Catatan
Akses ke halaman ini memerlukan otorisasi. Anda dapat mencoba masuk atau mengubah direktori.
Akses ke halaman ini memerlukan otorisasi. Anda dapat mencoba mengubah direktori.
Layanan Azure DevOps
Pertimbangkan untuk meminta asisten AI Anda "Dapatkan item kerja sprint saya saat ini, lalu identifikasi mana yang mungkin berisiko" dan dapatkan akses instan ke data Azure DevOps Anda yang sebenarnya. Server Azure DevOps Model Context Protocol (MCP) memberi asisten AI Anda akses aman ke item kerja, permintaan pull, build, paket pengujian, dan dokumentasi dari organisasi Azure DevOps Anda.
Tidak seperti solusi berbasis cloud yang mengharuskan pengiriman data Anda secara eksternal, Azure DevOps MCP Server berjalan secara lokal dalam lingkungan aman Anda, memastikan informasi proyek sensitif Anda tidak pernah meninggalkan jaringan Anda sambil tetap memberikan kemampuan AI tingkat perusahaan.
Penting
- Server MCP Azure DevOps gratis digunakan. Namun, harga Azure DevOps standar berlaku untuk organisasi Anda dan akses data apa pun melalui layanan. Penggunaan asisten AI mungkin memiliki biaya terpisah tergantung pada platform AI yang Anda pilih.
- Azure DevOps MCP Server mengharuskan asisten AI Anda beroperasi dalam mode agen untuk mengakses data Azure DevOps dan melakukan operasi.
Prasyarat
Persyaratan sistem:Node.js 18.0+ dan organisasi Azure DevOps aktif
Menginstal Azure DevOps MCP Server
Azure DevOps MCP Server terintegrasi dengan berbagai lingkungan pengembangan dan asisten AI. Pilih lingkungan pilihan Anda untuk instruksi. Prasyarat yang tercantum dalam tabel adalah persyaratan khusus lingkungan selain persyaratan sistem yang sebelumnya tercantum.
| Lingkungan | Prasyarat | Installation | Features |
|---|---|---|---|
| Visual Studio Code (disarankan) | Ekstensi GitHub Copilot atau Claude Dev | Penginstalan satu klik | Dukungan MCP yang luas dengan beberapa opsi asisten AI |
| Visual Studio (2022 dan yang lebih baru) | Komponen GitHub Copilot | Panduan penyiapan Visual Studio | Integrasi IntelliSense penuh dengan data Azure DevOps |
| Kursor | Asisten AI bawaan (tidak diperlukan ekstensi) | Panduan penyiapan kursor | Integrasi MCP yang asli |
| Claude Desktop | Aplikasi Claude Desktop | Panduan penyiapan Claude Desktop | Aplikasi mandiri dengan integrasi Azure DevOps penuh |
| IDE JetBrains | Plugin asisten AI yang kompatibel | Panduan penyiapan JetBrains | Integrasi khusus IDE melalui plugin |
| Lingkungan lain | Bervariasi menurut lingkungan | Repositori dokumen Azure DevOps MCP Server | Lihat repositori untuk semua opsi |
Petunjuk / Saran
Mengalami masalah penginstalan? Periksa bagian pemecahan masalah atau laporkan masalah pada repositori GitHub Azure DevOps MCP Server.
Mengapa menggunakan Azure DevOps MCP Server?
Asisten AI tradisional tidak memiliki konteks tentang proyek, item kerja, dan proses tim spesifik Anda. Mereka dapat membantu dengan pertanyaan pengodean generik tetapi tidak dapat menjawab "Apa yang memblokir sprint kita saat ini?" atau "Permintaan pull mana yang perlu saya tinjau?" Azure DevOps MCP Server menjelang kesenjangan ini dengan menyambungkan asisten AI Anda langsung ke data Azure DevOps Anda.
Azure DevOps MCP Server menyediakan kecerdasan kontekstual berdasarkan data proyek Anda yang sebenarnya, bukan respons umum. Anda dapat mengajukan pertanyaan bahasa alami tentang item kerja, sprint, dan rilis Anda, dan menerima wawasan yang memahami proses dan terminologi spesifik tim Anda. Proses ini menghilangkan peralihan konteks antar alat, memberikan jawaban instan tanpa menavigasi melalui antarmuka web Azure DevOps, dan mengotomatiskan tugas manajemen proyek rutin melalui bahasa alami.
