azure-devops-mcp

GitHub
1.6k 520 简单 1 次阅读 今天MITAgent插件
AI 解读 由 AI 自动生成,仅供参考

azure-devops-mcp 是一款专为 Azure DevOps 打造的本地 MCP 服务器工具,旨在将强大的项目管理能力直接引入您的代码编辑器。它允许开发者通过自然语言指令,轻松执行列出项目、查询构建记录、管理代码仓库、查看测试计划、追踪工作项以及编辑维基文档等一系列复杂操作,无需在浏览器和 IDE 之间频繁切换。

该工具主要解决了开发过程中上下文割裂的痛点,通过在编辑器内提供对 Azure DevOps 数据的直接访问,大幅提升了工作流的连贯性与效率。其设计理念强调“轻量与专注”,作为 REST API 的薄抽象层,它将复杂的数据检索简化为直观的工具调用,把逻辑推理的任务交给大模型,从而确保交互的简洁与高效。

azure-devops-mcp 特别适合日常使用 Azure DevOps 进行软件研发的工程师、技术团队负责人以及希望利用 AI 辅助提升效能的开发者。虽然官方已推出远程服务器版本并建议未来迁移,但当前的本地服务器依然稳定可用,尤其适合偏好本地部署或需要深度集成到 VS Code、Cursor 等编辑环境的用户。配合 GitHub Copilot 等智能助手,它能让您像与同事对话一样管理整个研发生命周期。

使用场景

某后端开发团队在冲刺周期中,需要频繁同步 Azure DevOps 上的工作项状态、构建结果及项目文档以推进交付。

没有 azure-devops-mcp 时

  • 开发者需手动切换浏览器标签页,在 Azure DevOps 网页端反复搜索特定项目的工作项和迭代计划,打断编码心流。
  • 查询构建失败原因或测试计划详情时,必须复制粘贴 ID 到不同面板,人工拼凑信息效率低下且易出错。
  • 更新 Wiki 文档(如架构概述或入职指南)需要离开 IDE 打开网页编辑器,导致上下文频繁跳转,难以即时记录技术决策。
  • 获取团队当前迭代任务列表依赖人工口头沟通或导出 Excel 表格,信息滞后且无法实时反映最新分配情况。

使用 azure-devops-mcp 后

  • 开发者直接在 VS Code 对话框输入“列出 Contoso 项目当前迭代的工作项”,azure-devops-mcp 即刻返回结构化列表,无需离开代码编辑器。
  • 通过自然语言指令"查看 Contoso 最近的构建失败记录”,工具自动调用 API 拉取详细日志,将排查时间从分钟级缩短至秒级。
  • 执行“创建 Wiki 页面'/Architecture/Overview'并写入系统设计内容”等指令,azure-devops-mcp 直接在后台完成文档创建与更新,实现代码与文档的同步维护。
  • 随时询问“显示 Contoso 团队的所有测试计划”,工具实时呈现最新数据,确保团队成员基于同一份准确信息进行协作。

azure-devops-mcp 通过将 Azure DevOps 能力无缝嵌入开发环境,消除了上下文切换成本,让数据获取像编写代码一样自然流畅。

运行环境要求

操作系统
  • Windows
  • macOS
  • Linux
GPU

未说明

内存

未说明

依赖
notes该工具是基于 TypeScript 开发的本地 MCP 服务器,主要运行在 Node.js 环境中。推荐使用 Visual Studio Code 和 GitHub Copilot 以获得最佳体验。首次执行工具时需要通过浏览器登录 Microsoft 账户进行认证。支持通过配置域名(Domains)来加载特定的工具集以优化性能。
python未说明
Node.js 20+
Visual Studio Code
GitHub Copilot
azure-devops-mcp hero image

快速开始

⭐ Azure DevOps MCP 服务器

[!重要] Azure DevOps 远程 MCP 服务器现已面向所有组织开放公共预览。我们建议您今后迁移到远程 MCP 服务器

了解更多

这个 TypeScript 项目为 Azure DevOps 提供了一个本地的 MCP 服务器,使您能够直接从代码编辑器中执行各种 Azure DevOps 任务。

📄 目录

  1. 📺 概述
  2. 🏆 期望
  3. 🚀 远程 MCP 服务器
  4. ⚙️ 支持的工具
  5. 🔌 安装与入门
  6. 🌏 使用域
  7. 📝 故障排除
  8. 🎩 示例与最佳实践
  9. 🙋‍♀️ 常见问题
  10. 📌 贡献

📺 概述

Azure DevOps MCP 服务器将 Azure DevOps 的上下文引入到您的代理中。您可以尝试以下提示:

  • “列出我的 ADO 项目”
  • “列出‘Contoso’的 ADO 构建”
  • “列出‘Contoso’的 ADO 存储库”
  • “列出‘Contoso’的测试计划”
  • “列出‘Contoso’项目的团队”
  • “列出‘Contoso’项目的迭代”
  • “列出我在‘Contoso’项目中的工作项”
  • “列出‘Contoso’项目和‘Contoso 团队’当前迭代中的工作项”
  • “列出‘Contoso’项目中的所有维基”
  • “创建一个名为‘/Architecture/Overview’的维基页面,内容关于系统设计”
  • “更新‘/Getting Started’维基页面,加入新的入职说明”
  • “从文档维基中获取‘/API/Authentication’维基页面的内容”

