MCP Azure DevOps分析服务器

MCP（模型上下文协议）服务器，为AI助手提供Azure DevOps的强大分析功能。此服务器使AI能够分析工作项、团队、区域，提供数据质量见解，并为Azure DevOps配置提供智能指导。

特性

核心分析（12个工具）

跨组织中的所有项目或特定项目进行查询
列出Azure DevOps组织中的所有项目
查询Azure DevOps区域、团队和用户（整个组织或每个项目）
通过灵活的筛选访问工作项快照
解决区域、团队和工作项之间的关系
对Azure DevOps Analytics执行自定义OData查询
通过基于时间的过滤获取冲刺/迭代数据
使用周期时间和交付周期指标跟踪工作项历史记录
检索团队成员信息
完全分页和过滤支持

高性能

本地存储管理 -在本地缓存大型数据集以进行高效分析
数据质量分析 -识别未分配的工作项、孤立数据、重复项
洞察力提取 -生成团队生产力指标、速度趋势
健康报告 -全面的项目健康评估
AI教练 -指导用户完成Azure DevOps配置

综合分析套件（12+分析工具）

核心指标

Sprint指标 -计算速度、消耗和冲刺健康状况
流量指标 -测量周期时间、交付周期、WIP和吞吐量
DORA指标 -跟踪部署频率、变更交付周期、MTTR和变更失败率
累积流量 -生成CFD数据以识别工作流程瓶颈
历史数据 -收集和分析历史指标以进行趋势分析
交货预测 -根据历史速度预测交货日期

高级分析（新）

交付周期分析 (analyze_lead_time)-多期交付周期分析（2周、30天、60天、一年），包括百分位数和趋势检测
循环时间分析 (analyze_cycle_time)-按团队/区域/用户/类型细分的综合周期时间指标
吞吐量分析 (analyze_throughput)-基线计算、投影和尖峰检测
失效载荷分析 (analyze_failure_load)-缺陷率、缺陷密度、逃逸率、MTTR计算
卡龄分析 (analyze_card_age)-带老化检测的工作项年龄分布
积压增长分析 (analyze_backlog_growth)-增长率、峰值检测和容量预测
仪表板指标 (get_dashboard_metrics)-综合仪表板的综合指标

灵活过滤

所有分析工具都支持通过以下方式进行灵活过滤：

团队 -按特定团队名称筛选
区域路径 -按区域层次结构筛选
用户 -按指定用户筛选
工作项类型 -按类型筛选（用户故事、Bug、任务等）
状态 -按工作项状态筛选
标签 -按工作项标签筛选
日期范围 -自定义日期范围筛选
迭代路径 -按冲刺/迭代筛选

MCP配置

要将此服务器与Claude或其他AI助手一起使用，请将其添加到您的MCP配置中：

MCP配置示例

创建或更新您的MCP配置文件（例如。， claude_desktop_config.json):

{
  "mcpServers": {
    "azure-devops-analytics": {
      "command": "node",
      "args": ["path/to/mcp-azure-devops-analytics/dist/index.js"],
      "env": {
        "AZURE_DEVOPS_ORG_URL": "https://dev.azure.com/your-organization",
        "AZURE_DEVOPS_PAT": "your-personal-access-token",
        "AZURE_DEVOPS_PROJECT": "your-project-name",
        "MCP_ANALYTICS_CACHE_DIR": "/absolute/path/to/analytics/cache"
      }
    }
  }
}

或者，您可以使用npx：

{
  "mcpServers": {
    "azure-devops-analytics": {
      "command": "npx",
      "args": ["mcp-azure-devops-analytics"],
      "env": {
        "AZURE_DEVOPS_ORG_URL": "https://dev.azure.com/your-organization",
        "AZURE_DEVOPS_PAT": "your-personal-access-token",
        "MCP_ANALYTICS_CACHE_DIR": "/absolute/path/to/analytics/cache"
      }
    }
  }
}

