DevRev MCP Server

AI DevRev MCP Server Automation

Kontaktujte nás pro hostování vašeho MCP serveru ve FlowHunt

Co dělá “DevRev” MCP Server?

DevRev MCP Server je server typu Model Context Protocol (MCP) navržený pro zajištění komplexního přístupu k API DevRev, což umožňuje bezproblémovou integraci funkcí platformy DevRev do AI asistentů a workflow vývojářů. Díky tomuto serveru mohou uživatelé programaticky pracovat s DevRev pro správu pracovních položek (například úkolů a ticketů), správu částí (vylepšení), provádět pokročilé vyhledávání v datech DevRev a získávat uživatelské informace. Tím, že tyto možnosti zpřístupňuje, umožňuje DevRev MCP Server AI agentům a klientům automatizovat, dotazovat se a spravovat zdroje DevRev, a podporuje tak případy použití jako dotazy do databáze, automatizace workflow nebo kontextovou asistenci při vývoji.

Seznam promptů

V poskytnutých souborech repozitáře ani dokumentaci nejsou uvedeny žádné šablony promptů.

FlowHunt Logo

Připraveni rozšířit své podnikání?

Začněte svou bezplatnou zkušební verzi ještě dnes a viďte výsledky během několika dní.

Seznam zdrojů

V dostupné dokumentaci nebo kódu nejsou explicitně uvedeny MCP zdroje. Prvky zdrojů nejsou popsány v README ani ve viditelných souborech.

Seznam nástrojů

  • search: Vyhledávání informací v DevRev pomocí search API s podporou různých jmenných prostorů (články, úkoly, tickety, části, dev_users, účty, rev_orgs).
  • get_current_user: Získání detailů o právě přihlášeném uživateli DevRev.
  • get_work: Načtení podrobných informací o konkrétní pracovní položce DevRev podle jejího ID.
  • create_work: Vytvoření nových úkolů nebo ticketů v DevRev s vlastnostmi jako název, tělo, přiřazení a přiřazené části.
  • update_work: Aktualizace existujících pracovních položek úpravou vlastností jako název, tělo, přiřazení nebo přiřazené části.
  • list_works: Výpis a filtrování pracovních položek podle kritérií, například stav, datum, přiřazení, části a další.
  • get_part: Získání detailních informací o konkrétní části (vylepšení) pomocí ID.
  • create_part: Vytvoření nových částí s vlastnostmi jako název, popis, přiřazení a nadřazené části.
  • update_part: Aktualizace existujících částí úpravou vlastností jako název, popis, přiřazení nebo cílová data.
  • list_parts: Výpis a filtrování částí podle kritérií, např. data, přiřazení, nadřazené části a další.

Případy použití tohoto MCP serveru

  • Správa pracovních položek: Vývojáři mohou programaticky vytvářet, aktualizovat, načítat a vypisovat úkoly či tickety, což zefektivňuje projektové workflow a automatizaci.
  • Správa vylepšení (“částí”): Týmy mohou spravovat vylepšení (nazývaná “části”) jejich vytvářením, aktualizací nebo hierarchickým uspořádáním a podporovat tak plánování a sledování funkcí.
  • Pokročilé vyhledávání: Provádění hybridního a jmenně-prostorového vyhledávání napříč články, úkoly, uživateli a dalšími, což umožňuje AI asistentům rychle získat relevantní znalosti z DevRev.
  • Získání uživatelského kontextu: Přístup k informacím o aktuálním uživateli pro personalizované AI workflow, jako např. cílená upozornění nebo kontextové návrhy.
  • Automatizované reportování a analytika: Filtrováním a výpisem pracovních položek a částí podle různých kritérií mohou týmy generovat reporty a poznatky pro sledování projektů a rozhodování.

Jak to nastavit

Windsurf

V dostupné dokumentaci nejsou uvedeny žádné specifické instrukce pro Windsurf.

