DevRev MCP 服务器

“DevRev” MCP 服务器能做什么？

DevRev MCP 服务器是一款 Model Context Protocol (MCP) 服务器，旨在为 DevRev 的 API 提供全面访问能力，使 DevRev 平台功能无缝集成到 AI 助手和开发者工作流。通过此服务器，用户可以编程方式与 DevRev 交互，管理工作项（如 issue 和 ticket）、处理部件（增强）、对 DevRev 数据进行高级搜索，以及检索用户信息。通过开放这些能力，DevRev MCP 服务器让 AI 智能体和客户端可以自动化、查询及管理 DevRev 资源，适用于数据库查询、工作流自动化和上下文感知开发助手等场景。

提示词列表

在提供的仓库文件或文档中未明确提及任何提示词模板。

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

在现有文档或代码中未列出明确的 MCP 资源。README 或可见文件中未详细说明资源原语。

工具列表

• search：使用搜索 API 在 DevRev 各命名空间（articles, issues, tickets, parts, dev_users, accounts, rev_orgs）中搜索信息。
• get_current_user：获取当前认证的 DevRev 用户的详细信息。
• get_work：通过 ID 获取指定 DevRev 工作项的全面信息。
• create_work：在 DevRev 中创建新的 issue 或 ticket，可指定标题、正文、负责人和相关部件等属性。
• update_work：通过修改标题、正文、负责人或相关部件等属性，更新已有工作项。
• list_works：根据状态、日期、负责人、部件等条件筛选和列出工作项。
• get_part：通过 ID 获取指定部件（增强）的详细信息。
• create_part：创建新部件，可指定名称、描述、负责人和父部件等属性。
• update_part：通过修改名称、描述、负责人或目标日期，更新已有部件。
• list_parts：根据日期、负责人、父部件等条件筛选和列出部件。

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

典型用例

• 工作项管理：开发者可通过编程方式创建、更新、获取和列出 issue 或 ticket，简化项目管理工作流与自动化。
• 增强（部件）管理：团队可通过创建、更新或层级组织“部件”，支持功能规划和跟踪。
• 高级搜索：可对文章、工单、用户等进行混合和命名空间特定搜索，让 AI 助手迅速调取相关 DevRev 知识。
• 用户上下文获取：获取当前用户信息，为个性化 AI 工作流（如定制通知、上下文建议）提供基础。
• 自动报告与分析：通过多条件过滤和列出工作项与部件，团队可生成项目跟踪与决策所需的报告和洞见。

如何配置

Windsurf

现有文档未提供 Windsurf 相关配置说明。

Claude

1. 访问 https://app.devrev.ai/signup 注册并获取 DevRev API 密钥，按指引完成认证。
2. 找到您的 Claude Desktop 配置文件：
   • MacOS: ~/Library/Application Support/Claude/claude_desktop_config.json
   • Windows: %APPDATA%/Claude/claude_desktop_config.json
3. 编辑 claude_desktop_config.json 文件，添加 DevRev MCP 服务器配置：

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

4. 保存文件并重启 Claude Desktop。
5. 在 Claude 界面确认 DevRev MCP 服务器已可访问。

注意： 如为开发或未发布服务器，请使用如下配置：

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

Cursor

现有文档未提供 Cursor 相关配置说明。

Cline

现有文档未提供 Cline 相关配置说明。

API 密钥安全

API 密钥通过配置 JSON 的 env 部分进行设置：

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

这样可确保您的 API 密钥安全且不会进入代码库。

如何在 FlowHunt 流程中使用 MCP

在 FlowHunt 中使用 MCP

要在 FlowHunt 工作流中集成 MCP 服务器，首先添加 MCP 组件到流程中，并将其与您的 AI 智能体连接：

点击 MCP 组件以打开配置面板。在系统 MCP 配置部分，使用如下 JSON 格式填写您的 MCP 服务器信息：

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

配置完成后，AI 智能体即可作为工具使用该 MCP，访问其所有功能。请记得将 “devrev” 替换为您实际的 MCP 服务器名称，并将 URL 替换为您自己的 MCP 服务器地址。

概览

| Roots 支持 | ⛔ | 未提及 |

我们的看法：
根据现有文档，DevRev MCP 服务器提供了清晰的工具定义和 Claude 的配置说明，但缺乏提示词模板、明确的资源定义以及采样或 roots 支持等信息。该项目具备开源协议、至少一个工具和一些社区活跃度，但如果能补充更全面的文档和多平台配置说明将更为完善。

MCP 评分

MCP 评分：5/10
该项目功能完善，核心工具覆盖较好且有开放授权，但缺少部分关键 MCP 特性（提示词、资源、采样、roots）及更完善的跨平台配置说明。