🏆 期望

Azure DevOps MCP 服务器由简洁、简单、专注且易于使用的工具构建而成,每个工具都针对特定场景设计。我们有意避免那些试图做太多事情的复杂工具。我们的目标是在 REST API 上提供一个轻量级的抽象层,使数据访问变得直接明了,并让语言模型负责处理复杂的推理。

🚀 远程 MCP 服务器

Azure DevOps 远程 MCP 服务器现已在公共预览版中可用。

随着时间的推移,远程 MCP 服务器将取代此本地 MCP 服务器。目前我们仍将继续支持本地服务器,但未来的投入将主要集中在远程体验上。

我们鼓励所有使用本地 MCP 服务器的用户开始迁移到远程 MCP 服务器。

如果您在使用工具时遇到问题、需要支持或有功能请求,可以使用远程 MCP 服务器问题模板提交问题。在预览期间,我们将通过此仓库跟踪远程 MCP 服务器的问题。

[!警告] 内部 Microsoft 用户请勿在此仓库中创建问题。请改用专门的 Teams 频道。

有关如何开始使用远程 MCP 服务器的说明,请参阅入门文档

⚙️ 支持的工具

完整列表请参阅TOOLSET.md

🔌 安装与入门

为了获得最佳体验,建议使用 Visual Studio Code 和 GitHub Copilot。有关如何将我们的 MCP 服务器与其他工具(如 Visual Studio 2022、Claude Code、Cursor、Opencode 和 Kilocode)一起使用的说明,请参阅入门文档

先决条件

  1. 安装 VS CodeVS Code Insiders
  2. 安装 Node.js 20+
  3. 在一个空文件夹中打开 VS Code

安装

🧨 从公共源安装(推荐)

对于所有 Visual Studio Code 用户来说,这是最简单的安装方法。

🎥 观看这段快速入门视频,两分钟内即可上手!

步骤

在您的项目中,添加一个 .vscode\mcp.json 文件,内容如下:

{
  "inputs": [
    {
      "id": "ado_org",
      "type": "promptString",
      "description": "Azure DevOps 组织名称(例如‘contoso’)"
    }
  ],
  "servers": {
    "ado": {
      "type": "stdio",
      "command": "npx",
      "args": ["-y", "@azure-devops/mcp", "${input:ado_org}"]
    }
  }
}

🔥 为了及时获取最新功能,您可以使用我们的夜间构建版本。只需将 mcp.json 配置更新为使用 @azure-devops/mcp@next。以下是更新后的示例:

{
  "inputs": [
    {
      "id": "ado_org",
      "type": "promptString",
      "description": "Azure DevOps 组织名称(例如‘contoso’)"
    }
  ],
  "servers": {
    "ado": {
      "type": "stdio",
      "command": "npx",
      "args": ["-y", "@azure-devops/mcp@next", "${input:ado_org}"]
    }
  }
}

保存文件后,点击“开始”。

启动 MCP 服务器

在聊天中,切换到代理模式

点击“选择工具”,并选择可用的工具。

配置 MCP 服务器工具

打开 GitHub Copilot Chat,尝试输入类似“列出 ADO 项目”的提示。首次执行 ADO 工具时,浏览器会弹出窗口,要求您使用 Microsoft 帐户登录。请确保您使用的凭据与所选的 Azure DevOps 组织匹配。

💥 我们强烈建议在您的项目中创建一个 .github\copilot-instructions.md 文件。这将提升您使用 Azure DevOps MCP 服务器与 GitHub Copilot Chat 的体验。 您可以在 Copilot 指令文件中简单地写入:“该项目使用 Azure DevOps。请务必检查 Azure DevOps MCP 服务器是否有与用户请求相关的工具。”

有关如何将我们的 MCP 服务器与其他工具(如 Visual Studio 2022、Claude Code 和 Cursor)一起使用的说明,请参阅入门文档

🌏 使用域

Azure DevOps 暴露了庞大的功能范围。因此,我们的 Azure DevOps MCP 服务器包含许多工具。为了使工具集易于管理、避免混淆模型,并遵守客户端对加载工具数量的限制,可以使用域来仅加载您需要的部分。域是相关工具的命名组(例如:core、work、work-items、repositories、wiki)。在 mcp.json 中的服务器参数中添加 -d 参数和域名称,即可列出要启用的域。

例如,使用 "-d", "core", "work", "work-items" 只加载与工作项相关的工具(见下方示例)。

{
  "inputs": [
    {
      "id": "ado_org",
      "type": "promptString",
      "description": "Azure DevOps 组织名称(例如 'contoso')"
    }
  ],
  "servers": {
    "ado_with_filtered_domains": {
      "type": "stdio",
      "command": "npx",
      "args": ["-y", "@azure-devops/mcp", "${input:ado_org}", "-d", "core", "work", "work-items"]
    }
  }
}