设置

先决条件

已安装Node.js 18+
启用分析的Azure DevOps组织
具有分析读取权限的个人访问令牌（PAT）

安装

克隆此存储库

安装依赖项：

   npm install

创建一个 .env 文件基于 .env.example:

   cp .env.example .env

在中配置Azure DevOps设置 .env:

   AZURE_DEVOPS_ORG_URL=https://dev.azure.com/your-organization
   AZURE_DEVOPS_PAT=your-personal-access-token
   AZURE_DEVOPS_PROJECT=your-project-name  # Optional - leave empty to query all projects
   MCP_ANALYTICS_CACHE_DIR=.mcp-analytics-cache  # Working directory for analytics cache

工作目录配置

MCP服务器使用本地工作目录存储：

缓存分析数据以实现更快的查询
趋势分析的历史指标
用于复杂多步骤分析的会话数据
生成JSON、CSV和Markdown格式的报告

工作目录是通过以下方式配置的 MCP_ANALYTICS_CACHE_DIR 环境变量：

默认: .mcp-analytics-cache 在当前目录中
推荐：使用绝对路径进行生产部署
结构：自动组织到不同数据类型的子目录中

目录结构示例：

.mcp-analytics-cache/
├── cache/           # Temporary cached data
├── sessions/        # Active analysis sessions
├── reports/         # Generated reports
├── analysis/        # Analysis results
└── metrics/         # Historical metrics data
    ├── daily/       # Daily aggregations
    ├── weekly/      # Weekly rollups
    └── monthly/     # Monthly summaries

建筑

npm run build

跑步

发展：

npm run dev

生产：

npm start

测试

单元测试

运行单元测试（不需要Azure DevOps连接）：

npm test              # Run unit tests
npm run test:watch    # Run tests in watch mode
npm run test:coverage # Run tests with coverage report

集成测试

集成测试需要有效的Azure DevOps连接。设置您的 .env 文件包含：

AZURE_DEVOPS_ORG_URL：您的Azure DevOps组织URL
AZURE_DEVOPS_PAT：具有Analytics读取权限的有效个人访问令牌
AZURE_DEVOPS_PROJECT：（可选）测试的默认项目

验证您的配置：

npm run validate  # Test connection and verify credentials

运行集成测试：

npm run test:integration  # Run integration tests only
npm run test:all         # Run both unit and integration tests

备注：如果在中找不到有效凭据，将自动跳过集成测试 .env 文件。

可用工具

get_项目

获取Azure DevOps组织中的所有项目。

获取_区域

获取所有项目或特定项目的区域。

参数：

project：要查询的可选特定项目名称

get_teams

让团队参与所有项目或特定项目。

参数：

project：要查询的可选特定项目名称

用户名

让用户跨所有项目或特定项目。

参数：

project：要查询的可选特定项目名称

get_work_item_snapshots

使用可选的过滤和分页功能获取工作项快照。

参数：

project：要查询的可选特定项目名称
top：要退回的物品数量
skip：分页时要跳过的项目数
filter：OData筛选器表达式
select：以逗号分隔的要选择的字段列表
orderby：订购字段

get_work_items_by_area

获取特定区域路径的工作项。

参数：

areaPath：过滤工作项的区域路径
project：要查询的可选特定项目名称

get_team_areas

获取与特定团队相关的区域。

参数：

teamName：团队名称
project：要查询的可选特定项目名称

get_area_team_workitem_关系

了解区域、团队和工作项之间的关系。

参数：

areaPath：要分析的可选特定区域路径
project：要查询的可选特定项目名称

查询分析

对Azure DevOps Analytics执行自定义OData查询。

参数：

query：OData查询字符串
project：要查询的可选特定项目名称

MCP客户端配置

要将此服务器与MCP客户端（例如Claude Desktop）一起使用，请在MCP客户端配置中添加以下内容：

{
  "mcpServers": {
    "azure-devops-analytics": {
      "command": "node",
      "args": ["path/to/dist/index.js"],
      "env": {
        "AZURE_DEVOPS_ORG_URL": "https://dev.azure.com/your-organization",
        "AZURE_DEVOPS_PAT": "your-pat",
        "AZURE_DEVOPS_PROJECT": "your-project",  // Optional - default project
        "MCP_ANALYTICS_CACHE_DIR": "path/to/cache"  // Optional - working directory
      },
      "workingDirectory": "path/to/mcp-azure-devops-analytics"
    }
  }
}

