Englisch | 한국어 | 日本語 | 中文

MonkeyPlanner

Local-first Aufgabenverwaltung für Ihre KI-Coding-Agenten. Mit einem Klick genehmigen; Ihre Agenten erledigen den Rest. Keine Cloud. Keine Telemetrie. Für immer kostenlos, für immer MIT.

Funktioniert mit Claude Code · Claude Desktop · Cursor · Continue · jedem MCP-kompatiblen Client.

👁 MonkeyPlanner Demo

Schnellstart

# Docker (recommended)
docker run -p 8080:8080 -v $(pwd)/data:/data ghcr.io/kjm99d/monkeyplanner:latest

# then wire up your agent
monkey-planner mcp install --for claude-code # or --for cursor / --for claude-desktop

Öffnen Sie http://localhost:8080 — das integrierte Willkommens-Board führt Sie durch den Rest.

Related MCP server: task-orchestrator

Funktionen

Issue- & Board-Verwaltung

• Kanban-Board — Drag & Drop, horizontales Scrollen, Filtern, Sortieren und Umschalten der Tabellenansicht

• Issue-Erstellung — Titel, Markdown-Inhalt und benutzerdefinierte Eigenschaften

• Benutzerdefinierte Eigenschaften — Sechs unterstützte Typen:

  • Text

  • Zahl

  • Auswahl (Select)

  • Mehrfachauswahl (Multi-select)

  • Datum

  • Kontrollkästchen (Checkbox)

Genehmigungs-Gate

• Ausstehend → Genehmigt über einen dedizierten Genehmigungs-Endpunkt (nicht über generisches PATCH möglich)

• Genehmigungswarteschlange — Massengenehmigung aller ausstehenden Issues über alle Boards hinweg

• Genehmigt → In Bearbeitung → Erledigt — Flexible Statusübergänge

• Status „Abgelehnt“ — Protokollierung eines Ablehnungsgrundes

Agenten-Funktionen

• Feld für Agenten-Anweisungen — Geben Sie detaillierte Anweisungen für MCP-Agenten

• Erfolgskriterien — Verwalten Sie Abschlussbedingungen als Checkliste

• Kommentare — Protokollieren Sie den Fortschritt und kommunizieren Sie pro Issue

• Abhängigkeiten — Definieren Sie blockierende Beziehungen zwischen Issues

Datenvisualisierung

• Kalender — Monatsraster + tägliche Aktivität (Anzahl der erstellten, genehmigten und abgeschlossenen Issues)

• Dashboard — Statistik-Karten + wöchentliches Aktivitätsdiagramm

• Seitenleiste — Board-Liste, Issue-Anzahl und kürzlich bearbeitete Elemente

Benutzererfahrung

• Globale Suche — Schnelle Suche mit Cmd+K

• Tastaturkürzel

  • h — Zum Dashboard

  • a — Zur Genehmigungswarteschlange

  • ? — Hilfe zu Tastaturkürzeln anzeigen

  • Cmd+S — Speichern

  • Escape — Modal/Dialog schließen

• Einklappbare Seitenleiste — Maximierung des Bildschirmplatzes

• Dunkelmodus — Theme-Umschalter

• Internationalisierung — Koreanisch, Englisch, Japanisch und Chinesisch

Automatisierung & Integrationen

• Webhooks — Unterstützung für Discord, Slack und Telegram

  • Ereignisse: issue.created, issue.approved, issue.status_changed, issue.updated, issue.deleted, comment.created

• Echtzeit-UI-Synchronisierung (SSE) — Änderungen via MCP/CLI werden automatisch in offenen Browser-Tabs reflektiert, kein Neuladen erforderlich

• JSON-Export — Export aller Issue-Daten

• Rechtsklick-Kontextmenü — Schnelle Aktionen

• Issue-Vorlagen — localStorage-Persistenz pro Board

MCP-Server (KI-Agenten-Integration)

Dreizehn Tools für die Automatisierung durch KI-Agenten:

1. list_boards — Alle Boards auflisten

2. list_issues — Issues abfragen (filtern nach boardId, Status)

3. get_issue — Issue-Details inklusive Anweisungen, Kriterien und Kommentaren

4. create_issue — Ein neues Issue erstellen

5. approve_issue — Genehmigen: Ausstehend → Genehmigt

6. claim_issue — Übernehmen: Genehmigt → In Bearbeitung

7. submit_qa — Zur QA einreichen: In Bearbeitung → QA

8. complete_issue — Abschließen: QA → Erledigt (optionaler Kommentar)

9. reject_issue — Ablehnen: QA → In Bearbeitung mit erforderlichem Grund

10. add_comment — Einen Kommentar zu einem Issue hinzufügen

11. update_criteria — Ein Erfolgskriterium abhaken oder abwählen

12. search_issues — Issues nach Titel suchen

13. get_version — MCP-Server-Version abrufen (für Diagnosen)

Tech-Stack

Backend

• Sprache: Go 1.26

• Router: chi/v5

• Datenbank: SQLite / PostgreSQL (konfigurierbar)

