Freigeben über

Aktivieren der KI-Unterstützung mit Azure DevOps MCP Server

Azure DevOps Services

Erwägen Sie, Ihren KI-Assistenten zu bitten: "Holen Sie meine aktuellen Sprint-Arbeitselemente ab und identifizieren Sie, welche davon gefährdet sein könnten", und erhalten Sie sofortigen Zugriff auf Ihre aktuellen Azure DevOps-Daten. Der Azure DevOps Model Context Protocol (MCP)-Server bietet Ihrem KI-Assistenten sicheren Zugriff auf Arbeitsaufgaben, Pullanforderungen, Builds, Testpläne und Dokumentationen aus Ihrer Azure DevOps-Organisation.

Im Gegensatz zu cloudbasierten Lösungen, die das externe Senden Ihrer Daten erfordern, wird der Azure DevOps MCP-Server lokal in Ihrer sicheren Umgebung ausgeführt, um sicherzustellen, dass Ihre vertraulichen Projektinformationen Ihr Netzwerk nie verlassen und gleichzeitig KI-Funktionen auf Unternehmensniveau bereitstellen.

Von Bedeutung

  • Der Azure DevOps MCP-Server kann kostenlos verwendet werden. Standardmäßige Azure DevOps-Preise gelten jedoch für Ihre Organisation und alle Datenzugriffe über den Dienst. Die Nutzung des KI-Assistenten kann je nach ihrer gewählten KI-Plattform separate Kosten haben.
  • Der Azure DevOps MCP-Server erfordert, dass Ihr KI-Assistent im Agentmodus ausgeführt wird, um auf Azure DevOps-Daten zuzugreifen und Vorgänge auszuführen.

Voraussetzungen

Systemanforderungen:Node.js 18.0+ und eine aktive Azure DevOps-Organisation

Installieren des Azure DevOps MCP-Servers

Der Azure DevOps MCP-Server ist in verschiedene Entwicklungsumgebungen und KI-Assistenten integriert. Wählen Sie Ihre bevorzugte Umgebung für Anweisungen aus. Die in der Tabelle aufgeführten Voraussetzungen sind zusätzlich zu den zuvor aufgeführten Systemanforderungen umgebungsspezifische Anforderungen.

Umwelt Voraussetzungen Installation Features
Visual Studio Code (empfohlen) GitHub Copilot oder Claude Dev-Erweiterung Installation mit einem Klick Umfangreiche MCP-Unterstützung mit mehreren KI-Assistentenoptionen
Visual Studio (2022 und höher) GitHub Copilot-Erweiterung Visual Studio-Setuphandbuch Vollständige IntelliSense-Integration mit Azure DevOps-Daten
Cursor Integrierter KI-Assistent (keine Erweiterungen erforderlich) Cursoreinrichtungsanleitung Native MCP-Integration
Claude Desktop Claude Desktop-Anwendung Einrichtungshandbuch für Claude Desktop Eigenständige Anwendung mit vollständiger Azure DevOps-Integration
JetBrains-IDEs Kompatibles AI-Assistenten-Plug-In Setuphandbuch für JetBrains IDE-spezifische Integration über Plug-Ins
Andere Umgebungen Variiert je nach Umgebung Azure DevOps MCP Server-Dokumentations-Repository Alle Optionen finden Sie unter Repository

Tipp

Haben Sie Installationsprobleme? Überprüfen Sie den Abschnitt zur Problembehandlung , oder melden Sie Probleme im GitHub-Repository des Azure DevOps MCP-Servers.

Warum Azure DevOps MCP Server verwenden?

Herkömmliche KI-Assistenten haben keinen Kontext zu Ihren spezifischen Projekten, Arbeitsaufgaben und Teamprozessen. Sie können bei generischen Codierungsfragen helfen, aber nicht beantworten: "Was blockiert unseren aktuellen Sprint?" oder "Welche Pullanforderungen benötigen meine Überprüfung?" Der Azure DevOps MCP Server überbrückt diese Lücke, indem Ihr KI-Assistent direkt mit Ihren Azure DevOps-Daten verbunden wird.

