BambooHR MCP Sunucu Entegrasyonu

“BambooHR” MCP Sunucusu ne yapar?

BambooHR MCP Sunucusu, AI asistanları ile BambooHR API arasında sorunsuz entegrasyona olanak sağlayan bir Model Context Protocol (MCP) kütüphanesidir. Node.js ve TypeScript kullanılarak geliştirilmiş olan bu sunucu, çeşitli BambooHR uç noktalarına erişmek ve etkileşim kurmak için temiz ve tür güvenli bir arayüz sunar. AI sistemleri ile İK verileri arasında köprü görevi görerek; çalışan dizinini sorgulama, proje atamalarını yönetme, çalışma saatlerini gönderme ve ekip uygunluğunu sorgulama gibi iş akışlarını geliştiriciler ve organizasyonlar için kolaylaştırır. Bu entegrasyon, AI asistanlarının İK ile ilgili görevleri otomatikleştirmesini, veri çekimini hızlandırmasını ve geliştirme ortamlarında daha etkili insan kaynakları yönetimine destek olmasını sağlar.

Prompt Listesi

Depoda açıkça belirtilmiş prompt şablonu bulunmamaktadır.

Kaynak Listesi

Depoda açıkça belgelenmiş MCP kaynağı bulunmamaktadır.

Araç Listesi

• fetchWhosOut: Şu anda ofis dışında olan çalışanların listesini getirir.
• fetchProjects: Bir çalışana ait proje verilerini getirir.
• submitWorkHours: Belirli bir proje ve görev için çalışma saati gönderimi yapar.
• getMe: Kimliği doğrulanmış kullanıcının detaylarını getirir.
• fetchEmployeeDirectory: Tüm çalışanların isim, e-posta ve görev unvanlarıyla listesini sunar.
• fetchTimeEntries: Çalışanlara ait zaman giriş kayıtlarını getirir.

Bu MCP Sunucusunun Kullanım Senaryoları

• Çalışan Dizini Çekme: Tüm çalışanların isim, e-posta ve unvanlarını hızla görüntüleyerek İK veri sorgularını ve raporlamasını kolaylaştırır.
• Proje ve Görev Yönetimi: Bir çalışana atanmış proje ve görevlerin listesini çekerek İK ve ekip liderleri için zaman ve kaynak takibini kolaylaştırır.
• Çalışma Saati Gönderimi: Belirli proje ve görevler için çalışma saati kaydını otomatikleştirerek İK süreçlerini basitleştirir ve manuel hataları azaltır.
• Ekip Uygunluğunu Takip Etme: Kimlerin ofis dışında olduğunu anında görerek kaynak planlamasını iyileştirir ve takvim çakışmalarını azaltır.
• Kişisel Bilgi Sorgulama: Kimliği doğrulanmış kullanıcı detaylarını kişisel İK panoları veya asistan etkileşimleri için getirir.

Nasıl Kurulur

Windsurf

1. Node.js ve npm’in kurulu olduğundan emin olun.
2. Depoyu klonlayıp bağımlılıkları yükleyin:

   git clone https://github.com/encoreshao/bamboohr-mcp.git
   cd bamboohr-mcp
   npm install
   

3. BambooHR MCP sunucusunu eklemek için yapılandırma dosyanızı düzenleyin:

   {
     "mcpServers": {
       "bamboohr-mcp": {
         "command": "npx",
         "args": ["@bamboohr/mcp-server@latest"]
       }
     }
   }
   

4. API anahtarları için ortam değişkenlerini ayarlayın (aşağıya bakınız).
5. Kaydedin ve Windsurf’u yeniden başlatın. Sunucunun çalıştığını doğrulayın.

Claude

1. Gereklilik: Node.js ve npm’i kurun.
2. BambooHR MCP sunucusunu yukarıdaki gibi klonlayıp kurun.
3. Claude yapılandırmasına şunu ekleyin:

   {
     "mcpServers": {
       "bamboohr-mcp": {
         "command": "npx",
         "args": ["@bamboohr/mcp-server@latest"]
       }
     }
   }
   

4. Gerekli ortam değişkenlerini yapılandırın (aşağıya bakınız).
5. Kaydedin, Claude’u yeniden başlatın ve bağlantıyı doğrulayın.

