对话完成任务，极大提升了任务处理的效率和质量。

🚀 快速开始

安装步骤

1. 克隆源代码：

   git clone https://github.com/divide-and-conquer-mcp/server.git
   

2. 安装依赖：

   npm install
   

3. 启动服务器：

   npm start
   

用法示例

基础用法

创建新项目

1. 初始化项目目录：

   mcp init my-project
   

2. 添加任务：

   mcp add-task --description "实现核心算法" --priority high
   

3. 查看进度：

   mcp list-tasks
   

高级用法

跨对话使用

在跨对话场景中，该服务器能有效维护上下文信息，确保 AI 代理准确跟踪任务进度。

✨ 主要特性

• 任务分解：将大型任务分解为更小、可管理的任务。
• 进度跟踪：跟踪多轮对话中的进度。
• 上下文维护：维护所有任务相关的上下文信息。
• 决策与资源组织：组织任务的决策和资源记录。
• 可扩展性：支持任意规模的任务分解。
• 持久化存储：任务数据 persist 到本地文件。
• 日志记录：提供进度跟踪和错误排查能力。
• 插件架构：支持自定义扩展。

📦 安装指南

克隆源代码

git clone https://github.com/divide-and-conquer-mcp/server.git

安装依赖

npm install

启动服务器

npm start

💻 使用示例

基础用法

创建新项目

# 初始化项目目录
mcp init my-project
# 添加任务
mcp add-task --description "实现核心算法" --priority high
# 查看进度
mcp list-tasks

高级用法

跨对话使用

在跨对话场景下，服务器能持续维护任务上下文，保证 AI 代理在不同对话中准确推进任务。

📚 详细文档

使用场景

1. 复杂软件开发任务

当处理复杂的软件开发任务时，AI 代理常常会因为上下文窗口限制而难以在一轮对话中完成所有步骤。Divide and Conquer MCP Server 可以让代理：

• 将大任务分解为更小、可管理的子任务。
• 跟踪多个对话中的进展。
• 维持否则会丢失的重要上下文信息。
• 组织任务的合致序列。
• 文档化决策和资源。

2. 项目规划与管理

对于项目规划与管理类型的任务，该服务器可以：

• 建立结构化的项目计划，包含子任务。
• 跟踪进度和完成状况。
• 维持上下文和需求信息。
• 文档化决定和资源。
• 支持多对话中的协作。

3. 调研与分析

在进行调研与分析时，代理可以：

• 将研究问题分解为特定的研究领域。
• 跟踪进度和研究成果。
• 维持上下文和背景信息。
• 文档化来源和资源。
• 组织研究结果的结构化展示。

JSON 格式结构

该服务器使用以下 JSON 格式存储任务信息：

{
  "task_description": "中等粒度的详细描述，关于整个任务的最终目标。我们希望实现的最终成果。",
  
  "checklist": [
    {
      "done": false,
      "task": "简短但全面的任务名称",
      "detailed_description": "更长的描述，用于说明我们希望通过此任务实现什么。",
      "context_and_plan": "相关信息、应该阅读的文件以及其他任务的细节，以及此任务的详细计划。这通常是长的文字。"
    }
  ],
  
  "context_for_all_tasks": "所有任务清单中每个任务应该包含的信息。",
  
  "metadata": {
    "created_at": "ISO 时间戳记",
    "updated_at": "ISO 时间戳记",
    "progress": {
      "completed": 0,
      "total": 1,
      "percentage": 0
    },
    "tags": ["tag1", "tag2"],
    "priority": "high|medium|low",
    "estimated_completion_time": "ISO 时间戳记"
  }
}

配置存储位置

• 文件路径：%USERPROFILE%/.mcp_config/
• 默认设置：

  {
    "server_port": 3000,
    "log_level": "info",
    "enable_logging": true
  }
  

重要注意事项

⚠️ 重要提示

• 数据存储：默认情况下，任务数据会 persist 到本地文件夹。请确保您有足够的存储空间。
• 网络连接：服务器需要稳定的网络连接来同步进度。断线期间任何未保存的更改将丢失。
• 错误处理：在高负载情况下，可能会出现性能瓶颈。建议在生产环境中使用负载均衡。

💡 使用建议

在使用服务器时，定期检查本地存储的任务数据，确保数据安全。同时，保持网络连接稳定，避免因网络问题导致数据丢失。

🔧 技术细节

该服务器通过将大型任务分解为小任务，并维护任务的上下文信息，实现了 AI 代理在多轮对话中完成复杂任务的功能。它使用 JSON 格式存储任务信息，方便数据的管理和维护。同时，服务器支持插件架构，可根据实际需求进行自定义扩展。

📄 许可证

此软件遵守 MIT 设备蘘协议。完整的 LICENSE 文件可以在源代码库中找到。