mcpField
C
Confluence MCP Server

Confluence MCP Server

本地服务
medium.com记忆与知识670 周前更新

关于 Confluence MCP Server

Confluence MCP Server 通过 MCP 将 AI Agent 接入 Atlassian Confluence,支持内容搜索和页面操作。它提供 CQL 搜索、空间列表及页面增删改查,并采用适用于 Cloud Run 部署的 Flask 服务。

主要功能

  1. 01使用 CQL 搜索页面
  2. 02列出 Confluence 空间
  3. 03创建、读取、更新和删除页面
  4. 04提供丰富的资源元数据
  5. 05适用于 Cloud Run 的 Flask 服务

适用场景

  1. 01查找符合查询条件的 Confluence 页面
  2. 02查看空间中的页面内容
  3. 03创建或修改 Confluence 页面

MCP 相关

它将 Confluence 搜索、空间列表和页面管理作为工具提供给 MCP 客户端及 AI Agent。

配置

本地服务的配置在各客户端中通用,复制后粘贴到客户端的 MCP 配置文件即可。

暂未收录安装方式

我们还没有获取到这个服务的安装包或远程地址,请按项目 README 中的说明安装。

代码仓库

工具

还没有获取到工具列表

本地服务需要在你的电脑上运行后才能读取工具,维护者暂未提供工具列表。

详细介绍

Confluence MCP 服务

MCP Reviewed

这是一个适用于 Atlassian Confluence 的模型上下文协议(MCP)服务实现。此服务提供了一组工具,可通过 MCP 协议与 Confluence 交互,让 AI Agent 能够无缝使用 Confluence 内容。它基于 Flask 构建,便于部署到 Cloud Run。

功能

  • 使用 Confluence 查询语言(CQL)搜索页面和空间
  • 列出所有可用的 Confluence 空间
  • 创建、读取、更新和删除 Confluence 页面
  • 为 Confluence 资源提供丰富的元数据支持
  • 基于 Flask 的服务,可部署到 Cloud Run
  • 用于集成 AI Agent 的 MCP 工具

安装

  1. 克隆代码库
  2. 安装依赖项:
pip install -r requirements.txt

配置

在项目根目录创建 .env 文件,并添加以下变量:

CONFLUENCE_URL=https://your-instance.atlassian.net/wiki
CONFLUENCE_ACCESS_TOKEN=your_access_token
PORT=8080  # Optional, defaults to 8080

获取访问令牌:

  1. 登录 Atlassian 账户
  2. 前往 Account Settings > Security > Create and manage API tokens
  3. 创建新的 API 令牌并复制

可用工具

此服务提供以下 MCP 工具:

1. 搜索内容
@tool("search_confluence")
def search(query: str) -> Dict[str, Any]
2. 获取空间
@tool("get_spaces")
def get_spaces() -> Dict[str, Any]
3. 获取页面内容
@tool("get_page_content")
def get_page_content(space_key: str, page_id: str) -> Dict[str, Any]
4. 创建页面
@tool("create_page")
def create_page(space_key: str, title: str, content: str) -> Dict[str, Any]
5. 更新页面
@tool("update_page")
def update_page(space_key: str, page_id: str, content: str) -> Dict[str, Any]
6. 删除页面
@tool("delete_page")
def delete_page(space_key: str, page_id: str) -> Dict[str, Any]

本地运行

在本地运行服务:

python example.py

服务将在 http://localhost:8080 上启动。

部署到 Cloud Run

  1. 构建 Docker 镜像:
docker build -t confluence-mcp .
  1. 为镜像添加标签并推送到 Google Container Registry:
docker tag confluence-mcp gcr.io/[PROJECT-ID]/confluence-mcp
docker push gcr.io/[PROJECT-ID]/confluence-mcp
  1. 部署到 Cloud Run:
gcloud run deploy confluence-mcp \
  --image gcr.io/[PROJECT-ID]/confluence-mcp \
  --platform managed \
  --allow-unauthenticated \
  --set-env-vars="CONFLUENCE_URL=[YOUR_URL],CONFLUENCE_ACCESS_TOKEN=[YOUR_TOKEN]"

错误处理

所有工具都包含恰当的错误处理,并会在响应中返回相应的错误消息。响应格式包括:

  • 成功:以指定格式返回相关数据
  • 错误:{"error": "error message"}

安全注意事项

  1. 敏感数据始终使用环境变量
  2. 考虑使用 Cloud Run 内置的密钥管理
  3. 为端点实施恰当的身份验证
  4. 妥善保管 Confluence 访问令牌

贡献

欢迎贡献!欢迎提交 Pull Request。

许可证

本项目采用 MIT 许可证,详情请参阅 LICENSE 文件。

评论

支持 Markdown

第一次接触 MCP?

从协议是什么,到在客户端里装上第一个服务,这几条回答覆盖了大多数入门问题。

一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。