integration_instructionsMCP-nativní

Jediný tracker, kde se práce AI rovnou promění ve výkaz a fakturu

mcptask.online je jediný projektový tracker, kde práce, kterou váš AI agent zaloguje přes MCP, putuje přímo do výkazu — a z něj do reálné faktury. Kontext si přečte sám. Žádné kopírování.

Jeden úkol — celý lifecycle

1
task_alt
Úkol
v mcptask.online
2
smart_toy
Agent
přečte přes MCP
3
merge
PR
AI otevře a mergne
4
schedule
Výkaz
AI zaloguje sám
5
receipt_long
Faktura
z téhož výkazu
Nulakopírování
Autologování

Konečně víte, co AI reálně odpracovala — a kolik to stálo

Manažer se ptá: „Co přesně AI pomohla v tomto sprintu?" — a hned nato: „Umíme obhájit náklady na AI nástroje?" S mcptask.online je každá AI akce zalogovaná, má atribuci a jde exportovat. Přestanete hádat a začnete reportovat.

fact_check

Plná auditní stopa

Každá zalogovaná práce nese atribuci: který token, kdy, co se změnilo, jak dlouho to trvalo. Žádné rozházené chaty. Žádné mlhavé vzpomínky.

  • arrow_rightKterý agent napsal který kód
  • arrow_rightČas strávený na úkolu — od AI
  • arrow_rightCo se změnilo, exportovatelné jako historie
receipt_long

Obhajoba nákladů na AI

Když se vedení ptá, zda se předplatné AI vyplatí, máte konkrétní číslo. AI effort se loguje stejně jako lidský — srovnatelně, reportovatelně, fakturovatelně.

  • arrow_rightHodiny AI práce za sprint
  • arrow_rightHodiny lidské práce za sprint
  • arrow_rightCena za úkol ve vaší měně
rule

Workflow schvalování člověkem

V plánu Professional AI pracuje, ale změny schvaluje člověk. Manažer vidí každý diff před mergem. AI jede rychle, člověk drží kontrolu.

  • arrow_rightAI loguje práci jako 'čeká na review'
  • arrow_rightManažer zkontroluje a schválí
  • arrow_rightJen schválená práce jde do výkazu

Od asistenta k autonomnímu vývojáři

Zadáte večer, ráno čtete diffy. mcptask_runner je volitelný gem pro Rails projekty, který obalí Claude Code plným autonomním harnessem — stroj si sám vyzvedne dnešní úkoly, napíše kód, otevře PR a po green CI ho mergne. Chybí vám vývojář? Přidejte si AI kolegu, který pracuje na vaší infrastruktuře a fakturuje se jako člověk.

psychology

Model-agnostic

Tři úrovně (genius/smart/primitive) jsou role, ne konkrétní modely. Namapujete na ně cokoli — Claude, Kimi, DeepSeek, MiniMax, lokální ollama. Levný model na čtení a triage, silný na těžký kód — a ‚silný' klidně znamená levný cloud model třetí strany.

dns

Běží na vaší infrastruktuře

Runner je Ruby gem ve vašem projektu. Čte vaši reálnou databázi, spouští vaše reálné testy, komunikuje s vaším reálným Git hostitelem. Žádná třetí strana nepracuje s vaším kódem.

bug_report

Self-spawn na cizí bugy

Když runner narazí na URGENT bug, který nesouvisí s aktuálním úkolem, commitne rozdělanou práci, založí tracked bug úkol, opraví ho nejdřív a teprve pak se vrátí k původnímu úkolu. Konkrétní průběh: commitne rozdělanou feature, otevře bug jako tracked piece, opraví ho, pushne a teprve potom pokračuje v původním úkolu. Chaos se mění na vlastněnou práci.

Co potřebujete

Tři věci. Žádný Ruby, žádné servery, žádné CLI kouzla. Bezplatný účet na mcptask.online stačí, abyste to vyzkoušeli dnes.

1

MCP-kompatibilní AI klient

Jakýkoli klient, který mluví Model Context Protocol — otevřeným standardem, který Claude Code používá pro připojení k externím nástrojům.

