快速接入

先看主来源和安装命令，再打开仓库或文档；下面只保留这个条目的关键接入事实。

命令预览

uv run mcp-atlassian --transport streamable-http --host 0.0.0.0 --port 9000 --path /mcp

详细介绍

MCP Jira自动化

MCP Jira Automation是用于Jira驱动的开发工作流的AI辅助自动化服务。它轮询或接收Jira问题，解决目标源代码库，与AI提供商生成或更新测试，在Docker中执行测试，打开拉取请求，并将结果报告给Jira。

该服务旨在与单独运行的 mcp-atlassian 服务器，它通过模型上下文协议提供Jira访问。

建筑

mcp-atlassian (standalone service, port 9000)
    -> mcp-jira-automation (this project)

graph TD
    A[Jira issue] --> B[MCP Atlassian]
    B --> C[Jira poller or webhook]
    C --> D[Pipeline handler]
    D --> E[Repository resolver]
    E --> F[SCM provider]
    F --> G[Source repository]
    G --> H[AI provider]
    H --> I[Generated tests and commands]
    I --> J{Executor}
    J -->|local| K[Local Docker]
    J -->|ssh| L[Remote Docker over SSH]
    K --> M[Test results]
    L --> M
    M --> N[Pull request]
    M --> O[Jira comment]
    O --> B

能力

阅读Jira问题 mcp-atlassian.
从Jira自定义字段、问题描述或存储库URL解析存储库。
支持GitHub、GitLab和Bitbucket源代码控制集成。
使用OpenAI、Anthropic、Gemini、vLLM或Aider进行AI辅助测试生成。
针对现有的远程API或在隔离的Docker沙箱中运行生成的测试。
支持本地Docker执行和SSH远程Docker执行。
使用生成的测试更改创建拉取请求。
将执行摘要和失败发布回Jira。
支持按问题提示覆盖和全局自定义提示。

需求

Node.js 20或更高版本
Docker，使用本地执行器或沙盒模式时
GitHub、GitLab或Bitbucket的访问令牌
跑步 mcp-atlassian 服务
至少一个AI提供者的凭据，或Aider CLI访问权限

安装

安装依赖项，构建项目，并链接 mja CLI：

npm install
npm run build
npm install -g .

创建本地配置文件：

cp .env.example .env
cp mcp-atlassian.env.example mcp-atlassian.env

使用Jira、SCM、AI提供者、执行器和MCP设置编辑这两个文件。

运行服务

开始 mcp-atlassian 第一。安装详见上游工程：

https://github.com/sooperset/mcp-atlassian

例子：

cd /path/to/mcp-atlassian
uv run mcp-atlassian --transport streamable-http --host 0.0.0.0 --port 9000 --path /mcp

如果你使用 UV_ENV_FILE，指向您的 mcp-atlassian.env 文件，以便MCP服务可以加载Jira凭据：

[Environment]::SetEnvironmentVariable("UV_ENV_FILE", "C:\path\to\mcp-atlassian.env", "User")

然后启动自动化服务：

mja app

有用的CLI命令：

mja app
mja help

码头工人

使用Docker Compose构建并启动完整的本地堆栈：

docker compose up --build

组合堆栈开始：

mcp-atlassian 在端口上 9000
用于执行器容器的受限Docker套接字代理
这 runner 此应用程序的服务

跑步者读到 .env 在运行时，同时 mcp-atlassian 读取 mcp-atlassian.env。容器特定值在中被覆盖 docker-compose.yml。这将保留本地Windows值，例如 AIDER_PATH=C:\Users\...\aider.exe 防止泄漏到Linux容器中；Docker镜像安装Aider并使用 AIDER_PATH=aider.

Jira工作流

除非启用了webhook模式，否则该服务将使用JQL查询轮询Jira。 JQL_ASSIGNED_TO_BOT 可以添加队列筛选器，但轮询的范围始终为 JIRA_ASSIGNEE_JQL。默认情况下，这将使用 JIRA_EMAIL.

对于每个匹配问题，服务：

读取问题元数据和描述。
解析目标存储库。
通过配置的SCM提供程序克隆或访问存储库。
根据问题、存储库上下文和可选提示覆盖构建AI提示。
生成测试更改。
使用配置的执行后端运行测试。
创建拉取请求。
将结果发布到Jira。

存储库解析

目标存储库按以下顺序解析：

Jira Repository 自定义字段。
A. Repository: owner/repo 问题描述中的行。
问题描述中的GitHub、GitLab或Bitbucket URL。

问题描述示例

Repository: ahmet/example-api

base_url: https://staging.example.com

Test the authentication endpoints:
- POST /api/auth/register
- POST /api/auth/login
- GET /api/auth/profile

每期覆盖

字段	描述
`base_url: https://...`	此问题的目标API URL。这隐式地启用了任务的远程执行。
`execution_mode: remote`	针对已在运行的API运行测试。
`execution_mode: sandbox`	在Docker中启动后端，并在沙盒内本地运行测试。