工作目录结构

服务器为分析操作创建本地缓存目录：

.mcp-analytics-cache/
├── cache/          # Temporary cached data (auto-expires)
├── analysis/       # Analysis results
├── reports/        # Generated reports (JSON, CSV, Markdown)
├── mappings/       # Team-area relationship mappings
└── sessions/       # Multi-step operation tracking

人工智能分析问题

MCP服务器使AI助手能够回答有关Azure DevOps数据的复杂分析问题。以下是一些你可以问的强大查询：

团队绩效分析

交付周期分析

“TeamAlpha在过去2周、30天、60天和一年的平均交付周期是多少？”
“显示前端区域所有团队的交付周期趋势”
“本季度哪个团队的交付周期表现最好？”
“用户故事与Bug的P50、P75和P95交付周期是多少？”

周期时间洞察

“计算按高优先级项目筛选的TeamBeta的周期时间指标”
“比较不同工作项类型之间的循环时间”
“按开发人员显示上一个sprint的周期时间细分”
“在过去的6个月里，我们的月经周期是在改善还是在缩短？”

吞吐量和速度

“根据下一个冲刺的基线预测，我们团队的吞吐量是多少？”
“确定过去90天的吞吐量峰值及其可能的原因”
“按团队计算平均吞吐量，并显示哪些团队超出/低于基线”
“我们的速度趋势和未来3次冲刺的预测速度是多少？”

质量和技术债务

失效载荷分析

“我们目前的故障负载是多少？随着时间的推移，它是如何变化的？”
计算每个团队的错误率、缺陷密度和逃逸率
“对于关键错误，我们的平均解决时间（MTTR）是多少？”
“按优先级和严重程度显示故障负载明细”

卡年龄和工作项健康状况

“目前正在进行的用户故事的平均年龄是多少？”
“确定已打开超过60天的所有工作项”
“显示积压项目的年龄分布”
“由于年龄过大，哪些工作项目需要注意？”

积压和容量规划

积压增长分析

“每天/每周/每月添加到积压中的新卡的平均数量是多少？”
“确定积压工作增加的峰值及其时间模式”
“我们的积压工作增长速度是否快于我们的完成率？”
“根据当前趋势预测下个月的积压量”

容量和预测

“根据我们的速度，我们什么时候能完成当前的积压工作？”
“我们有足够的容量来应对即将发布的版本吗？”
“我们的在制品（WIP）限制遵守情况是什么？”
“预测下一个里程碑的交付日期”

DORA指标和DevOps绩效

部署和交付指标

“计算我们的DORA指标：部署频率、变更交付周期、MTTR和变更失败率”
“我们的部署频率与上个季度相比如何？”
“我们从承诺到生产的平均交付周期是多少？”
“跟踪过去6个月的变更失败率趋势”

跨团队比较

比较分析

“比较项目中所有团队的交付周期和周期时间”
“相对于团队规模，哪个团队的速度最高？”
“按质量指标（错误率、逃逸率）对团队进行排名”
“显示所有团队的生产力趋势”

自定义分析查询

复杂过滤示例

// Analyze lead time for a specific team and work item type
{
  "tool": "analyze_lead_time",
  "arguments": {
    "project": "MyProject",
    "filter": {
      "teamName": "TeamAlpha",
      "workItemType": "User Story",
      "dateRange": {
        "start": "2024-01-01",
        "end": "2024-12-31"
      }
    }
  }
}

// Get failure load for high-priority items only
{
  "tool": "analyze_failure_load",
  "arguments": {
    "project": "MyProject",
    "filter": {
      "tags": ["high-priority", "customer-reported"]
    }
  }
}

// Analyze backlog growth for a specific area
{
  "tool": "analyze_backlog_growth",
  "arguments": {
    "project": "MyProject",
    "filter": {
      "areaPath": "MyProject\\Frontend",
      "workItemType": "User Story"
    }
  }
}