• Migrationen: goose/v3

• Eingebettete Dateien: embed.FS (Deployment als einzelne Binary)

Frontend

• Framework: React 18

• Sprache: TypeScript

• Bundler: Vite 6

• CSS: Tailwind CSS

• State-Management: React Query (TanStack)

• Drag and Drop: @dnd-kit/core, @dnd-kit/sortable

• Icons: lucide-react

• Diagramme: recharts

• i18n: react-i18next

• Markdown: react-markdown + rehype-sanitize

MCP

• Protokoll: JSON-RPC 2.0 über stdio

• Ziele: Claude Code, Claude Desktop

Erste Schritte

Voraussetzungen

• Go 1.26 oder neuer

• Node.js 18 oder neuer

• npm oder yarn

Installation & Ausführung

1. Klonen und initialisieren

git clone https://github.com/kjm99d/MonkeyPlanner.git
cd monkey-planner
make init

2. Production-Build (einzelne Binary)

make build
./bin/monkey-planner

Der Server läuft unter http://localhost:8080 mit eingebettetem Frontend.

3. Entwicklungsmodus (separate Prozesse)

Terminal 1 — Backend:

make run-backend

Terminal 2 — Frontend (Vite Dev-Server, :5173):

make run-frontend

Das Frontend leitet /api-Anfragen automatisch an :8080 weiter.

Umgebungsvariablen

# Server address (default: :8080)
export MP_ADDR=":8080"

# Database connection string
# SQLite (default: sqlite://./data/monkey.db)
export MP_DSN="sqlite://./data/monkey.db"

# PostgreSQL example
export MP_DSN="postgres://user:password@localhost:5432/monkey_planner"

MCP-Server-Einrichtung

Empfohlen: Automatische Konfiguration via CLI

# Claude Code (writes .mcp.json in the current directory)
monkey-planner mcp install --for claude-code

# Claude Desktop (writes the OS-native config file)
monkey-planner mcp install --for claude-desktop

# Cursor (writes .cursor/mcp.json)
monkey-planner mcp install --for cursor

Flags: --dry-run für eine Vorschau, --scope user für einen globalen Eintrag (~/.mcp.json), --force zum Überschreiben, --base-url <url> für einen nicht-standardmäßigen Server.

Starten Sie den Client danach neu, damit die Konfiguration neu eingelesen wird.

Manuelle Konfiguration

Funktioniert identisch für Claude Code (.mcp.json), Claude Desktop (OS-native Konfiguration) und Cursor (.cursor/mcp.json):

{
 "mcpServers": {
 "monkey-planner": {
 "command": "/path/to/monkey-planner",
 "args": ["mcp"],
 "env": {
 "MP_BASE_URL": "http://localhost:8080"
 }
 }
 }
}

Die Binary muss den HTTP-Server erreichen können (eingestellt über MP_BASE_URL). Belassen Sie es beim Standardwert, wenn beides auf derselben Maschine läuft.

Beispiele für die MCP-Tool-Nutzung

AI: List all boards
→ list_boards()

AI: Find issues related to "authentication"
→ search_issues(query="authentication")

AI: Approve the first pending issue, claim it, work on it, and submit for QA
→ approve_issue() → claim_issue() → submit_qa()

Workflow — Reales Nutzungsszenario

Unten sehen Sie einen echten Workflow zur Behebung eines Fehlers im Sprachumschalter, der zeigt, wie Mensch und KI-Agent über MonkeyPlanner zusammenarbeiten.

Status-Fluss

Pending → Approved → InProgress → QA → Done
 ↑ │ (reject with reason)
 └──────────────┘

Schritt-für-Schritt

1. Issue erstellen — Mensch findet einen Fehler, bittet KI um Registrierung

Human: "The language selector dropdown doesn't appear when clicking the button. Create an issue."
AI: create_issue(boardId, title, body, instructions) → status: Pending

2. Genehmigen — Mensch prüft und genehmigt

Human: (clicks Approve on the board or tells AI)
AI: approve_issue(issueId) → status: Approved

3. Arbeit beginnen — KI übernimmt das Issue und beginnt mit dem Coding

AI: claim_issue(issueId) → status: InProgress
 - Reads code, identifies root cause
 - Implements fix, runs tests
 - Commits changes

4. Zur QA einreichen — KI ist fertig und reicht es zur Überprüfung ein

AI: submit_qa(issueId, comment: "commit abc1234 — fixed click handler")
 → status: QA
 add_comment(issueId, "Commit info: ...")

