Trello MCP 服务器集成

“Trello” MCP 服务器能做什么？

Trello MCP 服务器是一款模型上下文协议（MCP）服务器，旨在将 Trello 与 Claude Desktop、GitHub Copilot Chat 及其它兼容 MCP 的客户端集成。它实现了 AI 模型与 Trello 看板的无缝交互，允许用户通过自然语言命令自动化并优化项目管理流程。该服务器支持列出所有 Trello 看板、读取看板内容（列表和卡片）、新建卡片、在列表间移动卡片、为卡片添加评论及归档卡片，所有操作都可以在 AI 助理界面内完成。通过将 Trello 以 MCP 资源的形式暴露，这个服务器让 AI 工具可以连接到 Trello 丰富的生态系统，使开发者和团队能直接在偏爱的 AI 环境中便捷地管理任务、协作和提升生产力。

提示模板列表

仓库中未提供提示模板相关信息。

资源列表

• 看板作为 MCP 资源：可将 Trello 看板直接作为 MCP 资源访问，便于结构化数据获取及 LLM 上下文集成。
• 看板内容（列表与卡片）：可读取任意 Trello 看板中的列表与卡片，为下游 AI 任务提供数据资源。
• 评论：获取 Trello 卡片上的评论，为 AI 工作流提供上下文信息。

工具列表

• 列出所有看板：枚举账户下的所有 Trello 看板。
• 读取看板内容：获取指定 Trello 看板的列表与卡片。
• 新建卡片：向指定 Trello 列表添加新卡片。
• 移动卡片：在同一看板的不同列表间移动卡片。
• 为卡片添加评论：为特定 Trello 卡片添加评论。
• 归档卡片：将不再需要的卡片归档。

典型应用场景

• 项目/任务管理：通过 AI 助理自动创建、移动和归档 Trello 卡片，简化团队工作流，减少手动操作。
• 会议纪要与行动项：将会议记录或讨论内容转化为可执行 Trello 卡片，分配给团队成员，并直接在对话中跟踪进度。
• AI 驱动的看板分析：利用 AI 总结看板状态、识别瓶颈或基于看板数据推荐下一步操作。
• 协作增强：AI 助理可添加评论、更新卡片，让多人在多个看板间始终保持同步，无需离开聊天界面。
• 上下文任务建议：让 LLM 根据项目动态数据或沟通模式建议新任务或整理卡片。

如何设置

Windsurf

仓库中未提供 Windsurf 的明确指引。

Claude

1. 本地部署需确保已安装 Node.js 20+，或使用 Docker 容器化部署。
2. 前往 https://trello.com/app-key 获取您的 Trello API Key 和 Token。
3. 找到 Claude Desktop 的配置文件位置：
   • Windows: %APPDATA%\Claude\claude_desktop_config.json
   • macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
   • Linux: ~/.config/claude/claude_desktop_config.json
4. 添加如下配置：

{
  "mcp": {
    "servers": {
      "trello-mcp": {
        "command": "node",
        "args": ["absolute/path/to/the/project/dist/index.js"],
        "env": {
          "TRELLO_API_KEY": "your_api_key",
          "TRELLO_TOKEN": "your_token",
          "TRELLO_BASE_URL": "https://api.trello.com/1"
        }
      }
    }
  }
}

5. 保存文件并重启 Claude Desktop。

Docker 选项

{
  "mcp": {
    "servers": {
      "trello-mcp": {
        "command": "docker",
        "args": [
          "run",
          "--rm",
          "-i",
          "-e",
          "TRELLO_API_KEY=your_api_key",
          "-e",
          "TRELLO_TOKEN=your_token",
          "-e",
          "TRELLO_BASE_URL=https://api.trello.com/1",
          "trello-mcp-server"
        ]
      }
    }
  }
}

Cursor

仓库中未提供 Cursor 的明确指引。

Cline

仓库中未提供 Cline 的明确指引。

API 密钥安全存储

API 凭证应通过 MCP 服务器配置中的 env 键进行设置。示例：

"env": {
  "TRELLO_API_KEY": "your_api_key",
  "TRELLO_TOKEN": "your_token",
  "TRELLO_BASE_URL": "https://api.trello.com/1"
}

在 FlowHunt 流程中如何使用 MCP

在 FlowHunt 中集成 MCP

要在 FlowHunt 工作流中集成 MCP 服务器，首先在流程中添加 MCP 组件并将其连接到您的 AI 助理：

点击 MCP 组件以打开配置面板。在系统 MCP 配置区，按照以下 JSON 格式填写您的 MCP 服务器信息：

{
  "trello-mcp": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

配置完成后，AI 助理即可作为工具使用该 MCP，访问其全部功能。请记得将 “trello-mcp” 替换为您实际的 MCP 服务器名称，并将 URL 替换为您自己的 MCP 服务器地址。

概览

综上所述，Trello MCP 服务器为 Trello 与 AI 助理集成提供了强大的能力，但在提示模板和采样支持方面缺乏文档。资源和工具支持详尽，安装步骤也很完善。采样和根支持未提及。

我们的观点

该 MCP 服务器在安装、工具和资源暴露方面有良好文档，但在提示模板和高级 MCP 特性支持上有限。对绝大多数希望实现 Trello+AI 集成的开发者来说，它高效且易用，但进阶用户未来可能期待更多高级 MCP 功能。

MCP 评分