可用的域包括:coreworkwork-itemssearchtest-plansrepositorieswikipipelinesadvanced-security

我们建议始终启用 core 工具,以便您可以获取项目级别的信息。

默认情况下会加载所有域

📝 故障排除

有关常见问题和日志记录的帮助,请参阅故障排除指南

🎩 示例与最佳实践

请在我们的示例文档中探索示例提示。

有关提升您使用 MCP 服务器体验的最佳实践和技巧,请参阅操作指南

🙋‍♀️ 常见问题解答

有关 Azure DevOps MCP 服务器常见问题的答案,请参阅常见问题解答

📌 贡献

我们欢迎您的贡献!在预览期间,请提交关于错误、功能增强或文档改进的问题。

请参阅我们的贡献指南,了解:

  • 🛠️ 开发环境设置
  • ✨ 添加新工具
  • 📝 代码风格与测试
  • 🔄 拉取请求流程

⚠️ 请在创建拉取请求之前阅读贡献指南

🤝 行为准则

本项目遵循微软开源行为准则。 如有疑问,请参阅常见问题解答或联系 open@microsoft.com

📈 项目统计

星标历史图表

🏆 名人堂

感谢所有让本项目如此出色的贡献者!❤️

贡献者

contrib.rocks 生成

许可证

根据MIT 许可证授权。


商标:本项目可能包含微软或第三方的商标或标识。使用微软商标或标识时,必须遵守微软商标与品牌指南。第三方商标适用其各自的政策。

版本历史

v2.5.02026/03/18
v2.4.02026/01/13
v2.2.22025/11/06
v2.2.12025/10/14
v2.2.02025/10/01
v2.1.02025/08/29
v2.0.02025/08/25
v1.3.02025/08/01
v1.2.12025/07/24
v1.2.02025/07/21
v1.1.02025/07/16
v1.0.02025/07/16
v0.1.02025/06/12

常见问题

相似工具推荐

openclaw

OpenClaw 是一款专为个人打造的本地化 AI 助手,旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚,能够直接接入你日常使用的各类通讯渠道,包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息,OpenClaw 都能即时响应,甚至支持在 macOS、iOS 和 Android 设备上进行语音交互,并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地,用户无需依赖云端服务即可享受快速、私密的智能辅助,真正实现了“你的数据,你做主”。其独特的技术亮点在于强大的网关架构,将控制平面与核心助手分离,确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者,以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力(支持 macOS、Linux 及 Windows WSL2),即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你

349.3k|★★★☆☆|1周前
Agent开发框架图像

stable-diffusion-webui

stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。

162.1k|★★★☆☆|1周前
开发框架图像Agent

everything-claude-code

everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上

160k|★★☆☆☆|今天
开发框架Agent语言模型

opencode

OpenCode 是一款开源的 AI 编程助手(Coding Agent),旨在像一位智能搭档一样融入您的开发流程。它不仅仅是一个代码补全插件,而是一个能够理解项目上下文、自主规划任务并执行复杂编码操作的智能体。无论是生成全新功能、重构现有代码,还是排查难以定位的 Bug,OpenCode 都能通过自然语言交互高效完成,显著减少开发者在重复性劳动和上下文切换上的时间消耗。 这款工具专为软件开发者、工程师及技术研究人员设计,特别适合希望利用大模型能力来提升编码效率、加速原型开发或处理遗留代码维护的专业人群。其核心亮点在于完全开源的架构,这意味着用户可以审查代码逻辑、自定义行为策略,甚至私有化部署以保障数据安全,彻底打破了传统闭源 AI 助手的“黑盒”限制。 在技术体验上,OpenCode 提供了灵活的终端界面(Terminal UI)和正在测试中的桌面应用程序,支持 macOS、Windows 及 Linux 全平台。它兼容多种包管理工具,安装便捷,并能无缝集成到现有的开发环境中。无论您是追求极致控制权的资深极客,还是渴望提升产出的独立开发者,OpenCode 都提供了一个透明、可信

144.3k|★☆☆☆☆|2天前
Agent插件

ComfyUI

ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。

109.2k|★★☆☆☆|今天
开发框架图像Agent

gemini-cli

gemini-cli 是一款由谷歌推出的开源 AI 命令行工具,它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言,它提供了一条从输入提示词到获取模型响应的最短路径,无需切换窗口即可享受智能辅助。 这款工具主要解决了开发过程中频繁上下文切换的痛点,让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用,还是执行复杂的 Git 操作,gemini-cli 都能通过自然语言指令高效处理。 它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口,具备出色的逻辑推理能力;内置 Google 搜索、文件操作及 Shell 命令执行等实用工具;更独特的是,它支持 MCP(模型上下文协议),允许用户灵活扩展自定义集成,连接如图像生成等外部能力。此外,个人谷歌账号即可享受免费的额度支持,且项目基于 Apache 2.0 协议完全开源,是提升终端工作效率的理想助手。

100.8k|★★☆☆☆|1周前
插件Agent图像