Todoist MCP Server：让 AI 直接操控你的任务清单

想象一下，你正在用 AI 助手规划一周的工作。传统方式下，AI 只能给你建议，你需要手动把任务录入 Todoist；而现在，Todoist MCP Server 让 AI 能够直接读取、创建、修改你的待办事项——你只需要确认，AI 帮你执行。这种「AI 作为协作者」的范式转变，正是 todoist-mcp 的核心价值所在。

背景：Doist 为何要做这件事

Doist 是全球最受欢迎的任务管理应用之一，其 Todoist 产品拥有数千万用户。2024 年 AI 浪潮兴起后，Doist 意识到：用户最频繁的痛点不是「不知道该做什么」，而是「任务散落在各个工具里，AI 无法帮你追踪和执行」。于是他们推出了 @doist/todoist-mcp（原名 @doist/todoist-ai），这是 Todoist 官方发布的 Model Context Protocol（MCP）服务器，旨在让任何支持 MCP 协议的 AI 助手都能直接操作用户的 Todoist 账号。 从项目数据看，todoist-mcp 获得了 518 颗 GitHub stars，背后是 Doist 这样的商业公司在支撑，这意味着稳定性和长期维护有保障。

核心功能：完整的 Todoist 操作工具集

todoist-mcp 提供了极为丰富的工具集，总计 80+ 个 MCP 工具，覆盖 Todoist 的几乎所有功能维度： 任务管理：find-tasks（按条件查找）、add-tasks（添加任务）、update-tasks（修改任务）、complete-tasks（完成任务）、reschedule-tasks（改期）等。AI 可以根据你的对话内容自动创建任务或修改截止日期。 项目与分区：find-projects、add-projects、update-projects、add-sections、reorder-objects 等，支持 AI 根据对话意图自动整理项目结构。 高级功能：get-productivity-stats（生产力统计）、get-workspace-insights（工作区洞察）、analyze-project-health（项目健康度分析）、get-overview（全局概览）。这些工具让 AI 不仅能执行操作，还能帮你分析任务模式，发现拖延或瓶颈。 协作功能：find-comments、add-comments、find-project-collaborators、manage-assignments，支持团队场景。 搜索与筛选：search、find-tasks-by-date、find-labels、add-filters、update-filters，支持 AI 在复杂任务库中精准定位。 目标管理：Todoist Goals 功能对应的工具（add-goals、link-goal-tasks、complete-goals 等），支持 OKR 风格的AI辅助目标追踪。

技术架构：MCP 协议 + TypeScript 实现

项目采用 TypeScript 开发，架构清晰分为三层： 工具层（src/tools/）：每个工具独立为一个 .ts 文件（如 add-tasks.ts），配套 .test.ts 测试快照文件。所有工具均基于 @doist/todoist-sdk 与 Todoist API 交互，执行函数签名统一为 execute(args, todoistClient)，便于复用。 MCP 服务层（src/mcp-server.ts）：使用 @modelcontextprotocol/sdk 构建 MCP 服务器，注册所有工具。通过 FEATURE_NAMES 和 registerTool 机制管理工具注册，支持按功能特性分组开关。 MCP Apps 层（src/mcp-apps/）：提供内联 UI 小部件（如任务列表 widget），在 AI 聊天界面中渲染为可视化组件，而非纯文本输出。这是该项目的一个差异化特性——它不止输出 JSON，还能在 Claude/Cursor 等支持 MCP Apps 的客户端中渲染交互式 UI。 构建系统：基于 Vite 构建，使用 tsx 脚本运行工具，Vitest 做单元测试，release-please 管理版本发布和 Changelog。依赖管理简洁，核心依赖只有 @doist/todoist-sdk、@modelcontextprotocol/sdk、express、zod 和 date-fns。

部署方式：三条接入路径

todoist-mcp 提供了灵活的接入方式，适合不同技术背景的用户： 路径一（最简）：直接使用官方 SaaS 端点。Doist 在 ai.todoist.net 托管了生产级 MCP 服务，用户只需在 Claude Desktop、Cursor 或 VSCode 的 MCP 配置中填写 https://ai.todoist.net/mcp 并完成 OAuth 认证，即可立即使用。全程无需安装任何东西，门槛极低。 路径二（开发者）：本地 npm 安装。通过 npm install @doist/todoist-mcp 引入项目，既可以作为 MCP 服务器运行（npx @doist/todoist-mcp），也可以将工具直接集成到自己的 AI 应用中（如 Vercel AI SDK）。项目还提供了 npm run start:http 启动 HTTP 流式服务。 路径三（CLI）：Claude Code 插件。Claude Code 用户可以通过 /plugin marketplace add doist/todoist-mcp 一键安装，Todoist MCP 服务自动接线，OAuth 在首次使用时通过浏览器完成。 本地开发也很友好：npm run setup 自动配置 .env，npm run dev 支持热重载，npm run tool:list 可以直接运行单个工具进行调试。

安全性：API Key 隔离 + 中间件验证

所有 Todoist 操作都通过 TODOIST_API_KEY 认证，API Key 仅在服务端使用，不会暴露给 AI 客户端。MCP 服务内置 requireValidTodoistToken 中间件，在处理任何请求前验证 Token 合法性。开发文档明确建议使用测试账号运行写操作，避免污染真实数据。

局限与挑战

尽管工具集极为丰富，项目仍处于快速发展阶段（README 明确标注「early stages」）。部分功能尚不支持原子事务（例如一次性创建多个关联任务和分区时，中间失败不会自动回滚）。此外，MCP Apps 的 widget 渲染能力取决于 AI 客户端是否支持，兼容性有限。 对于企业用户而言，另一个潜在风险是所有数据流经 Todoist 官方服务器（路径一），对数据主权有严格要求的企业需要评估是否接受这一约束。

行业意义：任务管理 MCP 化的标杆实践

todoist-mcp 代表了「AI Native 应用」的一种重要形态：将垂直领域的完整 API 能力，通过标准化 MCP 协议暴露给 AI 助手。与其让 AI 依赖 CoT 推理来「想象」任务列表，不如让它直接操作真实数据。这不只是效率提升，更是从「AI 建议 → 人工执行」到「AI 协作 → 人工审核」的范式跃迁。 目前 todoist-mcp 的 518 stars 说明了市场需求的存在。随着 MCP 协议的普及，我们可以预见更多生产力工具（Notion、Linear、Slack 等）将推出类似的 MCP 集成，todoist-mcp 在这个生态中占据了重要的先发优势。