Der Azure DevOps MCP-Server bietet Kontextintelligenz basierend auf Ihren tatsächlichen Projektdaten und nicht generischen Antworten. Sie können Fragen in natürlicher Sprache zu Ihren Arbeitsaufgaben, Sprints und Versionen stellen und Einblicke erhalten, die die spezifischen Prozesse und Terminologie Ihres Teams verstehen. Dieser Prozess beseitigt den Kontextwechsel zwischen Tools, bietet sofortige Antworten, ohne durch die Azure DevOps-Weboberfläche zu navigieren, und automatisiert routinebasierte Projektmanagementaufgaben über natürliche Sprache.

Sicherheit und Datenschutz

Der Azure DevOps MCP-Server priorisiert Datensicherheit und Datenschutz:

  • Lokale Ausführung: Keine Daten verlassen Ihre Umgebung – alles wird lokal in Ihrem sicheren Netzwerk ausgeführt
  • Keine externen API-Aufrufe: Der Server macht keine externen API-Aufrufe, die vertrauliche Projektinformationen verfügbar machen könnten.
  • Benutzersteuerung: Sie behalten die volle Kontrolle darüber, auf welche Daten Ihr KI-Assistent zugreifen kann
  • Sichere Integration: Funktioniert nahtlos mit Ihren vorhandenen KI-Codierungsumgebungen, ohne die Sicherheit zu beeinträchtigen
  • Private Datenverarbeitung: Ihre vertraulichen Projektinformationen verlassen Ihr Netzwerk niemals, während weiterhin KI-Funktionen auf Unternehmensniveau bereitgestellt werden

Was macht MCP Server?

Der Azure DevOps MCP-Server ermöglicht einen zweistufigen Prozess: Datenabruf und KI-Analyse.

1. Datenabruf (MCP-Server)

Der Server bietet sicheren Zugriff auf Ihre Azure DevOps-Daten:

  • Projekte und Teams: Organisationsstruktur und Teaminformationen
  • Arbeitsaufgaben: Zugewiesene Aufgaben, Fehler, Benutzergeschichten und deren Details
  • Pullanforderungen: Codeüberprüfungsstatus, Änderungen und verknüpfte Arbeitsaufgaben
  • Builds und Pipelines: CI/CD-Status, Testergebnisse und Bereitstellungsinformationen
  • Testpläne: Testfälle, Ergebnisse und Abdeckungsdaten

2. KI-Analyse (Ihr KI-Assistent)

Ihr KI-Assistent verarbeitet diese Daten, um Folgendes bereitzustellen:

  • Intelligente Zusammenfassungen: Sprintfortschritt, Teamgeschwindigkeit und Projektintegrität
  • Umsetzbare Erkenntnisse: Risikoidentifikation, Engpassanalyse und Empfehlungen
  • Kontextbezogene Antworten: Antworten, die Ihre spezifischen Projekte und Prozesse verstehen

Beispiel: Sie fragen "Was blockiert unsere Sprints?" → MCP Server ruft Ihre aktuellen Arbeitsaufgaben → Ihr KI-Assistent analysiert die Daten und identifiziert bestimmte Blocker mit Empfehlungen.

Häufige Anwendungsfälle und Beispiele

Weitere Beispiele finden Sie unter Beispielverwendung.

Tipp

Um veraltete oder zwischengespeicherte Daten aus vorherigen Abfragen zu vermeiden, fügen Sie Ihrer Eingabeaufforderung "Zuvor abgerufene Daten nicht verwenden" hinzu.

Tägliche Standupvorbereitung

Bestandteil

Beschreibung

MCP-Server bietet

Zugriff auf Ihre zugewiesenen Arbeitsaufgaben und aktuelle Aktualisierungen

KI-Assistent-Aktion

Analysiert die Daten, die Ihnen bei der Vorbereitung auf standup helfen

Beispielaufforderung

"Holen Sie sich meine Arbeitsaufgaben für das Projekt MyProject und helfen Sie mir, mich auf Standup vorzubereiten – was habe ich abgeschlossen, was arbeite ich an und was ist blockiert?"

