调度器-mcp

Name: 调度器-mcp
Author: PhialsBasement

作者：PhialsBasement46 星标更新：2025-07-24

安装使用来源：spider==github.com

项目介绍

MCP 调度器

一个基于模型上下文协议（MCP）构建的强大任务调度服务器，用于调度和管理各种类型的自动化任务。

概述

MCP 调度器是一个多功能的任务自动化系统，允许您安排并运行不同类型的任务：

Shell 命令：按计划执行系统命令
API 调用：对外部服务进行 HTTP 请求
AI 任务：通过 OpenAI 模型生成内容
提醒：显示带有声音的桌面通知

调度器使用 cron 表达式进行灵活的时间控制，并提供完整的任务执行历史记录。它基于模型上下文协议（MCP）构建，使其易于与 AI 助手和其他兼容 MCP 的客户端集成。

特性

多种任务类型：支持 Shell 命令、API 调用、AI 内容生成以及桌面通知
Cron 调度：熟悉的 cron 语法以实现精确的调度控制
一次性或重复运行：可以选择仅运行一次或按计划重复运行任务
执行历史：跟踪成功和失败的任务执行情况
跨平台：适用于 Windows、macOS 和 Linux
交互式通知：对于提醒任务，提供带有声音的桌面警报
MCP 集成：与 AI 助手和工具无缝连接
强大的错误处理：全面的日志记录和错误恢复机制

安装

先决条件

Python 3.10 或更高版本
uv（推荐的包管理器）

安装 uv（推荐）

# 对于 Mac/Linux
curl -LsSf https://astral.sh/uv/install.sh | sh

# 对于 Windows（PowerShell）
powershell -c "irm https://astral.sh/uv/install.ps1 | iex"

安装 uv 后，请重启终端以确保命令可用。

项目设置

# 克隆仓库
git clone https://github.com/phialsbasement/mcp-scheduler.git
cd mcp-scheduler

# 使用 uv 创建并激活虚拟环境
uv venv
source .venv/bin/activate  # 在 Unix/macOS 上
# 或者
.venv\Scripts\activate     # 在 Windows 上

# 使用 uv 安装依赖项
uv pip install -r requirements.txt

标准 pip 安装（替代方案）

如果您更喜欢使用标准 pip：

# 克隆仓库
git clone https://github.com/phialsbasement/mcp-scheduler.git
cd mcp-scheduler

# 创建并激活虚拟环境
python -m venv .venv
source .venv/bin/activate  # 在 Unix/macOS 上
# 或者
.venv\Scripts\activate     # 在 Windows 上

# 安装依赖项
pip install -r requirements.txt

使用方法

运行服务器

# 使用默认设置运行（stdio 传输模式）
python main.py

# 在特定端口上使用服务器传输模式运行
python main.py --transport sse --port 8080

# 使用调试模式运行以获取详细的日志记录
python main.py --debug

与 Claude Desktop 或其他 MCP 客户端集成

要将您的 MCP 调度器与 Claude Desktop 结合使用：

确保已安装 Claude Desktop
打开您的 Claude Desktop 应用程序配置文件：
- macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
- Windows: %APPDATA%\Claude\claude_desktop_config.json
如果文件不存在，请创建该文件，并添加您的服务器：

{
  "mcpServers": [
    {
      "type": "stdio",
      "name": "MCP 调度器",
      "command": "python",
      "args": ["/path/to/your/mcp-scheduler/main.py"]
    }
  ]
}

或者，如果您使用的是 FastMCP 库，可以使用 fastmcp 工具：

# 将您的服务器安装到 Claude Desktop
fastmcp install main.py --name "任务调度器"

命令行选项

--address        服务器地址（默认：localhost）
--port           服务器端口（默认：8080）
--transport      传输模式（sse 或 stdio）（默认：stdio）
--log-level      日志级别（默认：INFO）
--log-file       日志文件路径（默认：mcp_scheduler.log）
--db-path        SQLite 数据库路径（默认：scheduler.db）
--config         JSON 配置文件路径
--ai-model       用于 AI 任务的 AI 模型（默认：gpt-4o）
--version        显示版本信息并退出
--debug          启用调试模式，带完整回溯
--fix-json       启用畸形消息的 JSON 修复

配置文件

您可以使用 JSON 配置文件代替命令行参数：

{
  "server": {
    "name": "mcp-scheduler",
    "version": "0.1.0",
    "address": "localhost",
    "port": 8080,
    "transport": "sse"
  },
  "database": {
    "path": "scheduler.db"
  },
  "logging": {
    "level": "INFO",
    "file": "mcp_scheduler.log"
  },
  "scheduler": {
    "check_interval": 5,
    "execution_timeout": 300
  },
  "ai": {
    "model": "gpt-4o",
    "openai_api_key": "your-api-key"
  }
}

MCP 工具函数

MCP 调度器提供了以下工具：

任务管理

list_tasks：获取所有已安排的任务
get_task：获取特定任务的详细信息
add_command_task：添加一个新的 Shell 命令任务
add_api_task：添加一个新的 API 调用任务
add_ai_task：添加一个新的 AI 任务
add_reminder_task：添加一个新的带有桌面通知的提醒任务
update_task：更新现有任务
remove_task：删除任务
enable_task：启用已禁用的任务
disable_task：禁用活动任务
run_task_now：立即运行任务

