Jira MCP Auth Bridge

级联MCP

Cascade MCP帮助您分析Figma、Google Docs和Confluence，并使用AI编写Jira票！这个开源项目提供了MCP（模型上下文协议）功能的集合，用于 Bitovi的级联人工智能支持计划.

查看我们的介绍视频，了解它能做什么：


👉 顺便说一句，Bitovi可以帮助您将此集成到您自己的SDLC工作流程中： 软件团队的人工智能

支持的工具

支持的工具 https://cascade.bitovi.com/mcp 端点：

组合工具 （多提供商工作流）：

• analyze-feature-scope -从Jira史诗中链接的Figma设计生成范围分析（识别特征，建立范围边界，在实施前提出问题）
• write-shell-stories -从Jira史诗中链接的Figma设计生成外壳故事（分析屏幕、下载资产、使用AI创建优先用户故事）
• write-epics-next-story -在史诗中从shell故事中编写下一个Jira故事（验证依赖关系，生成完整的故事内容，创建具有验收标准的Jira问题）
• write-story -通过收集全面的背景（父级层次结构、评论、链接的Figma/Confluence/Google Docs）并编写尽可能好的故事，生成或完善Jira故事
• extract-linked-resources -获取一个URL（Jira issue、Confluence页面、Google Doc），并将其内容作为markdown返回，其中YAML frontmatter列出了所有发现的链接资源
• review-work-item -审查Jira工作项，并生成问题，找出差距、歧义和缺失的信息（将帖子审查作为Jira评论）

Atlassian/Jira工具:

• atlassian-get-sites -获取经过身份验证的用户可访问的Atlassian站点列表
• atlassian-get-issue -按ID或密钥检索Jira问题的完整详细信息，包括描述、附件、注释和完整字段数据
• atlassian-get-attachments -通过附件ID获取Jira附件（返回base64编码的内容）
• atlassian-update-issue-description -使用降价内容更新Jira问题描述（自动转换为ADF）
• atlassian-add-comment -对Jira问题发表评论（降价自动转换为ADF）
• atlassian-update-comment -更新现有的Jira评论（markdown自动转换为ADF）
• confluence-analyze-page -获取Confluence页面，转换为markdown，用LLM对相关性进行评分，并缓存结果
• search -使用JQL（Jira查询语言）搜索Jira问题，并输出标准化的文档格式
• fetch -以标准化文档格式（兼容ChatGPT）按问题密钥/ID获取Jira问题详细信息

Figma工具:

• figma-get-user -获取经过身份验证的Figma用户的信息（OAuth验证的测试工具）
• figma-review-design -分析Figma屏幕设计，并在相关框架上发布澄清问题作为评论
• figma-batch-zip -批量获取多个URL的Figma数据；返回一个zip下载，其中包含每帧图像、结构XML、注释、笔记和分析提示（was figma-batch-load)
• figma-batch-cache -批量将Figma数据提取到服务器端缓存中；返回一个batchToken以供检索 figma-frame-data （云环境）
• figma-frame-data -从批缓存或实时Figma中检索单帧数据（图像、上下文、XML）
• figma-ask-scope-questions-for-page -\[失望\]分析Figma页面，并使用框架数据和嵌入式分析提示生成设计范围问题
• figma-post-comment -在Figma文件中发表评论，可以选择固定到特定的帧节点
• figma-get-comments -从Figma文件中读取现有评论，并将其分组到线程中
• **** -从Figma设计URL下载图像（返回base64编码的图像和元数据）
• figma-get-metadata-for-layer -获取特定Figma层的详细元数据，包括定位和视觉属性
• figma-get-layers-for-page -列出Figma页面中的所有顶级层，包括层ID、名称、类型和下载URL

谷歌工具:

• drive-about-user -检索经过身份验证的Google Drive用户的信息（OAuth验证的测试工具）
• drive-doc-to-markdown -将Google Docs文档转换为Markdown格式（支持标题、格式、列表和超链接）
• sheets-list-spreadsheets -列出经过身份验证的用户可以访问的谷歌电子表格，并可选择名称过滤
• sheets-get-info -获取电子表格元数据，包括标题、区域设置和每个工作表选项卡的详细信息
• sheets-read-values -使用A1表示法从Google电子表格中的某个范围读取单元格值
• sheets-write-values -在Google电子表格中写入值或清除范围

实用工具:

• utility-test-sampling -通过向代理发送提示并记录交互来测试采样功能（能够测试代理功能和MCP工具间的通信）

阅读 REST API文档 用于访问这些端点：

• POST /api/analyze-feature-scope
• POST /api/write-shell-stories
• POST /api/write-next-story

LLM客户支持

API支持8个主要的LLM客户端（Anthropic、OpenAI、Google、AWS Bedrock、Mistral、DeepSeek、Groq、xAI）。用户选择他们的LLM客户端，并通过请求头提供凭据。

看 LLM提供者指南 以获取完整的文档。

使用

使用CascadeMCP有四种主要方法：

• 具备支持Claude或Copilot等编码代理的技能（参见 代理入门)
• 迷你MCP客户端托管在 https://cascade.bitovi.com/
• 使用具有采样功能的MCP客户端（如VSCode Copilot），如下所示。
• 使用Jira自动化，如图所示 这里.

如果您只是想看到它工作，我们建议您使用迷你MCP客户端。

先决条件

如果你想完成故事写作工作流程，你需要：

• Figma设计一些需要故事的功能
• 访问Jira实例。 这是一个视频，展示了如何创建一个新的Jira实例
• Jira史诗，链接到figma设计，以及关于史诗范围内外的任何其他背景

迷你MCP客户端

在这个例子中，您将使用托管在以下位置的迷你MCP客户端 https://cascade.bitovi.com/ 从Jira史诗中创造故事。

为了使用迷你MCP客户端，您需要Anthropic SDK API令牌。

1. 首选 https://cascade.bitovi.com/
2. 输入Anthropic SDK API（这不会发送到服务器，但如果有人要求您共享这样的密钥，请确保您提供一个可以删除的密钥）。
3. 点击连接
4. 授权Jira和Figma

VSCode副驾驶

在这个例子中，我们将使用VSCode连接到CascadeMCP，并要求CascadeMCP分析一些Figma图像，编写shell故事，然后编写一个故事。

在使用该工具之前，您需要以下内容：

• 使用Github Copilot的Visual Studio代码 点击此处下载

在您的项目中，创建一个 .vscode/mcp.json 文件

点击 Add Server... 按钮：

选择 HTTP 选项：

粘贴以下URL并按enter键： https://cascade.bitovi.com/mcp. 然后，添加 cascade-mcp 输入名称，然后按enter键。

如果满足以下条件，您也可以使用以下JSON Add Server 按钮不适合您：

{
    "servers": {
        "cascade-mcp": {
            "url": "https://cascade.bitovi.com/mcp"
        }
    }
}

这将启动身份验证：

完成后，您应该能够将副驾驶聊天设置为代理模式并提出以下问题：

MCP：我有哪些可用的工具？

这应该告诉你你有Jira MCP工具可用：