Abfrageübersetzung

WIQL-Abfrage zum Abrufen der zugewiesenen Arbeitsaufgaben, gefiltert nach Projekt und Ausschließen entfernter Elemente, sortiert nach den letzten Änderungen

Rohdatenergebnis

Sechs Arbeitsaufgaben, einschließlich Fehler, Aufgaben, Benutzergeschichten und Features mit ihren aktuellen Zuständen (Gelöst, Fertig, Aktiv, Neu, Blockiert)

AUSGABE des KI-Assistenten

Der Status Arbeitsaufgaben
✅ Abgeschlossen Fehler Nr. 4521: "Anmeldeseite stürzt auf mobile Safari ab" – Gestern behoben
Aufgabe Nr. 4498: "Update-API-Dokumentation für v2.1" – Vor 2 Tagen abgeschlossen
🔄 Im Gange User Story #4456: "Implementieren der zweistufigen Authentifizierung" – In Bearbeitung (drei Tage)
└–– Teilvorgänge: Datenbankschema (Fertig), UI-Komponenten (in Bearbeitung), Tests (nicht gestartet)

Fehler Nr. 4534: "Leistungsproblem mit großen Datasets" – Aktiv (ein Tag)
⚠– Blockiert Feature #4423: "Integration mit externem Zahlungsgateway" – Blockiert
└–– Warten auf: Genehmigung des Sicherheitsteams (fünf Tage blockiert)
└–– Aktion erforderlich: Follow up mit Sarah aus dem InfoSec-Team
Aufgabe Nr. 4467: "Bereitstellen in Staging-Umgebung" – Impediment
└–– Problem: Stagingserverwartung ist heute 2-17:00 Uhr geplant
Zusammenfassung für Standup - Gestern: Problem mit der mobilen Safari-Anmeldung behoben, API-Dokumentation abgeschlossen.
- Heute: Setzen Sie die 2FA-Implementierung fort, untersuchen Sie das Leistungsproblem des Datasets.
- Blocker: Die Sicherheitsgenehmigung für die Zahlungsintegration ist erforderlich. Die Staging-Bereitstellung verzögert sich aufgrund von Wartungsarbeiten.

Sprint-Planungsunterstützung

Bestandteil

Beschreibung

MCP-Server bietet

Zugriff auf Backlogelemente, Teamdaten und Arbeitsaufgabendetails

KI-Assistent-Aktion

Hilft bei der Analyse der Kapazität und Planung des Sprints

Beispielaufforderung

"Alle Arbeitsaufgaben im Produktrücklog für MyProject abrufen und für einen zweiwöchigen Sprint mit drei Entwicklern priorisieren"

Abfrageübersetzung

WIQL-Abfrage zum Abrufen von Backlogelementen mit Story-Punkten, Prioritäts- und Statusinformationen, sortiert nach Priorität und Stapelrang

Rohdatenergebnis

Neun Backlog-Elemente, darunter Epen, Features, Benutzergeschichten, Fehler und Aufgaben mit Story-Punkten und Abhängigkeiten sowie Teammetriken (drei Entwickler, 14-Tage-Sprint, 60-Punkt-Geschwindigkeit)