执行和监控

get_task_executions：获取任务的执行历史
get_server_info：获取服务器信息

Cron 表达式指南

MCP 调度器使用标准的 cron 表达式进行调度。这里有一些例子：

0 0 * * * - 每天午夜
0 */2 * * * - 每 2 小时
0 9-17 * * 1-5 - 每周一至周五从上午 9 点到下午 5 点每小时
0 0 1 * * - 每月第一天午夜
0 0 * * 0 - 每周日午夜

环境变量

调度器可以通过环境变量进行配置：

MCP_SCHEDULER_NAME：服务器名称（默认：mcp-scheduler）
MCP_SCHEDULER_VERSION：服务器版本（默认：0.1.0）
MCP_SCHEDULER_ADDRESS：服务器地址（默认：localhost）
MCP_SCHEDULER_PORT：服务器端口（默认：8080）
MCP_SCHEDULER_TRANSPORT：传输模式（默认：stdio）
MCP_SCHEDULER_LOG_LEVEL：日志级别（默认：INFO）
MCP_SCHEDULER_LOG_FILE：日志文件路径
MCP_SCHEDULER_DB_PATH：数据库路径（默认：scheduler.db）
MCP_SCHEDULER_CHECK_INTERVAL：检查任务的频率（默认：5 秒）
MCP_SCHEDULER_EXECUTION_TIMEOUT：任务执行超时时间（默认：300 秒）
MCP_SCHEDULER_AI_MODEL：用于 AI 任务的 OpenAI 模型（默认：gpt-4o）
OPENAI_API_KEY：用于 OpenAI 任务的 API 密钥

示例

添加 Shell 命令任务

await scheduler.add_command_task(
    name="备份数据库",
    schedule="0 0 * * *",  # 每天午夜
    command="pg_dump -U postgres mydb > /backups/mydb_$(date +%Y%m%d).sql",
    description="每日数据库备份",
    do_only_once=False  # 循环任务
)

添加 API 任务

await scheduler.add_api_task(
    name="获取天气数据",
    schedule="0 */6 * * *",  # 每 6 小时
    api_url="https://api.weather.gov/stations/KJFK/observations/latest",
    api_method="GET",
    description="获取最新的天气观测数据",
    do_only_once=False
)

添加 AI 任务

await scheduler.add_ai_task(
    name="生成每周报告",
    schedule="0 9 * * 1",  # 每周一上午 9 点
    prompt="生成上周销售数据的总结。",
    description="每周销售报告生成",
    do_only_once=False
)

添加提醒任务

await scheduler.add_reminder_task(
    name="团队会议",
    schedule="30 9 * * 2,4",  # 每周二和周四上午 9:30
    message="别忘了团队站会！",
    title="会议提醒",
    do_only_once=False
)

MCP 自动发现端点

当在 SSE（HTTP）模式下运行时，MCP 调度器暴露了一个众所周知的端点，用于工具/模式的自动发现：

端点：/.well-known/mcp-schema.json（在 HTTP 端口 + 1 上，例如，如果您的服务器运行在 8080 端口，则模式位于 8081 端口）
目的：允许客户端和 AI 助手自动发现所有可用的 MCP 工具及其参数。

示例

如果您运行：

python main.py --transport sse --port 8080

您可以访问模式：

http://localhost:8081/.well-known/mcp-schema.json

示例响应

{
  "tools": [
    {
      "name": "list_tasks",
      "description": "列出所有已安排的任务。",
      "endpoint": "list_tasks",
      "method": "POST",
      "parameters": {
        "type": "object",
        "properties": {},
        "required": [],
        "additionalProperties": false
      }
    },
    {
      "name": "add_command_task",
      "description": "添加一个新的 Shell 命令任务。",
      "endpoint": "add_command_task",
      "method": "POST",
      "parameters": {
        "type": "object",
        "properties": {
          "name": {"type": "string"},
          "schedule": {"type": "string"},
          "command": {"type": "string"},
          "description": {"type": "string"},
          "enabled": {"type": "boolean"},
          "do_only_once": {"type": "boolean"}
        },
        "required": ["name", "schedule", "command"],
        "additionalProperties": false
      }
    }
    // ... 更多工具 ...
  ]
}

此模式是根据注册的 MCP 工具自动生成的，并始终反映当前服务器的功能。

开发

如果您想贡献或进一步开发 MCP 调度器，这里有一些额外的命令：

# 安装 MCP SDK 用于开发
uv pip install "mcp[cli]>=1.4.0"

# 或者对于 FastMCP（另一种实现）
uv pip install fastmcp

# 测试您的 MCP 服务器
# 使用 MCP Inspector 工具
mcp inspect --stdio -- python main.py

# 或使用简单的 MCP 客户端
python -m mcp.client.stdio python main.py

贡献

欢迎贡献！请随意提交拉取请求。

分叉仓库
创建您的功能分支（git checkout -b feature/amazing-feature）
提交更改（git commit -m '添加一些精彩功能'）
推送到分支（git push origin feature/amazing-feature）
打开拉取请求

许可证

本项目采用 MIT 许可证 - 详情见 LICENSE 文件。

致谢

基于模型上下文协议
使用 croniter 进行 cron 解析
使用 OpenAI API 进行 AI 任务
使用 FastMCP 实现增强的 MCP 功能