Ado Workflows MCP

ADO工作流MCP服务器

   

MCP服务器暴露 ado工作流 因为工具需要人工智能代理。使Copilot和其他MCP客户端能够发现 Azure DevOps存储库，管理拉取请求，并与PR评论交互 以及评论。

快速安装

*单击上面的徽章，一键安装，或按照手动安装 在......下面*

特性

• 存储库发现：使用Azure DevOps遥控器扫描目录中的git repos
• 公关生命周期：创建拉取请求，从URL或ID建立PR上下文
• 评论管理：检查审阅者投票，检测过时的批准，找到需要注意的PR
• 评论工作流：分析、发布、回复和批量解决PR评论线程
• 会话缓存：缓存存储库上下文以避免冗余的git CLI查找
• 错误处理：可操作的错误和建议，通过 可操作的错误

MCP工具

存储库发现

拉取请求

公关评论

PR评论

安装

快速安装（推荐）

点击顶部的徽章之一，自动安装到VS Code中！

手动安装

cd ado-workflows-mcp
uv sync --all-extras

VS代码/副驾驶配置

添加到您的VS代码设置或 .vscode/mcp.json:

{
  "mcp.servers": {
    "ado-workflows": {
      "command": "uvx",
      "args": ["--from", "git+https://github.com/grimlor/ado-workflows-mcp", "ado-workflows-mcp"],
      "description": "Azure DevOps workflow automation tools"
    }
  }
}

服务器通过stdio使用 模型上下文协议.

认证

使用Azure DefaultAzureCredential 通过 ado工作流 图书馆。使用任何方法进行身份验证 DefaultAzureCredential 支持：

az login                           # Azure CLI (local dev)
az login --use-device-code         # Headless / SSH

托管身份、环境变量和其他凭据提供程序在托管环境中自动工作。

错误处理

所有错误均以结构化形式返回 ActionableError 对象具有：

• error / suggestion --人类可读的上下文
• ai_guidance --机器可读恢复指令(action_required, checks, steps, command, discovery_tool)

错误以数据形式返回，从不引发错误——MCP传输保持干净。

典型工作流程

1. repository_discovery        → find the ADO repo
2. set_repository_context      → cache it for the session
3. establish_pr_context        → resolve a PR URL or ID
4. get_pr_review_status        → check approval state
5. analyze_pr_comments         → see active threads
6. post_pr_comment / reply     → leave feedback
7. resolve_pr_comments         → mark threads as fixed

发展

uv run task check                # lint + type + test (all-in-one)
uv run task test                 # Run tests (37 BDD specs)
uv run task cov                  # Run tests with coverage
uv run task lint                 # Lint (with auto-fix)
uv run task format               # Format code
uv run task type                 # Type check

注： uv run 当通过direnv激活venv时，它是可选的。

项目结构

src/ado_workflows_mcp/
├── server.py              # FastMCP server entry point
├── mcp_instance.py        # MCP singleton
├── tools/
│   ├── repositories.py    # Repository discovery tools
│   ├── repository_context.py  # Session context management
│   ├── pull_requests.py   # PR lifecycle tools
│   ├── pr_review.py       # Review status tools
│   ├── pr_comments.py     # Comment workflow tools
│   └── _helpers.py        # Shared error-handling utilities
└── py.typed               # PEP 561 marker

测试

10个需求类别的37个BDD规范 --按消费者需求组织， 不是代码结构。

文档

• 建筑 --工具层、错误传播和设计决策

相关

• ado工作流 --此服务器使用的Azure DevOps自动化库
• 可操作的错误 --三种受众错误框架
• 演示助手mcp --用于演示脚本编排的MCP服务器

许可证

该项目根据 MIT许可证.