Jira Utilities MCP Server

JIRA实用程序-MCP服务器v2.2

通过Cursor AI+优化的独立实用程序完成JIRA自动化

 ](https://www.docker.com/) ](https://github.com)

______________________________________________________________________

⚡ 快速决策：MCP还是独立？

示例：35个问题→ MCP汽车批次（2批）→ ~70 sec ✅\ 示例：196期→ Use npm run pr-reporter （约15分钟）✅

🚀 自动批处理：MCP会自动将大于20的请求拆分为具有速率限制的可管理块。对于非常大的批量（100+），使用npm脚本以获得更好的性能。

______________________________________________________________________

🚀 快速开始

对于小批量（1-20个项目）-使用MCP

# 1. Build Docker image
./build-docker.sh

# 2. Configure Cursor MCP (~/.cursor/mcp.json)
{
  "mcpServers": {
    "jira-utilities": {
      "command": "sh",
      "args": [
        "-c",
        "podman run -i --rm -v $HOME/Downloads:/output -e JIRA_EMAIL -e JIRA_API_TOKEN -e OUTPUT_DIR=/output -e TZ jira-utilities:latest"
      ],
      "env": {
        "JIRA_EMAIL": "your-email@celigo.com",
        "JIRA_API_TOKEN": "your-jira-api-token",
        "TZ": "Asia/Kolkata"
      }
    }
  }
}

# Note: Replace 'podman' with 'docker' if you use Docker instead

📁 **CSV files will be automatically saved to your Downloads folder!**

# 3. Restart Cursor and use prompts
"List all subtasks of IOAUT-23008"
"Generate CSV for IOAUT-23009"

对于大批量（20+个项目）-使用独立

# Set environment variables and run the scripts directly
export JIRA_EMAIL="your-email@celigo.com"
export JIRA_API_TOKEN="your-api-token"

npm run pr-reporter        # For CSV reports (by issue keys)
npm run jql-reporter        # For CSV reports (by JQL query) 🆕
npm run subtask-manager    # For closing subtasks

🆕 JQL查询报告器 -动态获取问题

使用 jql-reporter 为与JQL查询匹配的问题生成CSV报告：

npm run jql-reporter

# Example queries:
# - fixVersion = "2026.1.1" AND project = IO
# - project = IO AND status = "In Progress"
# - assignee = currentUser() AND created >= -7d

特征：

• ✅ 自动分页（处理>100个结果）
• ✅ 与公关记者相同的CSV格式
• ✅ 从所有匹配问题中提取PR和Zephyr参考
• ✅ 非常适合基于版本或基于日期的报告

______________________________________________________________________

🛠 7种MCP工具可用

🚀 自动批处理：请求>20个项目会自动拆分为块。对于100多个项目，使用npm脚本以获得最佳性能。

______________________________________________________________________

📦 包含内容

1. jira_pr_zephyr_reporter.js -按问题密钥提取PR和Zephyr，针对大批量优化（196个问题约15分钟）
2. jira_jql_reporter.js -JQL查询自动分页提取PR和Zephyr🆕
3. jira_subtask_manager.js -包含排除项的批量子任务关闭
4. jira-mcp-server.js -MCP协议服务器，带7个工具和自动批处理大型请求

______________________________________________________________________

🔧 何时使用What

通过光标MCP（1-20项）

✅ 自然语言提示\ ✅ 无需终端\ ✅ 小批量快速\ ❌ 可能超时超过20个项目

用于：“列出IOAUT-23008的所有子任务”，“关闭10个旧子任务”

通过npm脚本（20+个项目）

✅ 对于大批量生产，速度要快得多\ ✅ 无超时问题\ ✅ 直接CSV文件输出\ ✅ 进度指标

用于：Sprint报告（30+个问题），Epic清理（50+个子任务）

______________________________________________________________________

💬 示例提示

对于1-20个项目（使用MCP）

"List all subtasks of IOAUT-23008"
"Generate CSV for IOAUT-23008, IOAUT-23009, IOAUT-23010"
"Close all subtasks of IOAUT-23008 except IOAUT-23009"
"Close IOAUT-76461 with comment 'all passed'"

对于20+个项目（使用npm脚本）

export JIRA_EMAIL="your-email@celigo.com"
export JIRA_API_TOKEN="your-api-token"

npm run pr-reporter        # Paste issue IDs when prompted
npm run subtask-manager    # For bulk closures

API代币: https://id.atlassian.com/manage-profile/security/api-tokens\ 看 PROMPTS.md 完整的指南！

______________________________________________________________________

📁 项目结构

jira_utilities/
├── 📖 Documentation (4 files)
│   ├── README.md ⭐                # This file - Overview & quick start
│   ├── PROMPTS.md                  # Prompt guide for users
│   ├── AI_BEHAVIOR_GUIDE.md        # Guide for AI assistant behavior
│   └── ECR_DEPLOYMENT_GUIDE.md     # Deployment instructions
│
├── 🛠 Core Code (3 files)
│   ├── jira-mcp-server.js          # MCP server with 20-issue limit
│   ├── jira_pr_zephyr_reporter.js  # PR & Zephyr extraction
│   └── jira_subtask_manager.js     # Bulk subtask closure
│
├── 🐳 Docker (2 files)
│   ├── Dockerfile
│   └── build-docker.sh
│
└── 📦 package.json

总计：10个文件

______________________________________________________________________

🚀 自动批量处理

MCP服务器 自动处理 问题超过20个的请求：

⚠️ LARGE BATCH DETECTED: 35 issues requested

📦 Automatically splitting into 2 batches of 20 to avoid timeouts...
📊 Processing 2 batch(es) with rate limiting
⏱️  Estimated time: ~70 seconds

======================================================================

📦 BATCH 1/2: Processing 20 issues
============================================================
✅ Batch 1/2 complete (20 issues processed)
⏳ Waiting 3 seconds before next batch...

📦 BATCH 2/2: Processing 15 issues
============================================================
✅ Batch 2/2 complete (15 issues processed)

======================================================================
✅ All 2 batches processed successfully!
📊 Total issues analyzed: 35
======================================================================

✅ CSV Report Generated!
[Complete CSV with all 35 issues]

要点:

• 无需用户干预-服务器自动处理批处理
• 批次之间的速率限制阻止API节流
• 对于100多个问题，考虑使用 npm run pr-reporter 为了获得更好的性能

______________________________________________________________________

🐳 Docker/ECR部署

# Build locally
./build-docker.sh

# Deploy to ECR - See ECR_DEPLOYMENT_GUIDE.md

______________________________________________________________________

📚 文档

______________________________________________________________________

💡 关键要点

• 主控程序：适用于1-20个项目（通过自然语言快速查询）
• npm脚本：适合20+个项目（使用npm run命令进行生产工作）
• 批量过大时自动警告
• 经过战斗测试的代码针对大批量进行了优化
• 简单选择：小批量？使用MCP。大批量？使用npm脚本。

______________________________________________________________________

📞 支持

• 提示和示例：参见 PROMPTS.md
• ECR部署：参见 ECR_DEPLOYMENT_GUIDE.md
• API JIRA: https://developer.atlassian.com/cloud/jira/platform/rest/v3/
• MCP协议: https://modelcontextprotocol.io/

______________________________________________________________________

状态: ✅ 生产就绪|🚀 ECR可部署|📚 证据充分的

版本: 2.2.0 | 最后更新：2025年11月24日

______________________________________________________________________

💡 专业建议：使用MCP进行快速查询，使用npm脚本进行大批量查询！

自动化快乐！ 🚀