Keamanan dan privasi
Azure DevOps MCP Server memprioritaskan keamanan dan privasi data:
- Eksekusi lokal: Tidak ada data yang meninggalkan lingkungan Anda - semuanya berjalan secara lokal dalam jaringan aman Anda
- Tidak ada panggilan API eksternal: Server tidak melakukan panggilan API eksternal yang dapat mengekspos informasi proyek sensitif
- Kontrol pengguna: Anda mempertahankan kontrol penuh atas data apa yang dapat diakses asisten AI Anda
- Integrasi aman: Bekerja dengan lancar dengan lingkungan pengodean AI yang ada tanpa mengorbankan keamanan
- Penanganan data privat: Informasi proyek sensitif Anda tidak pernah meninggalkan jaringan Anda saat masih memberikan kemampuan AI tingkat perusahaan
Apa yang dilakukan MCP Server?
Azure DevOps MCP Server memungkinkan proses dua langkah: pengambilan data dan analisis AI.
1. Pengambilan data (Server MCP)
Server menyediakan akses aman ke data Azure DevOps Anda:
- Proyek dan tim: Struktur organisasi dan informasi tim
- Item kerja: Tugas yang ditetapkan, bug, cerita pengguna, dan detailnya
- Permintaan pull: Status peninjauan kode, perubahan, dan item kerja tertaut
- Build dan alur: status CI/CD, hasil pengujian, dan informasi penyebaran
- Rencana pengujian: Kasus pengujian, hasil, dan data cakupan
2. Analisis AI (Asisten AI Anda)
Asisten AI Anda memproses data ini untuk menyediakan:
- Ringkasan cerdas: Kemajuan sprint, kecepatan tim, dan kesehatan proyek
- Wawasan yang dapat ditindaklanjuti: Identifikasi risiko, analisis penyempitan, dan rekomendasi
- Respons sadar konteks: Jawaban yang memahami proyek dan proses spesifik Anda
Contoh: Anda bertanya "Apa yang memblokir sprint kami?" → MCP Server mengambil item kerja Anda saat ini → Asisten AI Anda menganalisis data dan mengidentifikasi pemblokir tertentu dengan rekomendasi.
Kasus dan contoh penggunaan umum
Untuk contoh selengkapnya, lihat Contoh penggunaan.
Petunjuk / Saran
Untuk menghindari penggunaan data basi atau cache dari kueri sebelumnya, tambahkan ke perintah Anda, "Jangan gunakan data yang diambil sebelumnya."
Persiapan standup harian
Komponen
Deskripsi
Server MCP menyediakan
Akses ke item kerja yang ditetapkan dan pembaruan terbaru
Tindakan asisten AI
Menganalisis data untuk membantu Anda mempersiapkan standup
Contoh perintah
"Dapatkan item kerja saya untuk proyek MyProject dan bantu saya mempersiapkan standup - apa yang saya selesaikan, apa yang sedang saya kerjakan, dan apa yang diblokir?"
Terjemahan kueri
Kueri WIQL untuk mengambil item kerja yang ditetapkan, difilter menurut proyek dan tidak termasuk item yang dihapus, diurutkan berdasarkan perubahan terbaru
Hasil data mentah
Enam item kerja termasuk bug, tugas, cerita pengguna, dan fitur dengan status mereka saat ini (Diselesaikan, Selesai, Aktif, Baru, Diblokir)
Output dari asisten AI
| Kedudukan | Tugas Kerja |
|---|---|
| ✅ Selesai | Bug #4521: "Halaman masuk crash di Safari seluler" - Diselesaikan kemarin Tugas #4498: "Perbarui dokumentasi API untuk v2.1" - Selesai 2 hari yang lalu |
| 🔄 Sedang Berlangsung | Cerita Pengguna #4456: "Terapkan autentikasi dua faktor" - Sedang Berlangsung (tiga hari) └── Subtugas: Skema database (Selesai), komponen UI (Sedang Berlangsung), Pengujian (Belum Dimulai) Bug #4534: "Masalah performa dengan himpunan data besar" - Aktif (satu hari) |
| ⚠️ Diblokir | Fitur #4423: "Integrasi dengan gateway pembayaran eksternal" - Diblokir └── Menunggu: Persetujuan tim keamanan (diblokir lima hari) └── Tindakan diperlukan: Menindaklanjuti dengan Sarah dari tim InfoSec Tugas #4467: "Sebarkan ke lingkungan penahapan" - Impedimen └── Masalah: Pemeliharaan server penahapan dijadwalkan hari ini pukul 14.00-16.00 |
| Ringkasan untuk standup | - Kemarin: Menyelesaikan masalah masuk Safari seluler, menyelesaikan dokumentasi API. - Hari ini: Lanjutkan implementasi 2FA, selidiki masalah performa himpunan data. - Hambatan: Perlu persetujuan keamanan untuk pengintegrasian pembayaran, penggelaran skenario tertunda karena pemeliharaan. |
