TrakFlow는 분산 태스크 관리의 효율성과 신뢰성을 높이는 여러 핵심 기능을 제공합니다.
주요 기능
-
Git 기반 영속성: 태스크는 JSONL 파일로 Git에 버전 관리되어 코드와 함께 저장됩니다. 이는 외부 DB 없이 완전한 변경 이력, 브랜칭, 협업을 가능하게 합니다.
-
해시 기반 ID: 내용 해싱을 통해 고유 ID를 생성, 병합 충돌을 방지하며 오프라인 작업 및 동기화를 안전하게 지원합니다.
-
SQLite 캐시: 로컬 SQLite DB는 JSONL로부터 자동 재구축되며, 밀리초 단위의 빠른 쿼리 응답으로 AI 에이전트의 빠른 조회를 최적화합니다.
-
의존성 그래프(DAG): 방향성 비순환 그래프로 복잡한 태스크 관계를 모델링하고, 순환 감지 및 작업 준비 태스크 식별 기능을 제공하여 워크플로우를 시각화합니다.
-
MCP 서버: Model Context Protocol(MCP) 표준을 통해 AI 에이전트에 태스크 데이터를 노출합니다. Claude Desktop 등 MCP 지원 애플리케이션과 호환되며, 에이전트가 프로그래밍 방식으로 태스크를 관리할 수 있습니다.
-
플랜 및 워크플로우: 재사용 가능한 워크플로우 청사진(플랜)을 정의하고 실행 중인 워크플로우로 인스턴스화하여 반복 가능한 프로세스를 관리합니다.
TrakFlow 활용 방법
TrakFlow는 다음 세 가지 방식으로 활용할 수 있습니다.
-
CLI 명령: 터미널에서
tf명령어를 통해 태스크를 생성, 조회, 완료합니다. -
Ruby 라이브러리: Ruby 애플리케이션에
trak_flow라이브러리를 직접 통합하여 프로그래밍 방식으로 태스크를 제어합니다. -
MCP 서버:
tf_mcp명령어를 사용하여 AI 에이전트가 MCP를 통해 태스크 데이터에 접근하도록 합니다.