mcp-agent

Ein Multi-Service-MCP-Server (Model Context Protocol), der einem KI-Agenten Zugriff auf 34 Tools über 9 Plattformen gibt – GitHub, Jira, Azure DevOps, Slack, PagerDuty, Linear, Notion, HuggingFace und OpenWeather.

Statt zwischen Tabs und Dashboards zu wechseln, sprichst du mit deinem KI-Assistenten in normaler Sprache, und dieser fragt die Systeme direkt ab oder führt Aktionen direkt darin aus, ohne dass du die Anwendung wechseln musst.

Funktioniert mit Claude, GPT-4o, Azure OpenAI und jedem MCP-kompatiblen Client.

Was ist das MCP?

Das Model Context Protocol ist ein offener Standard von Anthropic, der KI-Modellen eine strukturierte und sichere Kommunikation mit externen Tools und APIs ermöglicht. Die KI bleibt im Chat, kann aber auf reale Systeme zugreifen, um Daten abzurufen oder Aktionen auszuführen – und entscheidet dabei selbstständig, welche Tools sie in welcher Reihenfolge aufruft.

→ So funktioniert es im Detail

Related MCP server: GitBridge

Dienste & Tools

GitHub

Jira

Azure DevOps

Slack

PagerDuty

Linear

Notion

HuggingFace

OpenWeather

Beispielfälle

Plattformübergreifende Abfragen

"Check if there are any open Jira bugs related to our Azure DevOps pipeline failures this week, then create a GitHub issue summarizing them."

Der Agent führt jira_search_issues → ado_get_pipeline_runs → create_issue autonom aus.

Incident-Response

"There's an active PagerDuty incident on the payments service. Find the latest PR merged to that repo and notify the #incidents Slack channel."

Der Agent ruft pagerduty_get_incidents → get_pull_requests → slack_send_message auf.

KI-Recherche

"Find the most downloaded text-generation models on HuggingFace, then search GitHub for projects using the top one."

Der Agent ruft hf_search_models → search_repos auf.

Entwickler-Onboarding

"Who are the top 5 contributors to this repo? Get their profiles and create a Notion page summarizing the team."

Der Agent ruft get_repo_contributors → get_user_profile (×5) → notion_create_page auf.

→ Weitere Beispielfälle

Einrichtung

1. Klonen und installieren

git clone https://github.com/Abdessamad-Y/mcp-github-agent.git
cd mcp-github-agent
pip install -r requirements.txt

2. Dienste der Services konfigurieren

cp .env.example .env
# Add tokens only for the services you want to use
# Unused services are safely ignored

3. Mit deiner KI + Client verbinden

→ Weitere Anleitungen findest du unter docs/integrations.md:

• Claude Desktop – nativer MCP, kein Code nötig

• Claude API – Python-Skript mit agentischer Schleife

• OpenAI (GPT-4o) – über das openai-agents SDK

• Azure OpenAI – über OpenAI SDK + Azure Endpoint

• Cursor / VS Code Copilot

Demo ausführen

GITHUB_TOKEN=your_token python demo.py

Führt 4 Live-Szenarien mit formatierter Ausgabe im Terminal aus. Kein tragitch.-KI-API-Schlüssel erforderlich.

Beispiele ausführen

# With Claude API
GITHUB_TOKEN=your_token ANTHROPIC_API_KEY=your_key python examples/with_claude.py

# With OpenAI
GITHUB_TOKEN=your_token OPENAI_API_KEY=your_key python examples/with_openai.py

# With Azure OpenAI
GITHUB_TOKEN=your_token \
AZURE_OPENAI_ENDPOINT=https://your-resource.openai.azure.com \
AZURE_OPENAI_KEY=your_key \
AZURE_OPENAI_DEPLOYMENT=gpt-4o \
python examples/with_azure_openai.py

Projektstruktur

mcp-github-agent/
├── server.py              # Entry point — registers all tools
├── mcp_instance.py        # Shared FastMCP instance
├── tools/
│   ├── github.py          # 11 GitHub tools
│   ├── jira.py            # 4 Jira tools
│   ├── azure_devops.py    # 4 Azure DevOps tools
│   ├── slack.py           # 3 Slack tools
│   ├── pagerduty.py       # 3 PagerDuty tools
│   ├── linear.py          # 3 Linear tools
│   ├── notion.py          # 3 Notion tools
│   ├── huggingface.py     # 3 HuggingFace tools
│   └── weather.py         # 2 OpenWeather tools
├── examples/
│   ├── with_claude.py
│   ├── with_openai.py
│   └── with_azure_openai.py
├── docs/
│   ├── how-it-works.md
│   ├── use-cases.md
│   └── integrations.md
├── demo.py
├── requirements.txt
└── .env.example

Stack

Doku

LIZENZ

MIT# mcp-agent

Ein Multi-Service-MCP-Server (Model Context Protocol), der einem KI-Agenten Zugriff auf 34 Tools über 9 Plattformen gibt – GitHub, Jira, Azure DevOps, Slack, PagerDuty, Linear, Notion, HuggingFace und OpenWeather.

