Servidor MCP DevRev

O que faz o Servidor “DevRev” MCP?

O Servidor MCP DevRev é um servidor Model Context Protocol (MCP) projetado para fornecer acesso abrangente às APIs da DevRev, permitindo integração perfeita das funcionalidades da plataforma DevRev em assistentes de IA e fluxos de trabalho de desenvolvedores. Por meio deste servidor, os usuários podem interagir programaticamente com a DevRev para gerenciar itens de trabalho (como issues e tickets), lidar com partes (aprimoramentos), realizar buscas avançadas em dados da DevRev e recuperar informações de usuários. Ao expor essas capacidades, o Servidor MCP DevRev permite que agentes de IA e clientes automatizem, consultem e gerenciem recursos da DevRev, suportando casos como consultas a bancos de dados, automações de fluxo e assistência ao desenvolvimento com contexto.

Lista de Prompts

Não há modelos de prompt explicitamente mencionados nos arquivos do repositório ou na documentação fornecida.

Lista de Recursos

Nenhum recurso MCP explícito é listado na documentação disponível ou no código. Primitivos de recurso não são detalhados no README ou em arquivos visíveis.

Lista de Ferramentas

• search: Busca informações na DevRev usando a API de pesquisa, com suporte para diferentes namespaces (artigos, issues, tickets, partes, dev_users, accounts, rev_orgs).
• get_current_user: Busca detalhes sobre o usuário DevRev atualmente autenticado.
• get_work: Recupera informações completas sobre um item de trabalho específico da DevRev usando seu ID.
• create_work: Cria novos issues ou tickets na DevRev com propriedades como título, corpo, responsáveis e partes associadas.
• update_work: Atualiza itens de trabalho existentes modificando propriedades como título, corpo, responsáveis ou partes associadas.
• list_works: Lista e filtra itens de trabalho com base em critérios como estado, datas, responsáveis, partes e mais.
• get_part: Obtém informações detalhadas sobre uma parte específica (aprimoramento) usando seu ID.
• create_part: Cria novas partes com propriedades como nome, descrição, responsáveis e partes superiores.
• update_part: Atualiza partes existentes modificando propriedades como nome, descrição, responsáveis ou datas alvo.
• list_parts: Lista e filtra partes com base em critérios como datas, responsáveis, partes superiores e mais.

Casos de Uso deste Servidor MCP

• Gerenciamento de Itens de Trabalho: Desenvolvedores podem criar, atualizar, recuperar e listar issues ou tickets programaticamente, otimizando fluxos de gerenciamento de projetos e automações.
• Gerenciamento de Partes (Aprimoramentos): Equipes podem gerenciar aprimoramentos (chamados de “partes”) criando, atualizando ou organizando-as hierarquicamente, apoiando o planejamento e rastreamento de funcionalidades.
• Busca Avançada: Realize buscas híbridas e específicas por namespace em artigos, issues, usuários e mais, permitindo que assistentes de IA mostrem rapidamente conhecimentos relevantes da DevRev.
• Recuperação de Contexto do Usuário: Acesse informações sobre o usuário atual para permitir fluxos de IA personalizados, como notificações direcionadas ou sugestões contextuais.
• Relatórios e Análises Automatizados: Ao filtrar e listar itens de trabalho e partes com diferentes critérios, equipes podem gerar relatórios e insights para acompanhamento e tomada de decisão em projetos.

Como configurar

Windsurf

Não há instruções específicas para Windsurf na documentação disponível.

Claude

1. Obtenha sua Chave de API DevRev cadastrando-se em https://app.devrev.ai/signup e siga as instruções de autenticação.
2. Localize o arquivo de configuração do Claude Desktop:
   • MacOS: ~/Library/Application Support/Claude/claude_desktop_config.json
   • Windows: %APPDATA%/Claude/claude_desktop_config.json
3. Edite o arquivo claude_desktop_config.json para adicionar o servidor MCP DevRev:

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

4. Salve o arquivo e reinicie o Claude Desktop.
5. Verifique se o servidor MCP DevRev está acessível na interface do Claude.

Nota: Para desenvolvimento ou servidores não publicados, use a seguinte configuração:

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

Cursor

Não há instruções específicas para Cursor na documentação disponível.

Cline

Não há instruções específicas para Cline na documentação disponível.

Protegendo as Chaves de API

As chaves de API são configuradas usando a seção env no seu JSON de configuração:

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

Isso mantém sua chave de API segura e fora do seu código-fonte.

Como usar este MCP dentro dos fluxos

Usando MCP no FlowHunt

Para integrar servidores MCP ao seu fluxo de trabalho no FlowHunt, comece adicionando o componente MCP ao seu fluxo e conectando-o ao seu agente de IA:

Clique no componente MCP para abrir o painel de configuração. Na seção de configuração do MCP do sistema, insira os detalhes do seu servidor MCP usando este formato JSON:

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

Depois de configurado, o agente de IA pode agora usar este MCP como uma ferramenta com acesso a todas as suas funções e capacidades. Lembre-se de alterar “devrev” para o nome real do seu servidor MCP e substituir a URL pela URL do seu próprio servidor MCP.

Visão Geral

| Suporte a Roots | ⛔ | Não mencionado |

Nossa opinião:
Com base na documentação disponível, o Servidor MCP DevRev fornece definições claras de ferramentas e instruções de configuração para Claude, mas carece de modelos de prompt, definições explícitas de recursos e informações sobre suporte a amostragem ou roots. O projeto possui licença open-source, pelo menos uma ferramenta e alguma atividade da comunidade, mas se beneficiaria de documentação mais abrangente e instruções multiplataforma.

Pontuação MCP

Avaliação MCP: 5/10
Embora o projeto seja funcional, com boa cobertura de ferramentas essenciais e licença aberta, faltam alguns recursos-chave de MCP (prompts, recursos, amostragem, roots) e instruções de configuração mais robustas para múltiplas plataformas.