Azure DevOps MCP Server

Was macht der “Azure DevOps” MCP Server?

Der Azure DevOps MCP (Model Context Protocol) Server ermöglicht es KI-Assistenten, nahtlos mit Azure DevOps-Diensten zu interagieren, indem er als Brücke zwischen Anfragen in natürlicher Sprache und der Azure DevOps REST API fungiert. Über diesen Server können KI-gestützte Tools verschiedene DevOps-bezogene Aufgaben ausführen, wie das Abfragen und Verwalten von Work Items, den Zugriff auf Projekt- und Team-Informationen sowie das Automatisieren von DevOps-Workflows. Durch die Bereitstellung von Azure DevOps-Daten und -Operationen über die MCP-Schnittstelle können Entwickler und Teams die Produktivität steigern, die Zusammenarbeit vereinfachen und tägliche DevOps-Aktivitäten direkt aus KI-Assistenten oder Entwicklungsumgebungen automatisieren.

Liste der Prompts

Im Repository werden keine Prompt-Vorlagen erwähnt.

Liste der Ressourcen

Im Repository sind keine expliziten MCP-Ressourcen aufgeführt.

Liste der Tools

Basierend auf den beschriebenen Features und den Fähigkeiten des Servers stellt der Azure DevOps MCP Server folgende Tools bereit:

• Work Items abfragen: Suche nach Work Items mit WIQL-Queries.
• Work Item Details abrufen: Detaillierte Informationen zu bestimmten Work Items abfragen.
• Work Items erstellen: Neue Tasks, Bugs, User Storys oder andere Work Item-Typen hinzufügen.
• Work Items aktualisieren: Felder und Eigenschaften bestehender Work Items ändern.
• Kommentare hinzufügen: Kommentare zu Work Items posten.
• Kommentare anzeigen: Kommentarverlauf eines Work Items abrufen.
• Parent-Child-Beziehungen verwalten: Hierarchische Beziehungen zwischen Work Items herstellen.
• Projekte abrufen: Alle zugänglichen Projekte auflisten.
• Teams abrufen: Alle Teams einer Organisation auflisten.
• Teammitglieder: Informationen zu Teammitgliedern anzeigen.
• Team Area Paths: Zugewiesene Area Paths eines Teams abrufen.
• Team Iterationen: Iterations-/Sprint-Konfigurationen eines Teams abrufen.

Anwendungsfälle dieses MCP Servers

• Work Item Management: Entwickler können Work Items (z. B. Tasks, Bugs, User Storys) per natürlicher Sprache erstellen, aktualisieren und überwachen – das macht Backlog-Pflege und Sprint-Planung effizienter.
• Projekt- und Team-Insights: Teams erhalten schnell Informationen zu Projekten, Teams, Mitgliedschaften und Organisationsstruktur und erleichtern so Onboarding und teamübergreifende Zusammenarbeit.
• Automatisiertes Kommentieren & Auditing: KI-Assistenten können Kommentare zu Work Items hinzufügen oder abrufen – hilfreich für Dokumentation und Kommunikation im DevOps-Workflow.
• Sprint- & Iterationsplanung: Zugriff auf Iterations- und Area Path-Daten ermöglicht automatisierte Sprint-Planung, Kapazitätszuweisung und Berichterstattung.
• Hierarchie- & Abhängigkeitsmanagement: Parent-Child-Beziehungen zwischen Work Items direkt aus Konversationsoberflächen verwalten und komplexes Projektmanagement vereinfachen.

Einrichtung

Windsurf

1. Voraussetzungen: Node.js muss installiert sein und Sie benötigen ein Personal Access Token (PAT) für Azure DevOps.
2. Azure DevOps MCP Server installieren: Über pip installieren oder Repository klonen und installieren.
3. Konfiguration auffinden: Bearbeiten Sie die Windsurf-Konfigurationsdatei.
4. MCP Server hinzufügen: Fügen Sie den MCP Server mit folgendem JSON-Snippet hinzu:

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

5. Speichern und neu starten: Speichern Sie Ihre Konfiguration und starten Sie Windsurf neu, um die Änderungen zu übernehmen.

Absicherung der API-Schlüssel (Windsurf)

Verwenden Sie Umgebungsvariablen in Ihrer 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. Voraussetzungen: Python 3.10+, Azure DevOps PAT.
2. Server installieren: Paket via pip oder direkt vom Quellcode installieren.
3. MCP-Konfiguration auffinden: Öffnen Sie die Konfigurationsdatei von Claude.
4. MCP Server hinzufügen: Folgendes JSON einfügen:

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

5. Claude neu starten: App neustarten, um den neuen MCP Server zu laden.

Absicherung der API-Schlüssel (Claude)

Verwenden Sie Umgebungsvariablen in Ihrer 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. Voraussetzungen: Python installieren und Azure DevOps PAT besorgen.
2. Paket installieren: MCP Server via pip installieren.
3. Cursor-Einstellungen öffnen: Bearbeiten Sie die Einstellungsdatei.
4. MCP Server einfügen:

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

5. Cursor neu starten: App neustarten.

Absicherung der API-Schlüssel (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. Voraussetzungen prüfen: Python 3.10+, Azure DevOps PAT.
2. MCP Server installieren: Via pip oder Download und Installation aus dem Quellcode.
3. Cline-Konfiguration bearbeiten: Konfigurationsdatei auffinden und anpassen.
4. MCP Server hinzufügen:

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

5. Cline neu starten: Speichern und neu starten, um den Server zu aktivieren.

Absicherung der API-Schlüssel (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"
      }
    }
  }
}

Wie wird dieser MCP in Flows genutzt?

Verwendung von MCP in FlowHunt

Um MCP-Server in Ihren FlowHunt-Workflow zu integrieren, fügen Sie die MCP-Komponente zu Ihrem Flow hinzu und verbinden sie mit Ihrem KI-Agenten:

Klicken Sie auf die MCP-Komponente, um das Konfigurationspanel zu öffnen. Im Bereich System-MCP-Konfiguration fügen Sie die Daten Ihres MCP-Servers in diesem JSON-Format ein:

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

Nach der Konfiguration kann der KI-Agent diesen MCP als Tool mit Zugriff auf alle Funktionen und Möglichkeiten nutzen. Denken Sie daran, “azure-devops” entsprechend dem tatsächlichen Namen Ihres MCP-Servers und die URL gegen Ihre eigene MCP-Server-URL auszutauschen.

Übersicht

Basierend auf der verfügbaren Dokumentation bietet dieser MCP-Server eine solide Kernfunktionalität für die Integration mit Azure DevOps, mit klaren Setup-Anweisungen und Tool-Abdeckung, jedoch ohne explizite Prompt-Vorlagen und Ressourcenbeschreibungen. Es gibt keine Dokumentation zu Roots oder Sampling-Unterstützung. Daher bewerte ich diesen MCP-Server mit soliden 7/10 in Bezug auf praktische Nutzbarkeit und Dokumentationsumfang.

MCP Score