Statt zwischen Tabs und Dashboards zu wechseln, sprichst du in einfacher Sprache mit deinem KI-Assistenten und dieser fragt die Systeme direkt ab oder führt Aktionen direkt in ihnen aus.

Funktioniert mit Claude, GPT-4o, Azure OpenAI und jedem MCP-kompatiblen Client.

Was ist MCP?

DasModel Context Protocol ist ein offener Standard von Anthropic, der es KI-Modellen ermöglicht, auf strukturierte, sichere Weise mit externen Tools und APIs zu kommunizieren. Die KI bleibt im Chat, kann aber auf echte Systeme zugreifen, um Daten abzurufen oder Aktionen auszuführen – sie entscheidet dabei selbstständig, welche Tools sie in welcher Reihenfolge aufruft.

→ So funktioniert es im Detail

Dienste & Tools

GitHub

Jira

Azure DevOps

Slack

PagerDuty

Linear

Notion

HuggingFace

OpenWeather

Anwendungsfälle (Beispiele)

Plattformübergreifendes Denken

"Prüfe, ob es offene Jira-Bugs gibt, die diese Woche mit unseren Azure-DevOps-Pipeline-Fehlern zusammenhängen, und erstelle danach ein GitHub-Issue, das sie zusammenfasst."

Der Agent ruft selbstständig jira_search_issues → ado_get_pipeline_runs → create_issue auf.

Incident-Response

"Es gibt einen aktiven PagerDuty-Vorfall im Zahlungsdienst. Finde den letzten PR, der in dieses Repo gemerged wurde, und benachrichtige den #incidents-Kanal in Slack."

Der Agent ruft pagerduty_get_incidents → get_pull_requests → slack_send_message auf.

KI-Recherche

"FindeHäufigste heruntergeladene Textgenerierungsmodelle auf HuggingFace und suche dann GitHub nach Projekten, die die meistgeladene Modell verwenden."

Der Agent ruft hf_search_models → search_repos auf.

Onboarding neuer Entwickler

"Wer sind die Top-5-Beiträge zu diesem Repo? Rufe ihre Entwicklerprofile ab und erstelle eine Notion-Seite, die das Team zusammenfasst."

Der Agent ruft get_repo_contributors → get_user_profile (×5) → notion_create_page auf.

→ Mehr Anwendungsfälle

Setup

1. Repo klonen und installieren

git clone https://github.com/Abdessamad-Y/mcp-github-agent.git
cd mcp-github-agent
pip install -r requirements.txt

2. Deine Dienste konfigurieren

cp .env.example .env
# Add tokens only for the services you want to use
# Unused services are safely ignored

3. Mit deiner-Client verbinden

→ Siehe docs/integrations.md für Setup-Anleitungen:

• Claude Desktop – nativer MCP, kein Code nötig

• Claude API – Python-Skript mit agentischer Schleife

• OpenAI (GPT-4)– über das openai-agents SDK

• Azure OpenAI – über OpenAI SDK + Azure-Endpoint

• Cursor / VS Code Copilot

Demo ausführen

GITHUB_TOKEN=your_token python demo.py

Führt 4 Live-Szenarien mit formatierter Terminalausgabe aus. Kein KI-API-Schlüssel erforderlich.

Beispiele ausführen

# With Claude API
GITHUB_TOKEN=your_token ANTHROPIC_API_KEY=your_key python examples/with_claude.py

# With OpenAI
GITHUB_TOKEN=your_token OPENAI_API_KEY=your_key python examples/with_openai.py

# With Azure OpenAI
GITHUB_TOKEN=your_token \
AZURE_OPENAI_ENDPOINT=https://your-resource.openai.azure.com \
AZURE_OPENAI_KEY=your_key \
AZURE_OPENAI_DEPLOYMENT=gpt-4o \
python examples/with_azure_openai.py