Cursor

1. Node.js ve npm’i kurun.
2. bamboohr-mcp‘yi klonlayıp kurun:

   git clone https://github.com/encoreshao/bamboohr-mcp.git
   cd bamboohr-mcp
   npm install
   

3. Cursor yapılandırmanıza ekleyin:

   {
     "mcpServers": {
       "bamboohr-mcp": {
         "command": "npx",
         "args": ["@bamboohr/mcp-server@latest"]
       }
     }
   }
   

4. Ortam değişkenlerini ayarlayın (aşağıya bakınız).
5. Kaydedin ve Cursor’u yeniden başlatın.

Cline

1. Node.js ve npm’in mevcut olduğundan emin olun.
2. Yukarıda anlatıldığı gibi klonlayıp kurun.
3. Cline yapılandırmanıza şunu ekleyin:

   {
     "mcpServers": {
       "bamboohr-mcp": {
         "command": "npx",
         "args": ["@bamboohr/mcp-server@latest"]
       }
     }
   }
   

4. Ortam değişkenlerini ayarlayın.
5. Kaydedin ve Cline’ı yeniden başlatın.

API Anahtarlarını Ortam Değişkenleri ile Güvenli Tutmak

Aşağıdakileri ortamınıza veya bir .env dosyasına ekleyin:

BAMBOOHR_TOKEN=your_api_token_here
BAMBOOHR_COMPANY_DOMAIN=yourcompany
BAMBOOHR_EMPLOYEE_ID=123

Ayrıca ortam değişkenlerini JSON yapılandırmanızda da belirtebilirsiniz:

{
  "mcpServers": {
    "bamboohr-mcp": {
      "command": "npx",
      "args": ["@bamboohr/mcp-server@latest"],
      "env": {
        "BAMBOOHR_TOKEN": "your_api_token_here",
        "BAMBOOHR_COMPANY_DOMAIN": "yourcompany",
        "BAMBOOHR_EMPLOYEE_ID": "123"
      }
    }
  }
}

Bu MCP Nasıl Akışlarda Kullanılır

FlowHunt’ta MCP Kullanımı

MCP sunucularını FlowHunt akışınıza entegre etmek için öncelikle akışa MCP bileşenini ekleyip AI ajanınıza bağlayın:

MCP bileşenine tıklayarak yapılandırma panelini açın. Sistem MCP yapılandırma bölümüne aşağıdaki JSON formatında MCP sunucu detaylarınızı ekleyin:

{
  "bamboohr-mcp": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

Yapılandırıldıktan sonra, AI ajanınız MCP’nin tüm fonksiyonlarına ve yeteneklerine erişebilecektir. “bamboohr-mcp” adını kendi MCP sunucu adınızla ve URL’yi kendi MCP sunucu adresinizle değiştirmeniz gerektiğini unutmayın.

Genel Bakış

| Roots Desteği | ⛔ | Bahsedilmemiş |

Bizim görüşümüz

BambooHR MCP, geliştiriciler ve MCP tabanlı AI asistanları için BambooHR ile temel, tür güvenli bir entegrasyon sunar. Temel İK API uç noktalarını kapsayan, iyi yapılandırılmış bir sunucu olsa da, şu anda açıkça tanımlanmış prompt/kaynak tanımları ve Roots veya Sampling gibi gelişmiş MCP özelliklerine dair dokümantasyon içermemektedir. Temel İK otomasyonları için iyi, fakat tam donanımlı bir MCP referans implementasyonu değildir.

Yukarıdaki değerlendirmeye göre, bu MCP sunucusuna genel MCP tamamlayıcılığı için 4/10 puan veriyorum: Temel API araçları ve yapılandırmayı kapsıyor fakat gelişmiş fonksiyonlar, prompt şablonları ve kaynak paylaşımı eksik.

MCP Puanı