5. Überprüfung — Mensch testet den Fix

Human: Tests in browser, finds the dropdown is clipped by sidebar
 → reject_issue(issueId, reason: "Dropdown is hidden behind sidebar")
 → status: InProgress (back to step 3)

Human: Tests again after fix, everything works
 → complete_issue(issueId) → status: Done

6. Feedback-Schleife — Kommunikation über Kommentare während des gesamten Prozesses

Human: add_comment("Dropdown is clipped on the left side, fix it")
AI: get_issue() → reads comment → fixes → commit → submit_qa()
Human: Tests → complete_issue() → Done ✓

Wichtige Erkenntnisse

• Mensch kontrolliert die Gates: Genehmigung, QA-Bestanden/Ablehnung, Abschluss

• KI erledigt die Arbeit: Code-Analyse, Implementierung, Tests, Commits

• Kommentare sind der Kommunikationskanal: Beide Seiten nutzen add_comment, um Feedback auszutauschen

• QA-Schleife verhindert vorzeitigen Abschluss: Issues müssen die menschliche Überprüfung bestehen, bevor sie auf „Erledigt“ gesetzt werden

API-Referenz

OpenAPI 3.0 Spezifikation: backend/docs/swagger.yaml

Wichtige Endpunkte

Boards

GET /api/boards # List boards
POST /api/boards # Create board
PATCH /api/boards/{id} # Update board
DELETE /api/boards/{id} # Delete board

Issues

GET /api/issues # List issues (filter: boardId, status, parentId)
POST /api/issues # Create issue
GET /api/issues/{id} # Issue detail + child issues
PATCH /api/issues/{id} # Update issue (status, properties, title, etc.)
DELETE /api/issues/{id} # Delete issue
POST /api/issues/{id}/approve # Approve issue (Pending → Approved)

Kommentare

GET /api/issues/{issueId}/comments # List comments
POST /api/issues/{issueId}/comments # Add comment
DELETE /api/comments/{commentId} # Delete comment

Eigenschaften (Benutzerdefinierte Attribute)

GET /api/boards/{boardId}/properties # List property definitions
POST /api/boards/{boardId}/properties # Create property
PATCH /api/boards/{boardId}/properties/{propId} # Update property
DELETE /api/boards/{boardId}/properties/{propId} # Delete property

Webhooks

GET /api/boards/{boardId}/webhooks # List webhooks
POST /api/boards/{boardId}/webhooks # Create webhook
PATCH /api/boards/{boardId}/webhooks/{whId} # Update webhook
DELETE /api/boards/{boardId}/webhooks/{whId} # Delete webhook

Kalender

GET /api/calendar # Monthly stats (year, month required)
GET /api/calendar/day # Daily issue list (date required)

Für vollständige Schema-Details siehe backend/docs/swagger.yaml.

Projektstruktur

monkey-planner/
├── backend/
│ ├── cmd/monkey-planner/
│ │ ├── main.go # Entry point (HTTP server)
│ │ └── mcp.go # MCP server (JSON-RPC stdio)
│ ├── internal/
│ │ ├── domain/ # Domain models (Issue, Board, etc.)
│ │ ├── service/ # Business logic
│ │ ├── storage/ # Database layer (SQLite/PostgreSQL)
│ │ ├── http/ # HTTP handlers & router
│ │ └── migrations/ # goose migration files
│ ├── web/ # Embedded frontend (embed.FS)
│ ├── docs/
│ │ └── swagger.yaml # OpenAPI 3.0 spec
│ ├── go.mod
│ └── go.sum
│
├── frontend/
│ ├── src/
│ │ ├── components/ # Reusable components
│ │ ├── features/ # Page & feature components
│ │ │ ├── home/ # Dashboard
│ │ │ ├── board/ # Board & Kanban
│ │ │ ├── issue/ # Issue detail
│ │ │ ├── calendar/ # Calendar
│ │ │ └── approval/ # Approval queue
│ │ ├── api/ # API hooks & client
│ │ ├── design/ # Tailwind tokens
│ │ ├── i18n/ # Translations (en.json, ko.json, ja.json, zh.json)
│ │ ├── App.tsx # Router
│ │ ├── index.css # Global styles
│ │ └── main.tsx
│ ├── package.json
│ ├── vite.config.ts
│ ├── tsconfig.json
│ └── tailwind.config.js
│
├── .mcp.json # Claude Code MCP config
├── Makefile # Build & dev commands
├── .githooks/ # Git hooks
└── data/ # SQLite database (default)

Tests

Backend-Tests

make test-backend

Frontend-Tests

make test-frontend

Barrierefreiheitstests

make test-a11y

Alle Tests

make test

Häufige Befehle

# Initial setup after cloning
make init

# Production build
make build

# Run production server
./bin/monkey-planner

# Development mode
make run-backend # Terminal 1
make run-frontend # Terminal 2

# Clean build artifacts
make clean

Regeln für Statusübergänge

Pending
 ↓ (approve endpoint)
Approved
 ↓ (PATCH status)
InProgress
 ↓ (PATCH status)
Done

Pending → Approved: POST /api/issues/{id}/approve (dedicated endpoint only)
Approved ↔ InProgress ↔ Done: Free transitions via PATCH
Pending: Cannot be re-entered from other statuses
Rejected: Separate rejection state with reason tracking

Lizenz

MIT

Mitwirken

Issues und Pull Requests sind willkommen.

Kontakt

Für Fragen oder Feedback zum Projekt öffnen Sie bitte ein GitHub-Issue.

Maintenance

Resources

• GitHub Repository
Need Help?Related Servers