Dukungan untuk perencanaan sprint
Komponen
Deskripsi
Server MCP menyediakan
Akses ke item backlog, data tim, dan detail item kerja
Tindakan asisten AI
Membantu menganalisis kapasitas dan merencanakan sprint
Contoh perintah
"Dapatkan semua item kerja di backlog produk untuk MyProject dan prioritaskan untuk sprint dua minggu dengan tiga pengembang"
Terjemahan kueri
Kueri WIQL untuk mengambil item backlog dengan titik cerita, prioritas, dan informasi status, yang diurutkan berdasarkan prioritas dan peringkat tumpukan
Hasil data mentah
Sembilan item backlog termasuk epik, fitur, cerita pengguna, bug, dan tugas dengan titik cerita dan dependensi, ditambah metrik tim (tiga pengembang, sprint 14 hari, kecepatan 60 titik)
Output dari asisten AI
| Kategori | Tugas Kerja | Points |
|---|---|---|
| ✅ Direkomendasikan | Epik #3401: "Peningkatan Profil Pengguna" - Nilai bisnis tinggi, tanpa dependensi Bug #3456: "Waktu hasil pencarian habis pada himpunan data besar" - Dampak pengguna penting Fitur #3378: "Ekspor dasbor ke PDF" - Sering diminta Cerita #3489: "Terapkan alur reset kata sandi" - Prioritas keamanan Tugas #3512: "Tingkatkan komponen React ke v18" - Utang teknis Cerita #3467: "Tambahkan tombol mode gelap" - Kemenangan cepat |
Total 60 (13 + 8 + 13 + 8 + 13 + 5) |
| ⏳ Ditangguhkan | Epik #3234: "Penulisan ulang aplikasi seluler" - Terlalu besar untuk sprint tunggal Fitur #3445: "Rekomendasi yang didukung AI" - Menunggu tim ilmu data Cerita #3523: "Integrasi dengan CRM eksternal" - Diblokir oleh API vendor |
34, 21, 13 |
| Merencanakan rekomendasi |
-
Saldo: Campuran fitur (3), bug (1), utang teknis (1), kemenangan cepat (1) - Tingkat risiko: Item risiko rendah menengah untuk pengiriman yang dapat diprediksi - Dependensi: Semua item yang dipilih telah menyelesaikan dependensi - Keterampilan: Distribusi kerja cocok dengan keahlian tim saat ini - Nilai bisnis: Fitur yang diprioritaskan untuk pelanggan dan perbaikan penting |
Alur kerja peninjauan kode
Komponen
Deskripsi
Server MCP menyediakan
Detail permintaan pull dan informasi item kerja tertaut
Tindakan asisten AI
Menyediakan konteks bisnis untuk perubahan teknis
Contoh perintah
"Dapatkan detail untuk permintaan pull #67 dan item kerja yang ditautkan dan membantu saya memahami efek bisnis dari perubahan kode ini"
Terjemahan API
Panggilan REST API untuk mengambil detail permintaan pull dan informasi item kerja tertaut dengan hubungan yang diperluas
Hasil data mentah
Permintaan pull #67 (implementasi lapisan penembolokan, delapan file berubah, +156/-42 baris) dan dua item kerja tertaut (cerita pengguna performa dan bug pengaturan)
Output dari asisten AI
| Komponen | Detail lebih lanjut |
|---|---|
| Permintaan Pull | PR #67: "Terapkan lapisan penembolokan untuk preferensi pengguna" Penulis: Gereja Christie, Status: Aktif (menunggu ulasan) File: 8 diubah (+156, -42 baris), Dibuat: Dua hari yang lalu |
| Item Kerja Tertaut | 🎯 Cerita Pengguna #2847: "Tingkatkan performa aplikasi untuk pengguna yang kembali" (Prioritas tinggi) └── Target: Waktu < pemuatan halaman 2 detik untuk pengguna yang masuk 🐛 Bug #2901: "Halaman pengaturan dimuat perlahan untuk pengguna dengan banyak preferensi" (Tingkat keparahan sedang) └── Dampak: Memengaruhi 15% pengguna premium, menyebabkan tiket dukungan |
| Ringkasan dampak bisnis | - 💼Penyelarasan Strategis: Mendukung tujuan retensi pengguna Q3 (peningkatan 20%) Mengatasi masalah pengalaman pengguna premium yang memengaruhi pendapatan Mengaktifkan fitur personalisasi di masa mendatang - 📊Hasil yang Diharapkan: Performa: 60% pengurangan waktu pemuatan preferensi (2,5 detik → 1,0 detik) Pengalaman Pengguna: Menghilangkan penundaan pemuatan di pengaturan dan halaman profil Dampak Dukungan: Perkiraan 40% pengurangan tiket terkait performa - 🔍Area Fokus Tinjauan: Logika invalidasi cache (konsistensi data) Penanganan kesalahan untuk tidak tersedianya cache Implementasi pemantauan performa Pertimbangan keamanan untuk data pengguna yang di-cache |