Targetprocess MCP 서버

모델 컨텍스트 프로토콜(MCP)은 AI 어시스턴트가 통합 인터페이스를 통해 외부 도구 및 서비스와 상호 작용할 수 있도록 하는 표준입니다. MCP 서버는 AI 어시스턴트가 작업을 수행하는 데 사용할 수 있는 도구와 리소스를 제공함으로써 이러한 기능을 제공합니다.

이 MCP 서버는 프로젝트 관리 및 애자일 계획 플랫폼인 Targetprocess와 상호 작용하기 위한 도구를 제공합니다. 이를 통해 AI 어시스턴트는 다음과 같은 작업을 수행할 수 있습니다.

대상 프로세스 엔터티(사용자 스토리, 버그, 작업, 기능 등)를 검색하고 불러옵니다.
적절한 검증을 통해 엔터티를 생성하고 업데이트합니다.
복잡한 필터와 포함 항목을 사용하여 엔터티 쿼리
Targetprocess 데이터 모델을 검사하고 검색합니다.
인증 및 API 상호 작용을 안전하게 처리합니다

주요 특징

데이터 모델 검색 : 복잡한 Targetprocess 구현을 탐색하고 이해합니다.
강력한 쿼리 : 복잡한 필터와 include를 사용하여 필요한 데이터를 정확하게 검색합니다.
엔터티 관리 : 적절한 검증을 통해 엔터티를 생성하고 업데이트합니다.
관계 탐색 : 서로 다른 개체가 서로 어떻게 관련되어 있는지 이해합니다.
오류 처리 : 재시도 및 정보 메시지를 통한 강력한 오류 처리
문서 통합 : Targetprocess 문서에 대한 기본 제공 액세스

사용 사례

이 MCP 서버는 Targetprocess가 복잡한 스키마와 데이터 모델을 가진 수백만 개의 레코드를 처리하는 기업 환경에서 특히 유용합니다. 일반적인 사용 사례는 다음과 같습니다.

데이터 모델 검색 : 복잡한 Targetprocess 구현을 매핑하고 이해합니다.
엔터프라이즈 분석 : 수백만 개의 레코드에서 데이터를 추출하고 분석합니다.
교차 시스템 통합 : Targetprocess와 다른 시스템 간의 브리지로 사용
사용자 정의 보고서 : 표준 UI에서 사용할 수 없는 특수 보고서 작성
일괄 작업 : 여러 엔터티에 걸친 대규모 변경 사항 관리
스키마 탐색 : 복잡한 구현에서 사용자 정의 필드 및 관계 검색

자세한 예제와 구현 가이드는 USECASES.md를 참조하세요.

시작하기

문서 검색 도구를 포함하려면 저장소를 재귀적으로 복제하세요.

지엑스피1

개발 리소스

문서 검색

이 저장소에는 Targetprocess 개발자 문서를 위한 문서 스크래퍼/검색기가 하위 모듈로 포함되어 있습니다. 이를 사용하여 Targetprocess 문서를 빠르게 검색할 수 있습니다.

# From the project root:
pushd resources/target-process-docs && npm install && ./refresh-docs.sh && popd  # First time setup

# To search documentation (from any directory):
pushd resources/target-process-docs && ./search-docs.sh "your search query" && popd

# Example search:
pushd resources/target-process-docs && ./search-docs.sh "entity states" && popd

검색 도구는 resources/target-process-docs에 있습니다. 여기서 pushd/popd 명령을 사용하는 이유는 다음과 같습니다.

이 도구는 상대 경로를 사용하여 데이터베이스 파일에 액세스해야 합니다.
pushd는 현재 디렉토리 위치를 저장합니다.
명령을 실행하기 위해 도구 디렉토리를 일시적으로 변경합니다.
popd는 자동으로 이전 위치로 돌아갑니다. 이 방법을 사용하면 도구가 데이터베이스 파일을 찾을 수 있도록 보장하면서 모든 디렉토리에서 검색을 실행할 수 있습니다.

이 도구는 Targetprocess 개발자 문서를 로컬에서 검색할 수 있는 강력한 기능을 제공합니다. 검색 결과에는 맥락을 고려한 관련 문서 섹션이 포함되어 있어 특정 API 세부 정보나 구현 지침을 더 쉽게 찾을 수 있습니다.

CI/CD 파이프라인

이 프로젝트에서는 자동화된 빌드를 위해 GitHub Actions를 사용합니다.

main 브랜치에 푸시하면 새 컨테이너 빌드가 트리거됩니다.
버전 태그(v*. . )는 버전별 릴리스를 생성합니다.
이미지는 GitHub 컨테이너 레지스트리에 게시됩니다.

게시된 이미지를 사용할 수 있습니다.

docker run -i --rm \
  -e TP_DOMAIN=your-domain.tpondemand.com \
  -e TP_USERNAME=your-username \
  -e TP_PASSWORD=your-password \
  ghcr.io/aaronsb/apptio-target-process-mcp

환경 변수

TP_DOMAIN : Targetprocess 도메인(예: company.tpondemand.com)
TP_USERNAME : 대상 프로세스 사용자 이름
TP_PASSWORD : Targetprocess 비밀번호

Docker를 활용한 로컬 개발

로컬 개발 및 테스트를 위해 제공된 스크립트를 사용하세요.

