DevRev MCP Server

Cosa fa il server MCP “DevRev”?

Il server DevRev MCP è un server Model Context Protocol (MCP) progettato per fornire accesso completo alle API di DevRev, consentendo l’integrazione fluida delle funzionalità della piattaforma DevRev negli assistenti AI e nei flussi di lavoro degli sviluppatori. Tramite questo server, gli utenti possono interagire programmaticamente con DevRev per gestire work item (come segnalazioni e ticket), gestire parti (miglioramenti), effettuare ricerche avanzate nei dati DevRev e recuperare informazioni sugli utenti. Esporre queste capacità consente ad agenti AI e client di automatizzare, interrogare e gestire le risorse DevRev, supportando casi d’uso come interrogazioni di database, automazioni di workflow e assistenza allo sviluppo contestuale.

Elenco dei Prompt

Nei file del repository o nella documentazione fornita non sono menzionati template di prompt.

Elenco delle Risorse

Non sono riportate risorse MCP esplicite nella documentazione o nel codice disponibile. I primitivi delle risorse non sono dettagliati nel README o nei file visibili.

Elenco degli Strumenti

• search: Cerca informazioni su DevRev utilizzando la Search API con supporto per diversi namespace (articoli, segnalazioni, ticket, parti, dev_users, accounts, rev_orgs).
• get_current_user: Recupera i dettagli dell’utente DevRev attualmente autenticato.
• get_work: Recupera informazioni complete su uno specifico work item DevRev utilizzando il suo ID.
• create_work: Crea nuove segnalazioni o ticket su DevRev con proprietà come titolo, corpo, assegnatari e parti associate.
• update_work: Aggiorna i work item esistenti modificando proprietà quali titolo, corpo, assegnatari o parti associate.
• list_works: Elenca e filtra i work item in base a criteri come stato, date, assegnatari, parti e altro.
• get_part: Ottiene informazioni dettagliate su una parte specifica (miglioramento) tramite il suo ID.
• create_part: Crea nuove parti con proprietà come nome, descrizione, assegnatari e parti genitore.
• update_part: Aggiorna parti esistenti modificando proprietà come nome, descrizione, assegnatari o date obiettivo.
• list_parts: Elenca e filtra le parti secondo criteri come date, assegnatari, parti genitore e altro.

Casi d’Uso di questo Server MCP

• Gestione Work Item: Gli sviluppatori possono creare, aggiornare, recuperare ed elencare programmaticamente segnalazioni o ticket, ottimizzando i workflow di gestione progetti e automazione.
• Gestione Miglioramenti (Parti): I team possono gestire i miglioramenti (detti “parti”) creando, aggiornando o organizzandoli gerarchicamente, supportando la pianificazione e il tracciamento delle funzionalità.
• Ricerca Avanzata: Esegui ricerche ibride e specifiche per namespace su articoli, segnalazioni, utenti e altro, consentendo agli assistenti AI di fornire rapidamente conoscenza DevRev rilevante.
• Recupero Contesto Utente: Accedi alle informazioni sull’utente corrente per abilitare workflow AI personalizzati, come notifiche su misura o suggerimenti contestuali.
• Reporting e Analytics Automatizzati: Filtrando ed elencando work item e parti secondo criteri variabili, i team possono generare report e insight per il tracciamento e le decisioni di progetto.

Come configurarlo

Windsurf

Nessuna istruzione specifica per Windsurf è fornita nella documentazione disponibile.

Claude

1. Ottieni la tua chiave API DevRev registrandoti su https://app.devrev.ai/signup e seguendo le istruzioni di autenticazione.
2. Individua il file di configurazione di Claude Desktop:
   • MacOS: ~/Library/Application Support/Claude/claude_desktop_config.json
   • Windows: %APPDATA%/Claude/claude_desktop_config.json
3. Modifica il file claude_desktop_config.json per aggiungere il server DevRev MCP:

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

4. Salva il file e riavvia Claude Desktop.
5. Verifica che il server DevRev MCP sia accessibile nell’interfaccia di Claude.

Nota: Per lo sviluppo o server non pubblicati, usa la seguente configurazione:

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

Cursor

Nessuna istruzione specifica per Cursor è fornita nella documentazione disponibile.

Cline

Nessuna istruzione specifica per Cline è fornita nella documentazione disponibile.

Protezione delle Chiavi API

Le chiavi API sono configurate utilizzando la sezione env nel tuo file di configurazione JSON:

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

Questo mantiene la tua chiave API sicura e fuori dal tuo codice sorgente.

Come utilizzare questo MCP all’interno dei flussi

Uso del MCP in FlowHunt

Per integrare server MCP nel tuo workflow FlowHunt, inizia aggiungendo il componente MCP al tuo flusso e collegandolo al tuo agente AI:

Clicca sul componente MCP per aprire il pannello di configurazione. Nella sezione di configurazione MCP di sistema, inserisci i dettagli del tuo server MCP utilizzando questo formato JSON:

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

Una volta configurato, l’agente AI sarà in grado di utilizzare questo MCP come strumento con accesso a tutte le sue funzioni e capacità. Ricorda di cambiare “devrev” con il nome effettivo del tuo server MCP e di sostituire l’URL con quello del tuo server MCP.

Panoramica

| Supporto Roots | ⛔ | Non menzionato |

La nostra opinione:
In base alla documentazione disponibile, il server DevRev MCP fornisce chiare definizioni degli strumenti e istruzioni di setup per Claude, ma manca di template di prompt, definizioni esplicite delle risorse e informazioni su sampling o supporto roots. Il progetto ha una licenza open source, almeno uno strumento e una certa attività di community, ma beneficerebbe di una documentazione più completa e istruzioni multi-piattaforma.

Valutazione MCP

Valutazione MCP: 5/10
Il progetto è funzionale, con buona copertura degli strumenti di base e licenza aperta, ma mancano alcune caratteristiche MCP chiave (prompt, risorse, sampling, roots) e istruzioni di setup più robuste e multi-piattaforma.