landicefu_divide
支持JSON的任务分解MCP工具，助力AI代理高效开发
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：landicefu_divide。 它的用途是：支持JSON的任务分解MCP工具，助力AI代理高效开发 详细介绍见：https://321skill.com/skills/landicefu-divide/ 请根据该页面的说明完成安装。
使用示例
‘我需要开发一个能自动抓取新闻、分析情感并生成日报的智能体，请帮我规划一下。’ 它会调用此Skill，将需求分解为‘设计数据抓取模块’、‘集成情感分析API’、‘构建报告生成模板’和‘设置定时任务’等JSON格式的子任务。然后，AI可以基于这个清晰的计划，逐步调用代码生成或API工具来完成每个模块。
介绍
该Skill是一个基于MCP（Model Context Protocol）协议的工具，旨在解决AI代理在处理复杂任务时面临的逻辑混乱和效率低下问题。它通过提供结构化的任务分解能力，将模糊或庞大的用户请求拆解为清晰、可执行的子任务，从而提升AI代理的规划与执行效率。
使用时，开发者或用户只需通过支持MCP的客户端（如Claude Desktop）配置并调用此服务器。当AI代理遇到复杂指令时，它可以请求此工具将任务分解为JSON格式的步骤列表，每个步骤包含明确的目标和依赖关系，使后续的代码生成、数据调用或工具使用更有条理。
它特别适合智能体开发者、全栈工程师以及任何需要构建或使用AI代理来处理多步骤工作流的用户。无论是开发复杂的AI应用，还是自动化日常的编码、数据分析任务，此工具都能帮助AI更可靠地规划和执行。
建议在项目初期或处理不确定性高的任务时优先使用此工具进行任务拆解。注意，其效果依赖于上游AI模型对任务的理解能力，且主要提供规划框架，具体的子任务执行仍需依赖其他工具或代码实现。
核心特点
与同类任务规划工具相比，其核心区别在于严格遵循MCP协议，能无缝集成到支持MCP的AI工作流中；同时，它专注于输出标准化的JSON结构，确保了子任务描述的机器可读性和可编程性，便于与其他自动化工具链集成。
注意事项
不适合处理高度依赖即时上下文或创造性发散思维、难以被结构化为线性步骤的开放式任务。
常见问题
这个MCP服务器如何帮助优化Token消耗？
通过将复杂任务拆解为明确的子步骤，可以减少AI在思考过程中产生的冗余和试探性输出，从而更精准地使用Token。
它支持哪些MCP客户端？
理论上支持任何实现了MCP协议的客户端，如Claude Desktop、Cursor等，具体需参考客户端的MCP工具接入文档。