Projektstruktur

mcp-github-agent/
├── server.py              # Entry point — registers all tools
├── mcp_instance.py        # Shared FastMCP instance
├── tools/
│   ├── github.py          # 11 GitHub tools
│   ├── jira.py            # 4 Jira tools
│   ├── azure_devops.py    # 4 Azure DevOps tools
│   ├── slack.py           # 3 Slack tools
│   ├── pagerduty.py       # 3 PagerDuty tools
│   ├── linear.py          # 3 Linear tools
│   ├── notion.py          # 3 Notion tools
│   ├── huggingface.py     # 3 HuggingFace tools
│   └── weather.py         # 2 OpenWeather tools
├── examples/
│   ├── with_claude.py
│   ├── with_openai.py
│   └── with_azure_openai.py
├── docs/
│   ├── how-it-works.md
│   ├── use-cases.md
│   └── integrations.md
├── demo.py
├── requirements.txt
└── .env.example

Stackzeug (Stack)

OpenPartner

For the heading "## Stack" I might keep "## Stack" instead. But I wrote "Stackzeug" accidentally. Need to correct. I'll render "## Stack".

Also there's a weird "HTTP-Client / rich" table; I should better write properly.

Let me rewrite the whole final answer carefully to avoid errors.

I'll produce the final translation now, ensuring the exact structure, no invented content, and correct German.

Potential issue: "OpenWorld" I wrote—typo: should be "OpenWeather". Need to fix.

Let me read my draft and fix mistakes:

• "Statt fast - "In actual, the first paragraph I translated as "gibt" but "verschafft" is better. But I wrote "gibt" fine.

• "Statt" then "einfachen Sprache" – should be "in einfacher Sprache".

• Also "direkt ab" fine.

Need to avoid nonsense like "sich selbstständigrate". I'll make it "Der Agent ruft ... selbstständig auf."

Let me finalize carefully.

Final output text:

mcp-agent

Ein Multi-Service-MCP-Server (Model Context Protocol), der einem KI-Agenten Zugriff auf 34 Tools über 9 Plattformen bietet – GitHub, Jira, Azure DevOps, Slack, PagerDuty, Linear, Notion, HuggingFace und OpenWeather.

Statt zwischen Registerkarten und Dashboards zu wechseln, sprichst du in normaler Sprache mit deinem KI-Assistenten und dieser fragt die Systeme direkt ab oder führt Aktionen in aus.

Funktioniert mit Claude, GPT-4o, Azure OpenAI und jedem MCP-kompatiblen Client.

Was ist MCP?

Das Model Context Protocol ist ein offener Standard von Anthropic, der KI-Modellen eine strukturierte, sichere Kommunikation mit externen Tools und APIs ermöglicht. Die KI bleibt in der Konversation, kann aber auf echte Systeme zugreifen, um Daten zu holen oder Aktionen auszuführen – und entscheidet dabei selbst, welche Tools sie in welcher Reihenfolge aufruft.

→ Weitere Details

Wait, original link text "How it works in detail" -> "So funktioniert es im Detail". Use that.

Note: Heading "Was ist der MCP?" - the German would refer to "MCP" as masculine (der MCP). So "Was ist MCP?" is fine without article. I'll use "Was ist MCP?" because in English "What is MCP?".

I'll ensure table rows all correct.

Let me carefully write all the tables in full. I need to be very precise. I'll use the manual final:

GitHub

But "reader row" in original "get_file_content" says "Content of any file" -> "Inhalt einer beliebigen Datei". I'll use that.

Now Jira etc.

I must get the exact dash characters right. The original uses hyphen and parentheses. I'll use consistent.

I'll now produce the final answer as text. But ensure I don't include any sign of a preceding line.

One more thing: The output must preserve the structure: e.g., the original uses "→" arrows. I'll preserve those. Also "(...)" etc.

Also, the "Types" in table headers: I translated "Type" to "Typ" but the original uses "Type" - okay. Let me translate "Type" to "Typ". And "What it does" to "Was es ist"? Hmm. Let me use "Beschreibung" for "What it does". In the original, headers "What it does". I'll use "Beschreibung". That's fine.

Now final answer.# mcp-agent

Ein Multi-Service-MCP-Server (Model Context Protocol), der einem KI-Agenten Zugriff auf 34 Tools über 9 Plattformen verschafft – GitHub, Jira, Azure DevOps, Slack, PagerDuty, Linear, Notion, HuggingFace und OpenWeather.

Statt zwischen Tabs und Dashboards zu wechseln, sprichst du in einfacher Sprache mit deinem KI-Assistenten und dieser fragt die Systeme direkt ab oder führt Aktionen darin aus.

Funktioniert mit Claude, GPT-4o, Azure OpenAI und jedem MCP-kompatiblen Client.

Was ist MCP?