仪表板和报告

综合仪表盘

“生成一个包含速度、周期时间、吞吐量、质量、DORA和团队健康指标的完整仪表板”
“创建每周团队绩效报告”
“构建一个显示项目健康指标的执行仪表板”
“生成一份包含所有关键指标的冲刺回顾报告”

查询示例

获取所有项目

{
  "tool": "get_projects"
}

从特定项目中获取区域

{
  "tool": "get_areas",
  "arguments": {
    "project": "MyProject"
  }
}

从所有项目中获取处于活动状态的工作项

{
  "tool": "get_work_item_snapshots",
  "arguments": {
    "filter": "State eq 'Active'",
    "select": "WorkItemId,Title,AssignedUser,ProjectSK",
    "top": 20
  }
}

从特定项目中获取工作项

{
  "tool": "get_work_item_snapshots",
  "arguments": {
    "project": "MyProject",
    "filter": "State eq 'Active'",
    "select": "WorkItemId,Title,AssignedUser",
    "top": 20
  }
}

获得区域团队关系

{
  "tool": "get_area_team_workitem_relationships",
  "arguments": {
    "areaPath": "ProjectName\\AreaPath"
  }
}

自定义分析查询

{
  "tool": "query_analytics",
  "arguments": {
    "query": "WorkItems?$filter=WorkItemType eq 'Bug' and State ne 'Closed'&$top=50"
  }
}

测试

集成测试

该项目包括全面的集成测试，用于验证与Azure DevOps Analytics的实际连接。这些测试：

验证API连接 -确保您的PAT和组织URL有效
测试所有查询方法 -根据真实的Azure DevOps数据验证每个工具
检查数据关系 -测试区域团队工作项关系解决方案
验证筛选和分页 -确保OData查询正常工作
测试跨项目查询 -验证组织范围内的数据访问

运行集成测试

创建一个 .env 使用您的Azure DevOps凭据创建文件：

   AZURE_DEVOPS_ORG_URL=https://dev.azure.com/your-organization
   AZURE_DEVOPS_PAT=your-personal-access-token
   AZURE_DEVOPS_PROJECT=optional-default-project

确保您的PAT具有以下权限：

- 分析（阅读） - 工作项（已读） - 项目和团队（阅读）

验证您的配置：

   npm run validate

这将测试您的连接并显示可用项目。

运行集成测试：

   npm run test:integration

集成测试验证什么

项目：列出组织中的所有项目
区域：获取区域路径并验证层次结构
团队：检索团队信息和配置
用户：从组织获取用户数据
工作项：测试查询、筛选和分页
关系：验证复杂的区域团队工作项关系
自定义查询：测试OData查询执行
错误处理：确保对无效请求的优雅处理

集成测试提供详细的控制台输出，显示：

检索到的项目数
每个查询的示例数据
性能指标（每个测试有30-60秒的超时时间）
如果身份验证失败，请清除错误消息

许可证

麻省理工学院

MCP Azure Devops Analytics

快速接入

详细介绍

MCP Azure DevOps分析服务器

特性

核心分析（12个工具）

高性能

综合分析套件（12+分析工具）

核心指标

高级分析（新）

灵活过滤

MCP配置

MCP配置示例

设置

先决条件

安装

工作目录配置

建筑

跑步

测试

单元测试

集成测试

可用工具

get_项目

获取_区域

get_teams

用户名

get_work_item_snapshots

get_work_items_by_area

get_team_areas

get_area_team_workitem_关系

查询分析

MCP客户端配置

工作目录结构

人工智能分析问题

团队绩效分析

质量和技术债务

积压和容量规划

DORA指标和DevOps绩效

跨团队比较

自定义分析查询

仪表板和报告

查询示例

获取所有项目

从特定项目中获取区域

从所有项目中获取处于活动状态的工作项

从特定项目中获取工作项

获得区域团队关系

自定义分析查询

测试

集成测试

运行集成测试

集成测试验证什么

许可证

目录标签

接入字段

权限和风险

来源信息

继续浏览同类 MCP