Příklady: Claude Code, Claude Desktop, Cursor, Cline, Continue.

2

Bezplatný účet na mcptask.online

Zaregistrujte se, vytvořte projekt, přidejte pár úkolů. Dvě minuty.

Bez platební karty. 30denní Professional trial na každém novém účtu.

3

Váš MCPTASK_TOKEN ze stránky uživatele

Dlouhý tajný řetězec, který dokazuje, že agent jedná jako vy. Zacházejte s ním jako s heslem — kdokoli ho má, může jednat jako vy na mcptask.online.

Zdarma na každém plánu. Zkopírujte jej na stránce uživatele v sekci API Token (klikněte pro zkopírování). Pro odebrání agenta zrušte jeho přístup v Propojených aplikacích.

Volitelné pro autonomní noční smyčky: gem `mcptask_runner` (jen Rails projekty) — viz instalační příručka.

AI čte úkoly přímo přes MCP

Jak to funguje

1

Nastavte MCP připojení

Přidejte tuto položku do MCP konfigurace vašeho klienta (pro Claude Code: `.mcp.json` v kořenu projektu; pro Claude Desktop: Nastavení → Developer → Edit Config). Endpoint, transport i auth hlavička jsou přesně to, co každý MCP-nativní klient očekává.

{
  "mcpServers": {
    "mcptask-online": {
      "type": "sse",
      "url": "https://mcptask.online/mcp/sse",
      "headers": { "Authorization": "Bearer ${MCPTASK_TOKEN}" }
    }
  }
}
  1. 1
    Zaregistrujte se na mcptask.online (zdarma, 30denní Professional trial)
  2. 2
    Otevřete stránku uživatele → API Token a kliknutím na token jej zkopírujte
  3. 3
    Zkopírujte token a v shellu spusťte `export MCPTASK_TOKEN=mcptask_...` (nebo ho přidejte do ~/.zshrc / ~/.bashrc)
  4. 4
    Vložte výše uvedenou konfiguraci do `.mcp.json` (nebo MCP nastavení vašeho klienta)
  5. 5
    Restartujte AI klienta
  6. 6
    Zeptejte se agenta: „Ukaž mi další otevřený úkol z mého mcptask.online projektu."

Kam to patří: `.mcp.json` (Claude Code) nebo vývojářský MCP config dialog (Claude Desktop, Cursor, Cline). Reference `${MCPTASK_TOKEN}` se resolvuje z proměnné prostředí — exportněte ji jednou v shellu, aby ji každý klient viděl.

arrow_downward
2

Požádejte AI o přečtení kusu (piece)

V běžné angličtině (nebo češtině) požádejte agenta, aby na něčem pracoval. Agent přes MCP resolvne `mcptask://pieces/{account_code}/{piece_id}` proti mcptask.online — žádné kopírování.

"Přečti úkol #47 a implementuj funkci přihlášení"

Tento URI pattern je kanonický vstupní bod pro čtení pieces — úkolů, stories, epiců a recurentů — přes `mcptask://pieces/{account_code}/{id}`. Projekty používají vlastní URI `mcptask://projects/{account_code}/{project_id}`.

linkmcptask://pieces/jchsoft/10575
arrow_downward
3

AI získá plný kontext automaticky

AI obdrží:

  • check_circleNázev a celý popis piece
  • check_circleKontext nadřazeného epicu/story
  • check_circleKritéria akceptace
  • check_circleSouvisející pieces a závislosti
  • check_circleVšechny komentáře a diskusi
  • check_circlePřipojené soubory (specifikace, návrhy)
  • check_circleHistorie práce
arrow_downward
4

AI zaloguje práci automaticky

Po dokončení agent zavolá MCP, aby zalogoval postup — trvání, co se změnilo, stav, překážky. Můžete ho o to požádat, nebo můžete spustit volitelný gem `mcptask_runner`, který celou autonomní smyčku řídí sám.