Claude

  1. Získejte svůj DevRev API klíč registrací na https://app.devrev.ai/signup a postupujte podle pokynů k ověření.
  2. Najděte konfigurační soubor Claude Desktop:
    • MacOS: ~/Library/Application Support/Claude/claude_desktop_config.json
    • Windows: %APPDATA%/Claude/claude_desktop_config.json
  3. Upravte soubor claude_desktop_config.json a přidejte DevRev MCP server:
    "mcpServers": {
      "devrev": {
        "command": "uvx",
        "args": [
          "devrev-mcp"
        ],
        "env": {
          "DEVREV_API_KEY": "YOUR_DEVREV_API_KEY"
        }
      }
    }
    
  4. Uložte soubor a restartujte Claude Desktop.
  5. Ověřte, že DevRev MCP server je dostupný v rozhraní Claude.

Poznámka: Pro vývoj nebo nepublikované servery použijte následující konfiguraci:

"mcpServers": {
  "devrev": {
    "command": "uv",
    "args": [
      "--directory",
      "Cesta k adresáři src/devrev_mcp",
      "run",
      "devrev-mcp"
    ],
    "env": {
      "DEVREV_API_KEY": "YOUR_DEVREV_API_KEY"
    }
  }
}

Cursor

V dostupné dokumentaci nejsou uvedeny žádné specifické instrukce pro Cursor.

Cline

V dostupné dokumentaci nejsou uvedeny žádné specifické instrukce pro Cline.

Zabezpečení API klíčů

API klíče se konfigurují pomocí sekce env ve vašem konfiguračním JSON:

"env": {
  "DEVREV_API_KEY": "YOUR_DEVREV_API_KEY"
}

Tím je váš API klíč zabezpečen a není přímo ve zdrojovém kódu.

Jak použít tento MCP uvnitř flowů

Použití MCP ve FlowHunt

Pro integraci MCP serverů do vašeho workflow ve FlowHunt začněte přidáním MCP komponenty do flow a jejím propojením s AI agentem:

FlowHunt MCP flow

Klikněte na komponentu MCP pro otevření konfiguračního panelu. V sekci systémové konfigurace MCP vložte údaje o vašem MCP serveru v tomto JSON formátu:

{
  "devrev": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

Po konfiguraci může AI agent tento MCP používat jako nástroj se všemi jeho funkcemi a možnostmi. Nezapomeňte změnit “devrev” na skutečný název vašeho MCP serveru a nahradit URL adresou vašeho MCP serveru.


Přehled

SekceDostupnostPodrobnosti / Poznámky
PřehledPopisuje DevRev MCP server a jeho schopnosti
Seznam promptůNejsou specifikovány žádné šablony promptů
Seznam zdrojůNejsou explicitně uvedeny MCP zdroje
Seznam nástrojůVíce nástrojů pro pracovní položky, části, vyhledávání a uživatelské informace
Zabezpečení API klíčůInstrukce pro použití env v konfiguraci
Sampling Support (méně důležité)Není zmíněno

| Podpora roots | ⛔ | Není zmíněno |


Náš názor:
Na základě dostupné dokumentace DevRev MCP Server poskytuje jasně definované nástroje a instrukce nastavení pro Claude, ale chybí mu prompt šablony, explicitní definice zdrojů a informace o sampling/roots podpoře. Projekt má open-source licenci, alespoň jeden nástroj a určitou komunitní aktivitu, ale prospěla by mu komplexnější dokumentace a multiplatformní návody.


MCP skóre

Má LICENCI
Minimálně jeden nástroj
Počet forků3
Počet hvězd4

MCP hodnocení: 5/10
Projekt je funkční, s dobrou pokrytostí základních nástrojů a otevřenou licencí, ale chybí mu některé klíčové MCP prvky (prompty, zdroje, sampling, roots) a robustnější instrukce pro nastavení na více platformách.

Často kladené otázky

Zrychlete své AI workflow s DevRev MCP

Snadno automatizujte a spravujte projekty a vylepšení DevRev přímo z FlowHunt. Propojte se, nakonfigurujte a urychlete svůj vývojový proces!

Zjistit více

DevRev MCP Server
DevRev MCP Server

DevRev MCP Server

Integrujte FlowHunt s DevRev MCP Serverem pro automatizaci správy pracovních položek, částí, schůzek a workflow. Využijte workflow poháněné umělou inteligencí p...

4 min čtení
AI DevRev +3
Azure DevOps MCP Server
Azure DevOps MCP Server

Azure DevOps MCP Server

Azure DevOps MCP Server slouží jako most mezi požadavky v přirozeném jazyce a Azure DevOps REST API, což umožňuje AI asistentům a nástrojům automatizovat DevOps...

5 min čtení
DevOps Azure DevOps +6
Integrace Workflowy MCP Serveru
Integrace Workflowy MCP Serveru

Integrace Workflowy MCP Serveru

Workflowy MCP Server propojuje AI asistenty s Workflowy a umožňuje automatizované pořizování poznámek, správu projektů a produktivní workflow přímo ve FlowHunt....

4 min čtení
AI MCP Server +5