按问题提示覆盖

添加一个 [PROMPT]...[/PROMPT] 阻止问题描述，以提供特定任务的AI指令：

Repository: ahmet/example-api

[PROMPT]
Only test the /auth endpoints.
Write test names and comments in English.
[/PROMPT]

快速定制

系统提示可以在三个级别进行自定义：

级别	方法	范围
全局	创建 `prompts/custom.md`	所有问题
全局	设置 `CUSTOM_PROMPT_FILE=/path/to/prompt.md` 在 `.env`	所有问题
每期	添加 `[PROMPT]...[/PROMPT]` Jira描述	单一问题

使用 prompts/custom.md.example 作为一个起点。

执行模式

远程模式

远程模式针对已经运行的API生成并运行测试。它不会安装后端依赖项或启动应用程序服务。

EXECUTION_MODE=remote
API_BASE_URL=https://staging-api.example.com

API基本URL按以下顺序解析：

Jira自定义字段或 base_url 在问题描述中。
API_BASE_URL 在 .env.
如果可用，从存储库README自动检测。

沙盒模式

沙盒模式将存储库克隆到Docker中，检测项目类型，安装依赖关系，启动后端服务，并独立运行测试。

EXECUTION_MODE=sandbox

执行器后端

本地Docker

当Docker与此服务在同一台机器上运行时，请使用本地后端：

EXECUTOR_BACKEND=local

SSH Docker

当Docker在远程主机上运行时，使用SSH后端：

EXECUTOR_BACKEND=ssh
SSH_HOST=192.0.2.10
SSH_PORT=22
SSH_USER=ubuntu
SSH_PRIVATE_KEY_PATH=/home/user/.ssh/id_rsa
SSH_REMOTE_WORKDIR=/opt/mcp-jira-automation/workspaces
SSH_CLEANUP_WORKSPACE=true
SSH_REMOVE_IMAGE=false

远程用户必须有权访问 git Docker。

AI提供商

选择AI提供商 AI_PROVIDER:

AI_PROVIDER=openai
AI_MODEL=gpt-4o

支持的值：

openai
anthropic
gemini
vllm
aider

对于助手：

AI_PROVIDER=aider
AIDER_MODEL=gpt-4o
AIDER_PATH=aider
OPENAI_API_KEY=sk-...

aider 被视为外部CLI依赖关系。将其保存在此存储库之外：

使用 AIDER_PATH=aider 当该命令在上可用时 PATH.
或设置 AIDER_PATH 到项目目录外的绝对可执行路径。
项目本地路径，如 ./aider, .venv/.../aider，或 node_modules/.bin/aider 被拒绝。
Docker runner镜像安装Aider并设置 AIDER_PATH=aider。不要将特定于主机的Windows路径传递到容器中。

配置参考

应用环境

变量	描述
`JIRA_BASE_URL`	Jira基本URL
`JIRA_EMAIL`	Jira帐户电子邮件。
`JIRA_API_TOKEN`	Jira API令牌。
`JIRA_PROJECT_KEY`	Jira项目密钥。
`JIRA_AI_BOT_DISPLAY_NAME`	Jira显示机器人用户的名称。
`JIRA_ASSIGNEE_JQL`	用于轮询的JQL受让值。默认为 `JIRA_EMAIL`.
`JIRA_REPO_FIELD_ID`	可选存储库自定义字段ID。省略时自动检测。
`JIRA_CREDENTIALS_FIELD_ID`	可选凭据自定义字段ID
`JIRA_BASE_URL_FIELD_ID`	可选的基本URL自定义字段ID
`JQL_ASSIGNED_TO_BOT`	可选的额外队列筛选器。
`MODE`	`poll` 或 `webhook`.
`POLL_INTERVAL_MS`	轮询间隔（毫秒）。
`WEBHOOK_PORT`	webhook模式的HTTP端口。
`WEBHOOK_SECRET`	用于验证webhook签名的HMAC密钥。
`SCM_PROVIDER`	`github`, `gitlab`，或 `bitbucket`.
`GITHUB_TOKEN`	GitHub访问令牌。
`GITLAB_TOKEN`	GitLab访问令牌。
`GITLAB_URL`	GitLab基本URL。省略时默认为GitLab.com。
`BITBUCKET_EMAIL`	用于Bitbucket Cloud API访问的Atlassian帐户电子邮件。
`BITBUCKET_API_TOKEN`	比特桶API令牌。
`BITBUCKET_USERNAME`	可选Bitbucket用户名。
`BITBUCKET_WORKSPACE`	可选Bitbucket工作区。
`AI_PROVIDER`	`openai`, `anthropic`, `gemini`, `vllm`，或 `aider`.
`AI_MODEL`	所选提供程序的型号名称。
`OPENAI_API_KEY`	OpenAI API密钥。
`ANTHROPIC_API_KEY`	无烟煤API键。
`GEMINI_API_KEY`	Gemini API密钥。
`VLLM_BASE_URL`	vLLM OpenAI兼容的API基本URL
`VLLM_MODEL`	vLLM型号名称。
`AIDER_MODEL`	助手型号名称。
`AIDER_PATH`	Aider可执行文件的路径。
`EXECUTION_MODE`	`remote` 或 `sandbox`.
`API_BASE_URL`	远程模式的目标API URL。
`EXECUTOR_BACKEND`	`local` 或 `ssh`.
`EXEC_POLICY`	`strict` 或 `permissive`.
`DOCKER_IMAGE`	`auto` 或者一个明确的Docker镜像。
`EXEC_TIMEOUT_MS`	测试执行超时（毫秒）。
`ALLOW_INSTALL_SCRIPTS`	启用时允许依赖项安装脚本。
`SSH_HOST`	SSH执行器的远程主机。
`SSH_PORT`	SSH端口
`SSH_USER`	SSH用户名。
`SSH_PRIVATE_KEY_PATH`	SSH私钥的路径。
`SSH_REMOTE_WORKDIR`	远程工作区根目录。
`SSH_CONNECT_TIMEOUT_MS`	SSH连接超时（毫秒）。
`SSH_CLEANUP_WORKSPACE`	启用后，在执行后删除远程工作区。
`SSH_REMOVE_IMAGE`	启用后，在执行后删除Docker映像。
`CONTAINER_TEST_ENV`	逗号分隔 `KEY=VALUE` 测试容器的覆盖。
`REQUIRE_APPROVAL`	启用后，在运行生成的测试之前需要Jira批准。
`MCP_URL`	MCP Atlassian流式HTTP URL
`MCP_TRANSPORT`	`streamable-http` 或 `sse`.
`MCP_SSE_URL`	传统SSE URL
`CUSTOM_PROMPT_FILE`	自定义系统提示文件的路径。
`LOG_LEVEL`	`debug`, `info`, `warn`, `error`，或 `silent`.
`STATE_FILE`	持久状态文件路径。
`MAX_ATTEMPTS`	失败问题的最大重试次数。

