DevRev MCP Server

Was macht der “DevRev” MCP Server?

Der DevRev MCP Server ist ein Model Context Protocol (MCP) Server, der umfassenden Zugriff auf die APIs von DevRev bietet und so die nahtlose Integration der Funktionen der DevRev-Plattform in KI-Assistenten und Entwickler-Workflows ermöglicht. Über diesen Server können Nutzer programmgesteuert mit DevRev interagieren, um Arbeitselemente (wie Issues und Tickets) zu verwalten, Parts (Erweiterungen) zu bearbeiten, erweiterte Suchen über DevRev-Daten durchzuführen und Benutzerinformationen abzurufen. Durch die Bereitstellung dieser Funktionen ermöglicht der DevRev MCP Server es KI-Agenten und Clients, DevRev-Ressourcen zu automatisieren, abzufragen und zu verwalten und unterstützt Anwendungsfälle wie Datenbankabfragen, Workflow-Automatisierungen und kontextbezogene Entwicklungsunterstützung.

Liste der Prompts

In den bereitgestellten Repository-Dateien oder der Dokumentation werden keine Prompt-Vorlagen explizit erwähnt.

Liste der Ressourcen

In der verfügbaren Dokumentation oder im Code sind keine expliziten MCP-Ressourcen aufgeführt. Ressourcen-Primitive sind im README oder den sichtbaren Dateien nicht erläutert.

Liste der Tools

• search: Suche nach Informationen in DevRev über die Search API mit Unterstützung verschiedener Namespaces (articles, issues, tickets, parts, dev_users, accounts, rev_orgs).
• get_current_user: Ruft Details zum aktuell authentifizierten DevRev-Benutzer ab.
• get_work: Ruft umfassende Informationen zu einem bestimmten DevRev-Arbeitselement anhand seiner ID ab.
• create_work: Erstellt neue Issues oder Tickets in DevRev mit Eigenschaften wie Titel, Beschreibung, Bearbeiter und zugeordneten Parts.
• update_work: Aktualisiert vorhandene Arbeitselemente durch Änderungen an Titel, Beschreibung, Bearbeiter oder zugeordneten Parts.
• list_works: Listet und filtert Arbeitselemente nach Kriterien wie Status, Daten, Bearbeiter, Parts und mehr.
• get_part: Ruft detaillierte Informationen zu einem bestimmten Part (Erweiterung) anhand der ID ab.
• create_part: Erstellt neue Parts mit Eigenschaften wie Name, Beschreibung, Bearbeiter und übergeordneten Parts.
• update_part: Aktualisiert bestehende Parts durch Änderungen an Name, Beschreibung, Bearbeiter oder Zieldaten.
• list_parts: Listet und filtert Parts nach Kriterien wie Daten, Bearbeiter, übergeordnete Parts und mehr.

Anwendungsfälle dieses MCP Servers

• Work-Item-Management: Entwickler können programmgesteuert Issues oder Tickets erstellen, aktualisieren, abrufen und auflisten – für optimierte Projektmanagement-Workflows und Automatisierung.
• Erweiterungsmanagement (Parts): Teams können Erweiterungen (“Parts”) verwalten, indem sie sie erstellen, aktualisieren oder hierarchisch organisieren – ideal für Feature-Planung und -Tracking.
• Erweiterte Suche: Führen Sie hybride und namespace-spezifische Suchen über Artikel, Issues, Benutzer und mehr durch, sodass KI-Assistenten relevante DevRev-Kenntnisse schnell bereitstellen können.
• Benutzerkontextabruf: Greifen Sie auf Informationen zum aktuellen Benutzer zu, um personalisierte KI-Workflows wie gezielte Benachrichtigungen oder kontextbezogene Vorschläge zu ermöglichen.
• Automatisiertes Reporting & Analysen: Durch Filtern und Listen von Arbeitselementen und Parts nach verschiedenen Kriterien können Teams Berichte und Einblicke für Projektverfolgung und Entscheidungsfindung generieren.

Einrichtung

Windsurf

In der verfügbaren Dokumentation sind keine spezifischen Anweisungen für Windsurf enthalten.

Claude

1. Holen Sie sich Ihren DevRev API-Schlüssel, indem Sie sich unter https://app.devrev.ai/signup registrieren und die Authentifizierungsanweisungen befolgen.
2. Suchen Sie Ihre Claude Desktop-Konfigurationsdatei:
   • MacOS: ~/Library/Application Support/Claude/claude_desktop_config.json
   • Windows: %APPDATA%/Claude/claude_desktop_config.json
3. Bearbeiten Sie die Datei claude_desktop_config.json, um den DevRev MCP Server hinzuzufügen:

   "mcpServers": {
     "devrev": {
       "command": "uvx",
       "args": [
         "devrev-mcp"
       ],
       "env": {
         "DEVREV_API_KEY": "YOUR_DEVREV_API_KEY"
       }
     }
   }
   

4. Speichern Sie die Datei und starten Sie Claude Desktop neu.
5. Vergewissern Sie sich, dass der DevRev MCP Server innerhalb der Claude-Oberfläche erreichbar ist.

Hinweis: Für Entwicklungs- oder unveröffentlichte Server verwenden Sie die folgende Konfiguration:

"mcpServers": {
  "devrev": {
    "command": "uv",
    "args": [
      "--directory",
      "Pfad zum src/devrev_mcp Verzeichnis",
      "run",
      "devrev-mcp"
    ],
    "env": {
      "DEVREV_API_KEY": "YOUR_DEVREV_API_KEY"
    }
  }
}

Cursor

In der verfügbaren Dokumentation sind keine spezifischen Anweisungen für Cursor enthalten.

Cline

In der verfügbaren Dokumentation sind keine spezifischen Anweisungen für Cline enthalten.

API-Schlüssel absichern

API-Schlüssel werden über den Abschnitt env in Ihrer Konfigurationsdatei im JSON-Format festgelegt:

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

So bleibt Ihr API-Schlüssel sicher und außerhalb Ihres Code-Repositoriums.

Verwendung dieses MCP in Flows

MCP in FlowHunt benutzen

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

Klicken Sie auf die MCP-Komponente, um das Konfigurationspanel zu öffnen. Im System-MCP-Konfigurationsbereich fügen Sie Ihre MCP-Serverdetails in folgendem JSON-Format ein:

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

Nach der Konfiguration kann der KI-Agent diesen MCP nun als Tool mit Zugriff auf alle Funktionen und Möglichkeiten verwenden. Denken Sie daran, “devrev” auf den tatsächlichen Namen Ihres MCP-Servers zu ändern und die URL durch Ihre eigene MCP-Server-URL zu ersetzen.

Übersicht

| Roots-Support | ⛔ | Nicht erwähnt |

Unsere Meinung:
Basierend auf der verfügbaren Dokumentation bietet der DevRev MCP Server klare Tool-Definitionen und Setup-Anleitungen für Claude, es fehlen jedoch Prompt-Vorlagen, explizite Ressourcen-Definitionen und Informationen zu Sampling- oder Roots-Support. Das Projekt verfügt über eine Open-Source-Lizenz, mindestens ein Tool und einige Community-Aktivität, würde aber von einer umfassenderen Dokumentation und Multi-Plattform-Anleitungen profitieren.

MCP Score

MCP Bewertung: 5/10
Das Projekt ist funktional mit guter Abdeckung der Kernfunktionen und offener Lizenzierung, es fehlen jedoch einige wichtige MCP-Features (Prompts, Ressourcen, Sampling, Roots) und robustere Anleitungen für die plattformübergreifende Einrichtung.