DevRev MCP Server

Čo robí „DevRev“ MCP Server?

DevRev MCP Server je Model Context Protocol (MCP) server navrhnutý na sprístupnenie komplexného prístupu k DevRev API, čím umožňuje plynulú integráciu funkcionalít platformy DevRev do AI asistentov a workflowov vývojárov. Prostredníctvom tohto servera môžu používatelia programovo komunikovať s DevRev – spravovať pracovné položky (napr. úlohy a lístky), pracovať s časťami (vylepšenia), vykonávať pokročilé vyhľadávanie v rámci DevRev dát a získavať informácie o používateľoch. Vďaka týmto schopnostiam môžu AI agenti a klienti automatizovať, vyhľadávať a spravovať DevRev zdroje, čo podporuje použitia ako databázové dotazy, automatizácie workflowov a kontextovo citlivú asistenciu vývoja.

Zoznam promptov

V poskytnutej dokumentácii ani súboroch repozitára nie sú výslovne uvedené šablóny promptov.

Zoznam zdrojov

V dostupnej dokumentácii ani kóde nie sú výslovne uvedené MCP zdroje. Základné zdroje nie sú v README ani vo viditeľných súboroch detailne popísané.

Zoznam nástrojov

• search: Vyhľadávanie informácií naprieč DevRev pomocou search API s podporou rôznych namespaces (articles, issues, tickets, parts, dev_users, accounts, rev_orgs).
• get_current_user: Získanie detailov o aktuálne prihlásenom používateľovi DevRev.
• get_work: Získanie podrobných informácií o konkrétnej pracovnej položke DevRev podľa ID.
• create_work: Vytváranie nových úloh alebo lístkov v DevRev s vlastnosťami ako názov, telo, priradení a priradené časti.
• update_work: Aktualizácia existujúcich pracovných položiek úpravou vlastností ako názov, telo, priradení alebo priradené časti.
• list_works: Výpis a filtrovanie pracovných položiek podľa kritérií ako stav, dátumy, priradení, časti a ďalšie.
• get_part: Získanie detailných informácií o konkrétnej časti (vylepšení) podľa ID.
• create_part: Vytváranie nových častí s vlastnosťami ako názov, popis, priradení a nadradené časti.
• update_part: Aktualizácia existujúcich častí úpravou vlastností ako názov, popis, priradení alebo cieľové dátumy.
• list_parts: Výpis a filtrovanie častí podľa kritérií ako dátumy, priradení, nadradené časti a ďalšie.

Príklady použitia tohto MCP servera

• Správa pracovných položiek: Vývojári môžu programovo vytvárať, aktualizovať, získavať a vypisovať úlohy alebo lístky, čím zjednodušujú workflowy projektového riadenia a automatizácie.
• Správa vylepšení (častí): Tímy môžu spravovať vylepšenia („časti“) ich vytváraním, aktualizáciou alebo hierarchickým usporiadaním, čo podporuje plánovanie a sledovanie funkcionalít.
• Pokročilé vyhľadávanie: Vykonávajte hybridné a namespace-špecifické vyhľadávanie medzi článkami, úlohami, používateľmi a ďalšími, čo umožňuje AI asistentom rýchlo vyhľadať relevantné znalosti z DevRev.
• Získavanie používateľského kontextu: Prístup k informáciám o aktuálnom používateľovi pre personalizované AI workflowy, napríklad prispôsobené notifikácie alebo kontextové odporúčania.
• Automatizované reportovanie a analytika: Filtrovaním a výpisom pracovných položiek a častí podľa rôznych kritérií môžu tímy generovať reporty a prehľady pre sledovanie a rozhodovanie v projektoch.

Ako to nastaviť

Windsurf

V dostupnej dokumentácii nie sú žiadne špecifické inštrukcie pre Windsurf.

Claude

1. Získajte svoj DevRev API kľúč registráciou na https://app.devrev.ai/signup a podľa pokynov na autentifikáciu.
2. Nájdite konfiguračný súbor Claude Desktop:
   • MacOS: ~/Library/Application Support/Claude/claude_desktop_config.json
   • Windows: %APPDATA%/Claude/claude_desktop_config.json
3. Upravte súbor claude_desktop_config.json a pridajte DevRev MCP server takto:

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

4. Súbor uložte a reštartujte Claude Desktop.
5. Overte, že DevRev MCP server je dostupný v rozhraní Claude.

Poznámka: Pre vývojové alebo nepublikované servery použite nasledovnú konfiguráciu:

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

Cursor

V dostupnej dokumentácii nie sú žiadne špecifické inštrukcie pre Cursor.

Cline

V dostupnej dokumentácii nie sú žiadne špecifické inštrukcie pre Cline.

Zabezpečenie API kľúčov

API kľúče sa nastavujú pomocou sekcie env vo vašom konfiguračnom JSON-e:

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

Týmto spôsobom ostáva váš API kľúč bezpečne mimo vášho kódu.

Ako používať tento MCP v tokoch

Použitie MCP vo FlowHunt

Na integráciu MCP serverov do workflowu FlowHunt začnite pridaním MCP komponentu do svojho toku a pripojením k AI agentovi:

Kliknite na MCP komponent a otvorte konfiguračný panel. V sekcii systémovej konfigurácie MCP zadajte detaily vášho MCP servera pomocou tohto JSON formátu:

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

Po nakonfigurovaní bude AI agent môcť používať tento MCP ako nástroj so všetkými jeho funkciami a možnosťami. Nezabudnite zmeniť “devrev” na názov svojho MCP servera a URL na adresu vášho MCP servera.

Prehľad

| Podpora roots | ⛔ | Nespomína sa |

Náš názor:
Na základe dostupnej dokumentácie DevRev MCP Server poskytuje jasné definície nástrojov a inštrukcie na nastavenie pre Claude, no chýbajú šablóny promptov, explicitné definície zdrojov a informácie o podpore sampling alebo roots. Projekt má open-source licenciu, aspoň jeden nástroj a určitú komunitnú aktivitu, ale ocenili by sme rozsiahlejšiu dokumentáciu a multiplatformové inštrukcie.

MCP skóre

MCP hodnotenie: 5/10
Projekt je funkčný, má dobré pokrytie základných nástrojov a otvorenú licenciu, no chýbajú kľúčové MCP prvky (prompty, zdroje, sampling, roots) a robustnejšie multiplatformové inštrukcie na nastavenie.