Azure DevOps MCP 服务器

“Azure DevOps” MCP 服务器能做什么？

Azure DevOps MCP（模型上下文协议）服务器通过充当自然语言请求与 Azure DevOps REST API 之间的桥梁，使 AI 助手能够无缝地与 Azure DevOps 服务交互。借助该服务器，AI 驱动的工具可以执行多种 DevOps 相关任务，如查询和管理工作项、访问项目及团队信息以及自动化 DevOps 工作流。通过 MCP 接口暴露 Azure DevOps 数据和操作，此服务器让开发者与团队能够提升生产力、简化协作，并直接从 AI 助手或集成开发环境自动化日常 DevOps 运维。

提示模板列表

仓库中未提及提示模板。

准备好发展您的业务了吗？

今天开始免费试用，几天内即可看到结果。

申请演示 登录

资源列表

仓库中未列出显式 MCP 资源。

工具列表

根据功能描述及服务器能力，Azure DevOps MCP 服务器提供以下工具：

• 查询工作项：通过 WIQL 查询搜索工作项。
• 获取工作项详情：检索特定工作项的详细信息。
• 创建工作项：新增任务、缺陷、用户故事或其他工作项类型。
• 更新工作项：修改现有工作项的字段和属性。
• 添加评论：向工作项发布评论。
• 查看评论：获取某工作项的评论历史。
• 管理父子关系：建立工作项间的层级关系。
• 获取项目列表：列出所有可访问的项目。
• 获取团队列表：列出组织内所有团队。
• 团队成员：查看团队成员信息。
• 团队区域路径：获取分配给团队的区域路径。
• 团队迭代：访问团队的迭代/冲刺配置。

加入我们的新闻通讯

免费获取最新提示、趋势和优惠。

电子邮件地址

订阅

本 MCP 服务器的应用场景

• 工作项管理：开发者可通过自然语言创建、更新、监控工作项（如任务、缺陷、用户故事），让积压梳理和冲刺规划更高效。
• 项目与团队洞察：团队可快速获取项目、团队、成员及组织架构信息，提升新成员融入与跨团队协作。
• 自动评论与审计：AI 助手可在工作项上添加或获取评论，助力 DevOps 流程中的文档与沟通。
• 冲刺与迭代规划：借助团队迭代和区域路径数据，实现自动冲刺规划、容量分配和报告。
• 层级及依赖管理：可在会话界面直接建立和管理工作项的父子关系，简化复杂项目管理任务。

如何设置

Windsurf

1. 前置条件：确保已安装 Node.js 并拥有 Azure DevOps 的个人访问令牌（PAT）。
2. 安装 Azure DevOps MCP 服务器：通过 pip 安装或克隆仓库后安装。
3. 定位配置文件：编辑 Windsurf 配置文件。
4. 添加 MCP 服务器：使用以下 JSON 片段添加 MCP 服务器：

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

5. 保存并重启：保存配置并重启 Windsurf 以应用更改。

API 密钥安全（Windsurf）

在配置中使用环境变量：

{
  "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. 前置条件：Python 3.10+、Azure DevOps PAT。
2. 安装服务器：通过 pip 或源代码安装包。
3. 查找 MCP 配置：打开 Claude 的配置文件。
4. 添加 MCP 服务器：插入以下 JSON：

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

5. 重启 Claude：重启应用以加载新的 MCP 服务器。

API 密钥安全（Claude）

在配置中使用环境变量：

{
  "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. 前置条件：安装 Python 并获取 Azure DevOps PAT。
2. 安装包：使用 pip 安装 MCP 服务器。
3. 打开 Cursor 设置：编辑设置文件。
4. 插入 MCP 服务器：

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

5. 重启 Cursor：重启应用。

API 密钥安全（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. 确保前置条件：Python 3.10+，Azure DevOps PAT。
2. 安装 MCP 服务器：使用 pip 或源码下载安装。
3. 编辑 Cline 配置：定位并编辑配置文件。
4. 添加 MCP 服务器：

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

5. 重启 Cline：保存并重启以激活服务器。

API 密钥安全（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"
      }
    }
  }
}

如何在流程中使用 MCP

在 FlowHunt 中使用 MCP

要将 MCP 服务器集成到您的 FlowHunt 工作流中，首先在流程中添加 MCP 组件并连接到您的 AI Agent：

点击 MCP 组件打开配置面板。在系统 MCP 配置部分，按如下 JSON 格式插入您的 MCP 服务器信息：

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

配置完成后，AI Agent 即可将此 MCP 作为工具，访问其全部功能。请记得将 “azure-devops” 替换为您 MCP 服务器的实际名称，并将 URL 替换为您的 MCP 服务器地址。

概览

根据现有文档，该 MCP 服务器为 Azure DevOps 集成提供了扎实的核心功能，配置说明清晰且工具覆盖全面，但缺少显式提示模板和资源描述。未文档化 Roots 或采样支持。因此，实用性和文档完整性可评为 7/10。

MCP 评分