로컬 이미지 구축:
참고: 빌드 스크립트는 기본적으로 Docker의 조용한 모드를 사용하여 로그 출력을 최소화합니다. 이는 Cline과 같이 빌드 출력을 처리하는 도구와 상호 작용할 때 AI 토큰 소모를 줄이기 위한 의도적인 설정입니다. 조용한 모드에서는 전체 빌드 로그가 /tmp/apptio-target-process-mcp/docker-build.log 에 저장됩니다. --verbose 플래그를 사용하면 터미널에서 빌드 출력을 직접 확인할 수 있습니다.

./scripts/build-local.sh         # Quiet mode (default), logs to file
./scripts/build-local.sh --verbose  # Full build output in terminal

로컬 이미지를 실행합니다.

./scripts/run-local.sh

Cline 구성: ~/.config/Code/User/globalStorage/saoudrizwan.claude-dev/settings/cline_mcp_settings.json 편집합니다.

{
  "mcpServers": {
    "targetprocess": {
      "command": "./scripts/run-local.sh",
      "disabled": false,
      "autoApprove": []
    }
  }
}

Docker 없이 로컬 개발

필수 조건

Node.js 20 이상
엔피엠

설정

저장소를 재귀적으로 복제합니다.

git clone --recursive https://github.com/modelcontextprotocol/targetprocess-mcp.git
cd targetprocess-mcp

참고: --recursive 플래그는 문서 검색 도구 하위 모듈을 복제하는 데도 필요합니다.

종속성 설치:

npm install

예제 구성을 복사하세요.

cp config/targetprocess.example.json config/targetprocess.json

Targetprocess 자격 증명으로 config/targetprocess.json 편집합니다.

건물

npm run build

달리기

node build/index.js

API 기능

자세한 예와 일반적인 사용 사례는 USECASES.md를 참조하세요.

MCP 서버는 Targetprocess와 상호 작용하기 위한 다음과 같은 도구를 제공합니다.

검색_엔터티

필터링 및 포함을 사용하여 Targetprocess 엔터티(UserStory, Bug, Task, Feature)를 검색합니다.

{
  "type": "UserStory",          // Required: Entity type to search for
  "where": "EntityState.Name eq 'Open'", // Optional: Filter expression
  "take": 10,                   // Optional: Number of items to return (default: 100, max: 1000)
  "include": ["Project", "Team"] // Optional: Related data to include
}

get_entity

특정 엔터티에 대한 자세한 정보를 얻으세요.

{
  "type": "UserStory",          // Required: Entity type
  "id": 123456,                 // Required: Entity ID
  "include": ["Project", "Team"] // Optional: Related data to include
}

엔티티 생성

Targetprocess에 새로운 엔터티를 만듭니다.

{
  "type": "UserStory",          // Required: Entity type to create
  "name": "Story Name",         // Required: Entity name
  "description": "Details...",  // Optional: Entity description
  "project": {                  // Required: Project to create in
    "id": 123
  },
  "team": {                     // Optional: Team to assign
    "id": 456
  }
}

업데이트_엔터티

기존 엔터티를 업데이트합니다.

{
  "type": "UserStory",          // Required: Entity type
  "id": 123456,                 // Required: Entity ID
  "fields": {                   // Required: Fields to update
    "name": "New Name",
    "description": "New description",
    "status": {
      "id": 789
    }
  }
}

검사_객체

API를 통해 Targetprocess 객체와 속성을 검사합니다.

{
  "action": "list_types",       // Required: Action to perform
  "entityType": "UserStory",    // Required for some actions: Entity type to inspect
  "propertyName": "Description" // Required for some actions: Property to inspect
}

성능 고려 사항

수백만 개의 레코드가 포함될 수 있는 대규모 Targetprocess 인스턴스로 작업하는 경우:

특정 쿼리 사용 : 결과 세트를 제한하기 위해 항상 가능한 가장 구체적인 쿼리를 사용하세요.
결과 크기 제한 : 반환되는 결과 수를 제한하려면 take 매개변수를 사용합니다.
필요한 데이터만 포함 : 실제로 필요한 관련 데이터만 포함합니다.
페이지 매김 고려 : 대규모 결과 세트의 경우 애플리케이션에서 페이지 매김을 구현합니다.
일괄 작업 : 대량 작업의 경우 API 과부하를 방지하기 위해 일괄 요청을 고려하세요.

LLM 통합

이 MCP 서버는 모델 컨텍스트 프로토콜을 지원하는 다양한 AI 어시스턴트와 함께 사용할 수 있습니다.

클라인 - CLI 기반 AI 어시스턴트
Claude Desktop - Anthropic의 데스크톱 애플리케이션
구스 - 로컬 AI 비서

구성 및 설정 지침은 llms-install.md를 참조하세요.

구성

서버는 환경 변수나 JSON 구성 파일을 통해 구성할 수 있습니다.

구성 파일 형식

{
  "domain": "your-domain.tpondemand.com",
  "credentials": {
    "username": "your-username",
    "password": "your-password"
  }
}

특허

MIT

Targetprocess MCP Server

Integrations