Azure DevOps MCP Server

Hvad gør “Azure DevOps” MCP Server?

Azure DevOps MCP (Model Context Protocol) Server gør det muligt for AI-assistenter at interagere gnidningsfrit med Azure DevOps-tjenester ved at fungere som en bro mellem forespørgsler i naturligt sprog og Azure DevOps REST API. Gennem denne server kan AI-drevne værktøjer udføre en række DevOps-relaterede opgaver såsom at forespørge og håndtere arbejdsopgaver, få adgang til projekt- og teaminformation samt automatisere DevOps-arbejdsgange. Ved at stille Azure DevOps-data og -operationer til rådighed via MCP-interfacet, kan udviklere og teams øge produktiviteten, strømline samarbejdet og automatisere daglige DevOps-operationer direkte fra deres AI-assistenter eller integrerede udviklingsmiljøer.

Liste over Prompts

Ingen promptskabeloner er nævnt i repositoryet.

Liste over Ressourcer

Ingen eksplicitte MCP-ressourcer er angivet i repositoryet.

Liste over Værktøjer

Baseret på de beskrevne funktioner og serverens kapaciteter tilbyder Azure DevOps MCP Server følgende værktøjer:

• Forespørg arbejdsopgaver: Søg efter arbejdsopgaver vha. WIQL-forespørgsler.
• Hent arbejdsopgavedetaljer: Hent detaljerede oplysninger om specifikke arbejdsopgaver.
• Opret arbejdsopgaver: Tilføj nye opgaver, fejl, brugerhistorier eller andre typer arbejdsopgaver.
• Opdater arbejdsopgaver: Redigér felter og egenskaber for eksisterende arbejdsopgaver.
• Tilføj kommentarer: Skriv kommentarer til arbejdsopgaver.
• Se kommentarer: Hent kommentarhistorik for en arbejdsopgave.
• Håndter forældre-barn-relationer: Opret hierarkiske relationer mellem arbejdsopgaver.
• Hent projekter: Vis alle tilgængelige projekter.
• Hent teams: Vis alle teams i en organisation.
• Teammedlemmer: Se teammedlemsoplysninger.
• Teams områdeveje: Hent områdeveje tildelt teams.
• Teams iterationer: Få adgang til teams iteration-/sprintkonfigurationer.

Anvendelsestilfælde for denne MCP Server

• Arbejdsopgavehåndtering: Udviklere kan oprette, opdatere og overvåge arbejdsopgaver (fx opgaver, fejl, brugerhistorier) via naturligt sprog, hvilket gør backlog-grooming og sprintplanlægning mere effektiv.
• Projekt- og teamindsigt: Teams kan hurtigt hente information om projekter, teams, medlemskaber og organisationsstruktur, hvilket forbedrer onboarding og tværgående samarbejde.
• Automatiseret kommentering og auditering: AI-assistenter kan tilføje eller hente kommentarer på arbejdsopgaver og understøtte dokumentation og kommunikation i DevOps-arbejdsgange.
• Sprint- og iterationsplanlægning: Adgang til teamiterationer og områdeveje muliggør automatiseret sprintplanlægning, kapacitetsallokering og rapportering.
• Hierarki- og afhængighedsstyring: Opret og håndter forældre-barn-relationer mellem arbejdsopgaver direkte fra samtalegrænseflader og gør komplekse projektstyringsopgaver mere strømlinede.

Sådan opsættes den

Windsurf

1. Forudsætninger: Sørg for, at Node.js er installeret, og at du har en Personal Access Token (PAT) til Azure DevOps.
2. Installer Azure DevOps MCP Server: Installer via pip, eller klon repositoryet og installer.
3. Find konfiguration: Redigér Windsurf-konfigurationsfilen.
4. Tilføj MCP Server: Tilføj MCP-serveren med følgende JSON-udsnit:

   {
     "mcpServers": {
       "azure-devops": {
         "command": "python",
         "args": ["-m", "mcp_azure_devops.server"]
       }
     }
   }
   

5. Gem og genstart: Gem din konfiguration og genstart Windsurf for at anvende ændringerne.

Sikring af API-nøgler (Windsurf)

Brug miljøvariabler i din konfiguration:

{
  "mcpServers": {
    "azure-devops": {
      "command": "python",
      "args": ["-m", "mcp_azure_devops.server"],
      "env": {
        "AZURE_DEVOPS_PAT": "${YOUR_PAT}",
        "AZURE_DEVOPS_ORGANIZATION_URL": "https://dev.azure.com/your-org"
      }
    }
  }
}

Claude

1. Forudsætninger: Python 3.10+, Azure DevOps PAT.
2. Installer server: Installer pakken via pip eller direkte fra kildekode.
3. Find MCP-konfiguration: Åbn Claudes konfigurationsfil.
4. Tilføj MCP Server: Indsæt følgende JSON:

   {
     "mcpServers": {
       "azure-devops": {
         "command": "python",
         "args": ["-m", "mcp_azure_devops.server"]
       }
     }
   }
   

5. Genstart Claude: Genstart appen for at indlæse den nye MCP server.

Sikring af API-nøgler (Claude)

Brug miljøvariabler i din konfiguration:

{
  "mcpServers": {
    "azure-devops": {
      "command": "python",
      "args": ["-m", "mcp_azure_devops.server"],
      "env": {
        "AZURE_DEVOPS_PAT": "${YOUR_PAT}",
        "AZURE_DEVOPS_ORGANIZATION_URL": "https://dev.azure.com/your-org"
      }
    }
  }
}

Cursor

1. Forudsætninger: Installer Python og skaf din Azure DevOps PAT.
2. Installer pakken: Brug pip til at installere MCP serveren.
3. Åbn Cursor-indstillinger: Redigér indstillingsfilen.
4. Indsæt MCP Server:

   {
     "mcpServers": {
       "azure-devops": {
         "command": "python",
         "args": ["-m", "mcp_azure_devops.server"]
       }
     }
   }
   

5. Genstart Cursor: Genstart appen.

Sikring af API-nøgler (Cursor)

{
  "mcpServers": {
    "azure-devops": {
      "command": "python",
      "args": ["-m", "mcp_azure_devops.server"],
      "env": {
        "AZURE_DEVOPS_PAT": "${YOUR_PAT}",
        "AZURE_DEVOPS_ORGANIZATION_URL": "https://dev.azure.com/your-org"
      }
    }
  }
}

Cline

1. Sørg for forudsætninger: Python 3.10+, Azure DevOps PAT.
2. Installer MCP Server: Brug pip eller download og installer fra kilde.
3. Redigér Cline-konfigurationen: Find og redigér konfigurationsfilen.
4. Tilføj MCP Server:

   {
     "mcpServers": {
       "azure-devops": {
         "command": "python",
         "args": ["-m", "mcp_azure_devops.server"]
       }
     }
   }
   

5. Genstart Cline: Gem og genstart for at aktivere serveren.

Sikring af API-nøgler (Cline)

{
  "mcpServers": {
    "azure-devops": {
      "command": "python",
      "args": ["-m", "mcp_azure_devops.server"],
      "env": {
        "AZURE_DEVOPS_PAT": "${YOUR_PAT}",
        "AZURE_DEVOPS_ORGANIZATION_URL": "https://dev.azure.com/your-org"
      }
    }
  }
}

Sådan bruges denne MCP i flows

Brug af MCP i FlowHunt

For at integrere MCP-servere i dit FlowHunt-flow, start med at tilføje MCP-komponenten til dit flow og forbind den med din AI-agent:

Klik på MCP-komponenten for at åbne konfigurationspanelet. Indsæt dine MCP-serverdetaljer i system-MCP-konfigurationssektionen i dette JSON-format:

{
  "azure-devops": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

Når det er konfigureret, vil AI-agenten kunne anvende denne MCP som værktøj med adgang til alle dens funktioner og muligheder. Husk at ændre “azure-devops” til det faktiske navn på din MCP-server og udskifte URL’en med din egen MCP-server-URL.

Overblik

Baseret på tilgængelig dokumentation leverer denne MCP server solid kernefunktionalitet for Azure DevOps-integration, med klare opsætningsinstruktioner og god værktøjsdækning, men mangler eksplicitte promptskabeloner og ressourcebeskrivelser. Roots og sampling-support er ikke dokumenteret. Derfor vurderer jeg denne MCP server til en stabil 7/10 for praktisk anvendelighed og dokumentationsfuldstændighed.

MCP-score