MCP Atlassian环境

变量	描述
`JIRA_URL`	Jira实例URL
`JIRA_USERNAME`	Jira帐户电子邮件。
`JIRA_API_TOKEN`	Jira API令牌。
`CONFLUENCE_URL`	可选汇流URL
`CONFLUENCE_USERNAME`	可选Confluence帐户电子邮件。
`CONFLUENCE_API_TOKEN`	可选Confluence API令牌。
`TRANSPORT`	`streamable-http` 或 `sse`.
`PORT`	MCP服务器端口
`HOST`	MCP服务器主机。
`MCP_HTTP_PATH`	流式HTTP传输的HTTP路径。
`TOOLSETS`	启用MCP工具集。
`READ_ONLY_MODE`	启用时禁用写入操作。
`FASTMCP_LOG_LEVEL`	FastMCP日志级别。
`MCP_VERBOSE`	启用正常的详细MCP日志记录。
`MCP_VERY_VERBOSE`	启用调试级MCP日志记录。

发展

npm run build
npm run lint
npm test

在不链接CLI的情况下运行应用程序：

npm run mja:app

操作说明

保持 .env 和 mcp-atlassian.env 脱离版本控制。它们包含API令牌和机密。
在生产webhook模式下，设置 WEBHOOK_SECRET.
使用 EXEC_POLICY=strict 除非目标存储库需要更广泛的命令执行。
生成的测试可能由于问题上下文不完整、缺少身份验证详细信息或对API行为的假设不正确而失败。失败将报告给Jira和pull请求进行审查。
当测试失败时，仍可能创建拉取请求。这是有意的，因此可以查看生成的更改和执行日志。
SSH后端专注于远程Docker执行。与本地沙盒后端的完全功能对等可能取决于目标项目和远程主机配置。

目录标签

TypeScript工作流自动化团队协作Jira自动化本地部署AI测试生成持续集成DevOps工具

接入字段

传输方式（transport，传输协议）

stdio

鉴权方式（authType，认证方式）

session

运行时（runtime，运行环境）

Python

工具数量（toolCount，工具数）

0

资源数量（resourceCount，资源数）

0

提示词数量（promptCount，提示词数）

0

权限和风险

stdiosession部署方式未说明

接入前请确认传输方式、认证方式和部署位置，并根据实际工具能力限制访问范围。

安装前确认

不要直接授予不必要的文件、网络或账号权限；先核对安装命令和配置内容。

来源信息

MCP World

mcpworld.com

/detail/031a21a9fda2b281ca009e97b2abf997

MCP Jira Automation是一款AI辅助的Jira工作流自动化服务，能够自动解析Jira问题、生成或更新测试用例、执行测试并反馈结果至Jira。

继续浏览同类 MCP

更多办公协作 MCP（2,235）返回 MCP 目录

上一个 MCP

MCP Jira 906b41c0

Jira MCP Server是一个用于Jira API集成的模型上下文协议服务器，提供自动Markdown到ADF转换、问题管理和项目规划功能。

下一个 MCP

MCP Jira D1cdaa66

一个用于与JIRA Cloud交互的模型上下文协议（MCP）服务器，提供搜索问题、添加评论、管理转换等功能。