AUSGABE des KI-Assistenten

Kategorie Arbeitsaufgaben Points
✅ Empfohlen Epic #3401: "User Profile Enhancement" - Hoher Geschäftswert, keine Abhängigkeiten
Fehler Nr. 3456: "Timeout der Suchergebnisse für große Datasets" – Kritische Auswirkungen der Benutzer
Feature Nr. 3378: "Dashboard in PDF exportieren" – Häufig angefordert
Story #3489: "Implementieren des Kennwortzurücksetzungsflusses" – Sicherheitspriorität
Aufgabe Nr. 3512: "Aktualisieren von React-Komponenten auf v18" – Technische Schulden
Story #3467: "Dunklen Modus umschalten" - Schnellgewinn		 Insgesamt 60
(13 + 8 + 13 + 8 + 13 + 5)
⏳ Latent Epic #3234: "Mobile App rewrite" - Zu groß für einzel Sprint
Feature #3445: "KI-gestützte Empfehlungen" – Warten auf Data Science-Team
Story #3523: "Integration mit externem CRM" – Blockiert von der Anbieter-API		 34, 21, 13
Planungsempfehlungen - Balance: Mix aus Funktionen (3), Bugs (1), Technische Schulden (1), schnelle Erfolge (1)
- Risikostufe: Elemente mit geringem mittlerem Risiko für eine vorhersehbare Lieferung
- Abhängigkeiten: Alle ausgewählten Elemente haben aufgelöste Abhängigkeiten.
- Fähigkeiten: Arbeitsverteilung entspricht aktuellem Teamwissen
- Geschäftswert: Priorisiert kundenorientierte Features und wichtige Fixes

Codeüberprüfungsworkflow

Bestandteil

Beschreibung

MCP-Server bietet

Abrufen von Anforderungsdetails und verknüpften Arbeitsaufgabeninformationen

KI-Assistent-Aktion

Bietet Geschäftskontext für technische Änderungen

Beispielaufforderung

"Abrufen von Details für Pull-Anforderung Nr. 67 und deren verknüpfte Arbeitsaufgaben und helfen mir, die Geschäftswirkung dieser Codeänderungen zu verstehen"

API-Übersetzung

REST-API-Aufrufe zum Abrufen von Pullanforderungsdetails und verknüpften Arbeitsaufgabeninformationen mit erweiterten Beziehungen

Rohdatenergebnis

Pullanforderung Nr. 67 (Cache layer implementation, eight files changed, +156/-42 lines) and two linked work items (Performance User Story and settings bug)

AUSGABE des KI-Assistenten

Komponente Einzelheiten
Pull-Anforderung PR #67: "Zwischenspeicherungsebene für Benutzereinstellungen implementieren"
Autor: Christie Church, Status: Aktiv (steht aus zur Überprüfung)
Dateien: 8 geändert (+156, -42 Zeilen), Erstellt: Vor zwei Tagen
Verknüpfte Arbeitsaufgaben 🎯 User Story #2847: "Verbessern der App-Leistung für die Rückgabe von Benutzern" (Hohe Priorität)
└–– Ziel: Seitenladezeit < 2 Sekunden für angemeldete Benutzer

🐛 Fehler Nr. 2901: "Einstellungsseite wird langsam für Benutzer mit vielen Vorlieben geladen" (mittlerer Schweregrad)
└–– Auswirkung: Wirkt sich auf 15% premium-Benutzer aus, wodurch Supporttickets verursacht werden
Zusammenfassung der Geschäftlichen Auswirkungen - 💼Strategische Ausrichtung: Unterstützt Q3-Benutzeraufbewahrungsziel (20% Verbesserung)
Behebt Probleme mit premium-Benutzerfreundlichkeit, die sich auf den Umsatz auswirken
Ermöglicht zukünftige Personalisierungsfeatures
- 📊Erwartete Ergebnisse: Leistung: 60% Reduzierung der Präferenzladezeit (2,5s → 1,0s)
Benutzererfahrung: Verzögerungen beim Laden von Einstellungen und Profilseiten werden beseitigt
Support-Auswirkung: 40% Reduzierung leistungsbezogener Tickets erwartet
- 🔍Überprüfen der Fokusbereiche: Cache-Invalidierungslogik (Datenkonsistenz)
Fehlerbehandlung für die Nichtverfügbarkeit des Caches
Implementierung der Leistungsüberwachung
Sicherheitsüberlegungen für zwischengespeicherte Benutzerdaten
  • Last updated on