  • check_circleZalogování stráveného času
  • check_circlePopis toho, co bylo uděláno
  • check_circleAktualizace stavu
  • check_circlePřidání poznámek a překážek

Note: Samotné MCP čtení práci neloguje — agent musí zavolat log tool, nebo to musí řídit runner. Bezpracné logování je vlastnost dobře instruovaného agenta nebo runneru, ne samotného MCP.

verified

Nula manuálního nastavení kontextu. Nula manuálního logování — když loguje agent (nebo runner).

Problém s kontextem pro AI

content_copy

Manuální nastavení kontextu pokaždé

Každá relace Claude Code začíná stejně:

  • closeZkopírovat popis úkolu
  • closeVložit do chatu
  • closeZkopírovat kritéria akceptace
  • closeVložit do chatu
  • closeVysvětlit kontext
  • closeKonečně začít pracovat
Denní ztráta:1-3 hodiny
schedule

Žádné automatické logování práce

AI vám dnes pomohla opravit 5 bugů. Ale váš systém úkolů neukázal nic. Strávíte 30 minut na konci dne rekonstrukcí toho, co AI udělala, a manuálním logováním.

Ztracená data:

  • cancelCo AI vlastně implementovala
  • cancelČas strávený na úkolu
  • cancelKontext pro budoucí reference
extension

Nekonzistentní kontext

Někdy zkopírujete celý úkol. Někdy ho shrnete. Někdy zapomenete související úkoly. AI pracuje s neúplnými informacemi. Výsledky se liší.

Důsledky:

  • warningAI přehlédne požadavky
  • warningNutnost přepracování
  • warningFrustrace
search_off

Žádná auditní stopa

Manažer se ptá: "Co přesně AI pomohla v tomto sprintu?"

Máte: rozházené záznamy chatů, mlhavé vzpomínky, žádná strukturovaná data.

Dopad:

  • blockNemůžete zdůvodnit náklady na AI nástroje
  • blockŽádná viditelnost produktivity AI
  • blockŽádné metriky pro zlepšení

Jak to funguje

AI dostane plný kontext piece — to je ale ta jednodušší část, tu umí každý moderní tracker s MCP. Skutečná diferenciace je v tom, co se stane s prací poté, co AI skončí.

Automatické logování práce

AI loguje (když je instruován, nebo přes mcptask_runner):

  • check_circlePiece, na které se pracovalo
  • check_circleTrvání (odhadnuté z relace)
  • check_circleCo bylo implementováno
  • check_circleProcento dokončení
  • check_circleJakékoli narazené překážky

Lidské úsilí:

Nula — jakmile agenta (nebo runner) požádáte, loguje. Samotné MCP čtení neloguje.

Konzistentní workflow

Každá relace:

  1. 1
    AI přečte piece z MCP
  2. 2
    AI pracuje na piece
  3. 3
    AI zaloguje dokončení přes MCP
  4. 4
    Člověk zkontroluje, když má čas

Už žádné:

Žádné kopírování, zapomínání logování, nekonzistentní kontext.

Jasná atribuce

Každá akce označená:

"Práce zalogována Claude-Code-1"

"Stav změněn AI Agentem"

"Komentář přidán AI Asistentem"

Přínos:

Vždy víte, co udělala AI vs. co člověk.

Příklady workflow

Oprava bugu

close

Před mcptask.online:

  1. 1
    Otevřít Jira, najít bug ticket (2 min)
  2. 2
    Zkopírovat popis, vložit do Claude (1 min)
  3. 3
    Zkopírovat kroky k reprodukci (1 min)
  4. 4
    Claude vyšetřuje a opravuje (15 min)
  5. 5
    Manuálně zalogovat čas v Jira (2 min)
  6. 6
    Aktualizovat stav ticketu (1 min)
Celkem:22 minut
Režie:7 minut (32%)
check_circle

S mcptask.online:

  1. 1
    Říct Claude "pracuj na bugu #47" (10 sec)
  2. 2
    Claude přečte piece přes MCP automaticky
  3. 3
    Claude vyšetřuje a opravuje (15 min)
  4. 4
    Claude zaloguje práci přes MCP automaticky
  5. 5
    Výkaz je hned aktuální — a oprava je fakturovatelná
Celkem:15 minut
Režie:10 sekund (<1%)

