Azure DevOps MCP-server

Hva gjør “Azure DevOps” MCP-server?

Azure DevOps MCP (Model Context Protocol) Server gjør det mulig for AI-assistenter å samhandle sømløst med Azure DevOps-tjenester ved å fungere som en bro mellom forespørsler på naturlig språk og Azure DevOps REST API. Gjennom denne serveren kan AI-drevne verktøy utføre ulike DevOps-relaterte oppgaver, som å søke og administrere arbeidsoppgaver, hente prosjekt- og teaminformasjon og automatisere DevOps-arbeidsflyter. Ved å eksponere Azure DevOps-data og operasjoner via MCP-grensesnittet, kan utviklere og team øke produktiviteten, effektivisere samarbeid og automatisere daglige DevOps-operasjoner direkte fra sine AI-assistenter eller integrerte utviklingsmiljøer.

Liste over prompt-maler

Ingen prompt-maler er nevnt i depotet.

Liste over ressurser

Ingen eksplisitte MCP-ressurser er oppført i depotet.

Liste over verktøy

Basert på funksjonene som er beskrevet og serverens muligheter, tilbys følgende verktøy av Azure DevOps MCP-server:

• Søk etter arbeidsoppgaver: Søk etter arbeidsoppgaver med WIQL-spørringer.
• Hent detaljer om arbeidsoppgave: Hent detaljert informasjon for spesifikke arbeidsoppgaver.
• Opprett arbeidsoppgaver: Legg til nye oppgaver, feil, brukerhistorier eller andre typer arbeidsoppgaver.
• Oppdater arbeidsoppgaver: Endre felter og egenskaper for eksisterende arbeidsoppgaver.
• Legg til kommentarer: Legg inn kommentarer på arbeidsoppgaver.
• Se kommentarer: Hent kommentarhistorikk for en arbeidsoppgave.
• Administrer foreldre-barn-forhold: Opprett hierarkiske relasjoner mellom arbeidsoppgaver.
• Hent prosjekter: Vis alle tilgjengelige prosjekter.
• Hent team: Vis alle team i en organisasjon.
• Teammedlemmer: Se informasjon om teammedlemskap.
• Team-områdebaner: Hent områdebaner tilordnet team.
• Team-iterasjoner: Få tilgang til teamets iterasjons-/sprintkonfigurasjon.

Bruksområder for denne MCP-serveren

• Arbeidsoppgavehåndtering: Utviklere kan opprette, oppdatere og overvåke arbeidsoppgaver (som oppgaver, feil, brukerhistorier) via naturlig språk, noe som gjør backlog-pleie og sprintplanlegging mer effektivt.
• Prosjekt- og teaminnsikt: Team kan raskt hente informasjon om prosjekter, team, medlemskap og organisasjonsstruktur, noe som gir bedre onboarding og samarbeid på tvers av team.
• Automatisert kommentering og revisjon: AI-assistenter kan legge til eller hente kommentarer på arbeidsoppgaver og bidra til dokumentasjon og kommunikasjon i DevOps-arbeidsflyter.
• Sprint- og iterasjonsplanlegging: Tilgang til teamets iterasjons- og områdebanedata muliggjør automatisert sprintplanlegging, kapasitetsallokering og rapportering.
• Hierarki- og avhengighetsstyring: Opprett og administrer foreldre-barn-relasjoner mellom arbeidsoppgaver direkte fra konversasjonsgrensesnittet, noe som effektiviserer komplekse prosjektledelsesoppgaver.

Slik setter du det opp

Windsurf

1. Forutsetninger: Sørg for at Node.js er installert og at du har en Personlig Tilgangstoken (PAT) for Azure DevOps.
2. Installer Azure DevOps MCP-server: Installer via pip eller klon depotet og installer.
3. Finn konfigurasjon: Rediger Windsurf-konfigurasjonsfilen.
4. Legg til MCP-server: Legg til MCP-serveren ved å bruke følgende JSON-snutt:

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

5. Lagre og start på nytt: Lagre konfigurasjonen og start Windsurf på nytt for å bruke endringene.

Sikre API-nøkler (Windsurf)

Bruk miljøvariabler i konfigurasjonen din:

{
  "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. Forutsetninger: Python 3.10+, Azure DevOps PAT.
2. Installer server: Installer pakken via pip eller direkte fra kilde.
3. Finn MCP-konfigurasjon: Åpne Claudes konfigurasjonsfil.
4. Legg til MCP-server: Sett inn følgende JSON:

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

5. Start Claude på nytt: Start appen på nytt for å laste inn den nye MCP-serveren.

Sikre API-nøkler (Claude)

Bruk miljøvariabler i konfigurasjonen din:

{
  "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. Forutsetninger: Installer Python og hent din Azure DevOps PAT.
2. Installer pakke: Bruk pip for å installere MCP-serveren.
3. Åpne Cursor-innstillinger: Rediger innstillingsfilen.
4. Sett inn MCP-server:

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

5. Start Cursor på nytt: Start appen på nytt.

Sikre API-nøkler (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 forutsetninger: Python 3.10+, Azure DevOps PAT.
2. Installer MCP-server: Bruk pip eller last ned og installer fra kilde.
3. Rediger Cline-konfigurasjon: Finn og rediger konfigurasjonsfilen.
4. Legg til MCP-server:

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

5. Start Cline på nytt: Lagre og start på nytt for å aktivere serveren.

Sikre API-nøkler (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"
      }
    }
  }
}

Slik bruker du denne MCP-en i flyter

Bruke MCP i FlowHunt

For å integrere MCP-servere i arbeidsflyten din i FlowHunt, start med å legge til MCP-komponenten i flyten og koble den til AI-agenten din:

Klikk på MCP-komponenten for å åpne konfigurasjonspanelet. I systemets MCP-konfigurasjonsseksjon setter du inn detaljene om MCP-serveren din med dette JSON-formatet:

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

Etter konfigurasjon kan AI-agenten nå bruke denne MCP-en som et verktøy med tilgang til alle dens funksjoner og muligheter. Husk å endre “azure-devops” til det faktiske navnet på din MCP-server og bytte ut URL-en med din egen MCP-server-URL.

Oversikt

Basert på tilgjengelig dokumentasjon tilbyr denne MCP-serveren solid kjernefunksjonalitet for Azure DevOps-integrasjon, med tydelige oppsettinstruksjoner og verktøysdekning, men mangler eksplisitte prompt-maler og ressursbeskrivelser. Den dokumenterer ikke Roots eller sampling-støtte. Derfor vurderer jeg denne MCP-serveren til solide 7/10 for praktisk brukervennlighet og dokumentasjonsfullstendighet.

MCP-score