Todoist MCP 服务器集成

“Todoist” MCP 服务器的作用是什么？

Todoist MCP 服务器是一种模型上下文协议（MCP）服务器，可与 Todoist 集成，使像 Claude 这样的 AI 助手可以用自然语言管理任务。它在 AI 模型与 Todoist API 之间搭建了桥梁，让用户可以用日常用语创建、更新、完成、删除和搜索任务。该服务器通过让任务管理变得更直观和易用，促进了高效的工作流程，支持智能任务搜索、灵活筛选和丰富任务细节等功能。开发者利用 Todoist MCP 服务器，可以让 AI 助手无缝地处理复杂的任务管理操作，提升个人和团队的生产力。

提示模板列表

仓库中未提及任何提示模板。

Ready to grow your business?

Start your free trial today and see results within days.

Request demo Log in

资源列表

仓库中未有明确的资源文档。

工具列表

• todoist_create_task
  创建新任务，可设置标题、描述、截止日期和优先级等属性。支持自然语言输入，轻松创建任务。

• todoist_get_tasks
  按截止日期、优先级或项目检索和筛选任务。允许自然语言日期过滤和结果数量限制。

• todoist_update_task
  使用部分名称匹配和自然语言更新已有任务。可修改内容、描述、截止日期和优先级等属性。

• todoist_complete_task
  通过自然语言搜索和部分名称匹配将任务标记为完成，并确认完成状态。

• todoist_delete_task
  通过名称和自然语言搜索找到任务并进行删除，并有确认提示。

Join our newsletter

Get latest tips, trends, and deals for free.

Email address

Subscribe

此 MCP 服务器的用例

• 自然语言任务管理
  用户仅需用日常语言描述意图，即可在 Todoist 中创建、更新、完成和删除任务，减少操作障碍，提高生产效率。

• 智能任务搜索
  AI 助手可根据截止日期、优先级或项目等属性检索和筛选任务，帮助用户快速找到相关任务。

• 灵活筛选与批量操作
  支持批量操作和高级筛选（如筛选本周高优先级任务），简化大批量任务管理。

• 与 AI 助手的无缝集成
  允许 AI 模型直接与 Todoist 交互，便于构建对话式或工作流驱动的生产力工具。

• 开发者工作流增强
  开发者可将 Todoist 任务管理集成到自定义应用或更广泛的自动化系统中，借助 MCP 完成。

如何设置

Windsurf

1. 确保你的系统已安装 Node.js。
2. 访问你的 Windsurf 配置文件。
3. 在 mcpServers 部分添加 Todoist MCP 服务器配置：

   {
     "mcpServers": {
       "todoist": {
         "command": "npx",
         "args": ["-y", "@abhiz123/todoist-mcp-server"],
         "env": {
           "TODOIST_API_TOKEN": "your_api_token_here"
         }
       }
     }
   }
   

4. 保存配置并重启 Windsurf。
5. 验证 MCP 服务器是否正在运行且可访问。

Claude

1. 如未安装 Node.js，请先安装。
2. 找到你的 claude_desktop_config.json 文件。
3. 增加 Todoist MCP 服务器配置：

   {
     "mcpServers": {
       "todoist": {
         "command": "npx",
         "args": ["-y", "@abhiz123/todoist-mcp-server"],
         "env": {
           "TODOIST_API_TOKEN": "your_api_token_here"
         }
       }
     }
   }
   

4. 保存文件并重启 Claude Desktop。
5. 在 Claude 中确认服务器可用。

Cursor

1. 安装 Node.js。
2. 打开 Cursor 的配置文件（通常为 JSON 文件）。
3. 在 mcpServers 下插入 Todoist MCP 服务器配置：

   {
     "mcpServers": {
       "todoist": {
         "command": "npx",
         "args": ["-y", "@abhiz123/todoist-mcp-server"],
         "env": {
           "TODOIST_API_TOKEN": "your_api_token_here"
         }
       }
     }
   }
   

4. 保存并重启 Cursor。
5. 确保 MCP 服务器已激活。

Cline

1. 安装 Node.js。
2. 编辑你的 Cline 配置文件。
3. 在 mcpServers 部分添加以下内容：

   {
     "mcpServers": {
       "todoist": {
         "command": "npx",
         "args": ["-y", "@abhiz123/todoist-mcp-server"],
         "env": {
           "TODOIST_API_TOKEN": "your_api_token_here"
         }
       }
     }
   }
   

4. 保存配置并重启 Cline。
5. 检查 Todoist MCP 服务器是否可用。

API Key 安全存储

通过配置中的环境变量安全存储诸如 TODOIST_API_TOKEN 这样的敏感令牌：

{
  "mcpServers": {
    "todoist": {
      "command": "npx",
      "args": ["-y", "@abhiz123/todoist-mcp-server"],
      "env": {
        "TODOIST_API_TOKEN": "your_api_token_here"
      }
    }
  }
}

如何在 FlowHunt 流程中使用 MCP

在 FlowHunt 中集成 MCP

要将 MCP 服务器集成到你的 FlowHunt 工作流中，首先添加 MCP 组件到你的流程，并将其与 AI 代理相连：

点击 MCP 组件，打开配置面板。在系统 MCP 配置部分，按如下 JSON 格式填写你的 MCP 服务器信息：

{
  "todoist": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

配置完成后，AI 代理即可作为工具使用该 MCP，并拥有其全部功能。请注意将 “todoist” 替换为你的 MCP 服务器实际名称，并将 URL 替换为你自己的 MCP 服务器地址。

概览

就已有的文档和特性而言，Todoist MCP 服务器提供了强大的任务管理工具和清晰的设置指南，但缺少提示和资源文档。未提及采样和 Roots。整体来说，该 MCP 非常适合任务自动化，但若文档进一步完善会更佳。

MCP 评分