Implementace funkce

close

Před mcptask.online:

  1. 1
    Přečíst epic a stories v Jira (5 min)
  2. 2
    Zkopírovat relevantní kontext do Claude (3 min)
  3. 3
    Diskutovat přístup s Claude (5 min)
  4. 4
    Claude implementuje funkci (30 min)
  5. 5
    Manuálně zdokumentovat, co bylo uděláno (5 min)
  6. 6
    Zalogovat čas přes více úkolů (3 min)
Celkem:51 minut
Režie:16 minut (31%)
check_circle

S mcptask.online:

  1. 1
    Říct Claude "implementuj story #23" (10 sec)
  2. 2
    Claude přečte story a všechny podúkoly přes MCP
  3. 3
    Diskutovat přístup s Claude (5 min)
  4. 4
    Claude implementuje funkci (30 min)
  5. 5
    Claude zaloguje práci automaticky přes MCP
  6. 6
    Effort putuje do faktury bez ručního opisování
Celkem:35 minut
Režie:10 sekund (<1%)

Ilustrativní příklad

Note: Citace a čísla níže jsou ilustrativní. Používáme je, abychom ukázali, jak MCP-nativní workflow vypadá v praxi — tento konkrétní text jsme od žádného konkrétního uživatele nezískali.

format_quote
Claude Code je mnohem užitečnější, když si může přečíst plný kontext úkolu, rozumět požadavkům a sám si zalogovat práci. Už měsíce jsem nezkopíroval popis úkolu.
person

Ilustrativní — full-stack vývojář

Full-Stack Vývojář

Používá Claude Code s mcptask.online

Jak workflow vypadá

Čas nastavení kontextu:

5 min → 10 sekund (příklad)

Čas logování práce:

30 min/den → 0 (když agent loguje)

Produktivita AI:

Lepší kontext → lepší výstup (kvalitativně)

Auditní stopa:

Každá MCP akce je zalogovaná s plnou atribucí

Technické detaily

smart_toy

Podporované AI nástroje

Plně kompatibilní (MCP-nativní):

  • check_circleClaude Code (Anthropic)
  • check_circleClaude Desktop
  • check_circleCursor, Cline, Continue a jakýkoli MCP-kompatibilní asistent

Přes REST API:

  • apiVlastní AI agenti
  • apiNástroje, které zatím MCP nemluví
integration_instructions

MCP funkce

Čtení:

  • visibilityPieces (úkoly, stories, epicy, recurity, projekty)
  • visibilityKomentáře a přílohy
  • visibilityStruktura projektu
  • visibilityHistorie práce

Zápis (když se agent rozhodne):

  • editLogování práce
  • editAktualizace stavu
  • editPřidání komentářů
  • editVytvoření nebo dokončení pieces
security

Bezpečnost

Řízení přístupu:

  • shieldJeden MCPTASK_TOKEN na agenta nebo uživatele
  • shieldOprávnění odpovídají roli vlastníka tokenu v projektu
  • shieldPřístup na úrovni projektu odpovídá členství v účtu
  • shieldRate limity na token

Audit:

  • fact_checkKaždá MCP akce je zalogovaná
  • fact_checkPlná atribuce (který token, kdy, co)
  • fact_checkExportovatelná historie

Ceny pro AI týmy

Ceny jsou vždy aktuální — stejné, jaké účtuje platební brána. Žádné ruční aktualizace, žádný drift mezi stránkou a fakturací.

Starter

390 Kč/měsíc
  • check_circle5 projektů
  • check_circleNeomezené pieces
  • check_circlePřístup k MCP serveru
  • check_circleGitHub/GitLab webhooky
  • check_circle1 uživatel + 1 AI agent

Ideální pro:

Samostatní vývojáři používající AI denně

Professional

300 Kč/uživatel/měsíc
  • check_circleNeomezené projekty
  • check_circleNeomezení členové týmu
  • check_circlePokročilé MCP funkce
  • check_circleSpráva sprintů
  • check_circleWorkflow schvalování AI práce
  • check_circlePokročilé reportování

Ideální pro:

Týmy, kde všichni používají AI asistenty

Přístup k MCP pro AI agenty je zdarma na každém plánu. Platíte pouze za uživatele účtu.