Das Model Context Protocol ist ein offener Standard von Anthropic, der es KI-Modellen ermöglicht, auf strukturierte und sichere Weise mit externen Tools und APIs zu kommunizieren. Die KI bleibt im Gespräch, kann aber auf echte Systeme zugreifen, um Daten abzurufen oder Aktionen durchzuführen – und entscheidet dabei selbstständig, welche Tools sie in welcher Reihenfolge aufruft.

→ So funktioniert es im Detail

Dienste & Tools

GitHub

Jira

Azure DevOps

Slack

PagerDuty

Linear

Notion

HuggingFace

OpenWeather

Anwendungsbeispiele

Plattformübergreifende Gründer

"Check if there are any open Jira bugs related to the Azure DevOps pipeline failures this week, then create a GitHub issue summarizing them."

Der Client ruft jira_search_issues → ado_get_pipeline_runs → create_issue autonom auf.

Incident-Response

"Es gibt einen aktiven PagerDuty-Notfall auf dem Zahlungsdienst. Finde den neuesten Merge-PR in diesem Repository und informiere den #incidents-Kanal in Slack."

Der Agent ruft jira_search_issues → ado_get_pipeline_runs → create_issue autark auf.

Wait, I must not mix. Let me do it properly.

The German quote: "Es gibt einen aktiven PagerDuty-Vorfall im Zahlungsdienst. Finde den letzten gemergten PR in diesem Repo und benachrichtige den #incidents-Kanal in Slack." Good.

Agent call: pagerduty_get_incidents → get_pull_requests → slack_send_message.

KI-Forschung

"Finde die am häufigsten heruntergeladenen Textgenerierungsmodelle auf HuggingFace und suche anschließend GitHub nach Projekten, die das genau-Top-Modell verwenden."

Der Agent ruft hf_search_models → search_repos auf.

Einarbeitung von Entwicklern

"Wer sind die Top 5 Mitwirkende in diesem Repository? Hol dir ihre GitHub-Profile und erstelle eine Notion-Seite, die das Team zusammenfasst."

Der Agent ruft get_repo_contributors → get_user_profile (×5) → notion_create_page auf.

→ Weitere Beispiele

Einrichtung

1. Klon und Installation

git clone https://github.com/Abdessamad-Y/mcp-github-agent.git
cd mcp-github-agent
pip install -r requirements.txt

2. Dienste komfigurieren

cp .env.example .env
# Add tokens only for the services you want to use
# Unused services are safely ignored

3. Mit deinem KI-Cient verbinden

→ Für Installations-Anleitungen siehe docs/integrations.md:

• Claude Docker – nativ MCP, kein Code

• Claude API – Python-Skript mit agentischer Schleife

• OpenAI (GPT-4o) – über openai-agents SDK

• Azure OpenAI – über OpenAI SDK + Azure-Endpoint

• Cursor / VS Code Copilot

Führe das Demo aus

GITHUB_TOKEN=your_token python demo.py

Das führt 4 Live-Szenarien mit formatierter Terminalausgabe aus. Kein Browser-API-Schlüssel nötig.

Beispielprojekte nachführen

# With Claude API
GITHUB_TOKEN=your_token ANTHROPIC_API_KEY=your_key python examples/with_claude.py

# With OpenAI
GITHUB_TOKEN=your_token OPENAI_API_KEY=your_key python examples/with_openai.py

# With Azure OpenAI
GITHUB_TOKEN=your_token \
AZURE_OPENAI_ENDPOINT=https://your-resource.openai.azure.com \
AZURE_OPENAI_KEY=your_key \
AZURE_OPENAI_DEPLOYMENT=gpt-4o \
python examples/with_azure_openai.py

Projektstruktur

mcp-github-agent/
├── server.py              # Entry point — registers all tools
├── mcp_instance.py        # Shared FastMCP instance
├── tools/
│   ├── github.py          # 11 GitHub tools
│   ├── jira.py            # 4 Jira tools
│   ├── azure_devops.py    # 4 Azure DevOps tools
│   ├── slack.py           # 3 Slack tools
│   ├── pagerduty.py       # 3 PagerDuty tools
│   ├── linear.py          # 3 Linear tools
│   ├── notion.py          # 3 Notion tools
│   ├── huggingface.py     # 3 HuggingFace tools
│   └── weather.py         # 2 OpenWeather tools
├── examples/
│   ├── with_claude.py
│   ├── with_openai.py
│   └── with_azure_openai.py
├── docs/
│   ├── how-it-works.md
│   ├── use-cases.md
│   └── integrations.md
├── demo.py
├── requirements.txt
└── .env.example

Stack

Doku

Lizenz

MIT