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。

Ready to grow your business?

Start your free trial today and see results within days.

Request demo Log in

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。

Join our newsletter

Get latest tips, trends, and deals for free.

Email address

Subscribe

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。