Často kladené otázky

Q

Čím se to liší od Jira nebo Linear MCP serveru?

Linear, Jira i GitHub mají MCP servery, které dokážou předat úkol AI asistentovi. mcptask.online se liší v tom, co se stane poté, co AI skončí. Práce, kterou AI zaloguje přes MCP, putuje do stejného výkazu, jaký používá člověk, a z něj do reálné faktury. Každá AI akce je audit-ready s atribucí a hodiny AI jsou reportovatelné a fakturovatelné — ne jen editovatelné úkoly. Prosté MCP dá AI úkol k přečtení; mcptask.online dá AI místo, kde její práce počítá.

Q

Kde najdu svůj MCPTASK_TOKEN?

Přihlaste se na mcptask.online, otevřete stránku uživatele a zkopírujte token z API Token (klikněte pro zkopírování). Zacházejte s ním jako s heslem — kdokoli ho má, může jednat jako vy na mcptask.online. Pro odpojení agenta zrušte jeho přístup v Propojených aplikacích.

Q

Co je MCP?

MCP — Model Context Protocol — je otevřený standard, který Claude Code (a další MCP-nativní klienti) používají pro připojení k externím nástrojům. mcptask.online provozuje MCP server na https://mcptask.online/mcp/sse, takže jakýkoli MCP-kompatibilní klient může jednou položkou v konfiguraci číst i zapisovat data vašeho projektu.

Q

Musím něco instalovat?

Pro základní read/write flow: ne. Bezplatný účet na mcptask.online, MCP-kompatibilní klient a token stačí. Pro plně autonomní denní smyčku (agent, který si sám vyzvedne dnešní úkoly) je volitelný gem `mcptask_runner` jednořádkovým doplňkem v Rails projektu — viz instalační příručka.

Q

Které AI nástroje podporují MCP?

Claude Code, Claude Desktop, Cursor, Cline, Continue a rostoucí seznam MCP-nativních klientů. Pokud váš nástroj mluví MCP, mcptask.online s ním funguje. Pokud ne, použijte REST API.

Q

Je mcptask_runner povinný?

Ne. Runner je pomocný wrapper pro plně autonomní smyčku v Rails projektu. Prosté MCP čtení a zápis funguje i bez něj, na jakémkoli stacku.

Q

Co je to "piece"?

Piece je obecný název pro úkoly, stories, epicy a recurity v mcptask.online. MCP URI pro piece je `mcptask://pieces/{account_code}/{piece_id}` — neexistují žádné zvláštní cesty `/tasks/` ani `/stories/`. Projekty používají vlastní URI `mcptask://projects/{account_code}/{project_id}`.

Q

Může AI vytvářet pieces?

Ano — pokud uživatel, jehož token používáte, má roli, která to umožňuje. Agenti mohou prostřednictvím MCP write nástrojů vytvářet pieces, podúkoly a komentáře. Pokud chcete zápis zakázat, přiřaďte danému uživateli v projektu roli jen pro čtení nebo omezenou roli.

Q

Je přístup AI logovaný?

Každá MCP akce je zalogovaná s plnou atribucí — který token, kdy, co se změnilo. Vždy víte, co AI udělala.

Q

Musím změnit svůj workflow?

Minimálně. Budete žádat AI o čtení pieces místo kopírování, a (volitelně) o logování práce po dokončení. Vše ostatní se zlepší automaticky.

Nechte AI pracovat — a mějte její práci ve výkazu i na faktuře

30denní zkušební verze Professional zdarma. MCP server v ceně. Připojte Claude Code za pět minut.

check_circleBez platební karty. Neomezené MCP akce. Zrušení kdykoliv.