mcpField
A
Azure DevOps MCP Server

Azure DevOps MCP Server

ローカル
github.com/langkurtクラウド・インフラ175 週間前に更新

Azure DevOps MCP Server について

Azure DevOps REST API 経由で作業項目を管理する Python 製 MCP サーバーです。チケットの作成、更新、コメント、取得を行う AI アシスタント向けで、プロジェクトと組織の設定は環境変数で指定します。

主な機能

  1. 01指定したフィールドで作業項目を作成
  2. 02既存の作業項目の詳細を更新
  3. 03作業項目にコメントを追加
  4. 04作業項目の詳細を取得

活用シーン

  1. 01バグ、タスク、ユーザーストーリーの作成
  2. 02作業項目の状態や担当者の変更
  3. 03チケットへのコメント追加と内容確認

MCP 対応

Azure DevOps の作業項目の作成、更新、コメント、取得をツールとして MCP クライアントに公開します。PAT と組織設定が必要です。

設定

ローカルサーバーの設定はどのクライアントでも共通です。コピーしてクライアントの MCP 設定ファイルに貼り付けてください。

インストール方法は未掲載です

このサーバーのパッケージやリモートエンドポイントはまだ取得できていません。プロジェクトの README の手順に従ってください。

リポジトリ

ツール

ツール一覧はまだ取得されていません

ローカルサーバーのツールはマシン上で起動して初めて取得できます。メンテナーはまだツール一覧を提供していません。

詳細

Azure DevOps MCP サーバー

このプロジェクトは、AI アシスタントが Azure DevOps と連携し、チケット(作業項目)を作成、更新できるようにする Model Context Protocol(MCP)サーバーを実装しています。このサーバーは、LLM と Azure DevOps REST API の橋渡しとして機能し、AI エージェントが作業項目を管理するための標準化された方法を提供します。

概要

Model Context Protocol(MCP)は、アプリケーションが大規模言語モデル(LLM)にコンテキストを提供する方法を標準化するオープン標準です。LLM が外部のツールやサービスと連携するための共通インターフェースを作り、異なる AI モデルとツール間で個別のインテグレーションを用意する必要をなくします。

この MCP サーバーは、Azure DevOps のチケット管理に特化しており、AI アシスタントで次のことができます。

  • 作業項目(チケット)を新規作成する
  • 既存の作業項目を更新する
  • 作業項目にコメントを追加する
  • 作業項目の詳細を取得する

前提条件

  • Python 3.10+
  • 適切な権限を持つ Azure DevOps アカウント
  • Azure DevOps API へのアクセスに必要なスコープを持つ Personal Access Token(PAT)

インストール

  1. このリポジトリをクローンします。

    git clone https://github.com/langkurt/azure-devops-mcp-server.git
    cd azure-devops-mcp-server
    
  2. 必要な依存関係をインストールします。

    pip install -r requirements.txt
    
  3. プロジェクトのルートに、次の変数を設定した .env ファイルを作成します。

    AZURE_DEVOPS_PAT=your_personal_access_token
    AZURE_DEVOPS_ORGANIZATION_URL=https://dev.azure.com/your-organization
    AZURE_DEVOPS_DEFAULT_PROJECT=your-default-project
    

    注:Azure DevOps 組織の完全な URL を指定してください。

使用方法

MCP サーバーの実行

MCP サーバーは、次の方法で実行できます。

  1. MCP Inspector を使った開発モード:

    mcp dev main.py
    
  2. Claude Desktop へのインストール:

    mcp install main.py --name "Azure DevOps Ticket Manager"
    
  3. 直接実行:

    python main.py
    
Claude またはその他の AI アシスタントでの設定

この MCP サーバーを Claude Desktop で設定するには、Claude Desktop の設定ファイルに次の内容を追加します。

{
  "mcpServers": {
    "azureDevOpsTickets": {
      "command": "python",
      "args": ["path/to/main.py"],
      "env": {
        "AZURE_DEVOPS_PAT": "your_personal_access_token",
        "AZURE_DEVOPS_ORGANIZATION_URL": "https://dev.azure.com/your-organization",
        "AZURE_DEVOPS_DEFAULT_PROJECT": "your-default-project"
      }
    }
  }
}
AI アシスタント向けのプロンプト例

MCP サーバーを起動して AI アシスタントに接続したら、次のようなプロンプトを使用できます。

  • "ProjectX に「Safari でログインボタンが動作しない」というタイトルのバグを作成し、[email protected] に割り当ててください"
  • "作業項目 #1234 を更新して、状態を「Resolved」に変更し、修正内容を説明するコメントを追加してください"
  • "作業項目 #5678 の詳細を取得してください"
  • "2 要素認証を実装するためのユーザーストーリーを新規作成してください"

利用可能なツール

create_work_item

Azure DevOps に新しい作業項目を作成します。

パラメーター:

  • project:作業項目を作成するプロジェクト(デフォルトでは .env の値を使用)
  • work_item_type:作成する作業項目の種類(例:'Bug'、'Task'、'User Story')
  • title:作業項目のタイトル
  • description(任意):作業項目の説明
  • assigned_to(任意):作業項目の割り当て先のメールアドレス
  • state(任意):作業項目の初期状態
  • priority(任意):作業項目の優先度
  • area_path(任意):作業項目のエリアパス
  • iteration_path(任意):作業項目のイテレーションパス
  • tags(任意):カンマ区切りのタグ一覧
update_work_item

Azure DevOps の既存の作業項目を更新します。

パラメーター:

  • work_item_id:更新する作業項目の ID
  • title(任意):作業項目の新しいタイトル
  • description(任意):作業項目の新しい説明
  • assigned_to(任意):作業項目の割り当て先のメールアドレス
  • state(任意):作業項目の新しい状態
  • priority(任意):作業項目の新しい優先度
  • area_path(任意):作業項目の新しいエリアパス
  • iteration_path(任意):作業項目の新しいイテレーションパス
  • tags(任意):カンマ区切りのタグ一覧
add_work_item_comment

Azure DevOps の既存の作業項目にコメントを追加します。

パラメーター:

  • work_item_id:コメントを追加する作業項目の ID
  • comment:作業項目に追加するコメントのテキスト
get_work_item

Azure DevOps の既存の作業項目の詳細を取得します。

パラメーター:

  • work_item_id:取得する作業項目の ID

セキュリティに関する考慮事項

  • この MCP サーバーでは、Azure DevOps 組織への適切なアクセス権を持つ個人用アクセストークン(PAT)が必要です。
  • PAT は安全に保管し、バージョン管理に決してコミットしないでください。
  • Azure DevOps リソースへの不正アクセスを防ぐため、サーバーは安全な環境で実行してください。

ライセンス

このプロジェクトは MIT ライセンスの下でライセンスされています。詳細については LICENSE ファイルを参照してください。

謝辞

コメント

MCP は初めてですか?

プロトコルの概要から最初のサーバーの導入まで、よくある疑問にまとめて答えます。

AI アプリケーションが外部のツールやデータソースに統一的な方法で接続するためのオープンなプロトコルです。クライアントはモデルとの対話を担い、MCP サーバーはツール・リソース・プロンプトテンプレートを提供します。標準メッセージでやり取りするため、1 つのサーバーを複数のクライアントで再利用できます。