gha-intel-mcp
Un servidor MCP para análisis de tiempos de flujos de trabajo de GitHub Actions, auditoría de configuración y perspectivas de facturación.
Herramientas
Herramienta | Descripción |
| Calcula estadísticas de duración promedio, mínima, máxima y p95 para ejecuciones recientes de flujos de trabajo. |
| Analiza el YAML del flujo de trabajo en busca de oportunidades de optimización en caché, paralelismo, concurrencia, artefactos, profundidad de checkout, etc. |
| Devuelve los minutos de facturación de Actions y la utilización de caché por repositorio. |
Related MCP server: copilot-usage-mcp
Requisitos
Node.js >= 18
Un token de acceso personal de GitHub con los alcances
repoyread:org
Configuración
Hay tres modos de transporte disponibles. Elige el que mejor se adapte a tu despliegue:
Opción A: stdio (local, recomendado para clientes de escritorio)
El servidor se ejecuta como un subproceso del cliente MCP a través de stdin/stdout. No se requiere puerto de red.
Claude Desktop
~/Library/Application Support/Claude/claude_desktop_config.json (macOS)
%APPDATA%\Claude\claude_desktop_config.json (Windows)
{
"mcpServers": {
"gha-intel": {
"command": "npx",
"args": ["-y", "@barissozudogru/gha-intel-mcp"],
"env": {
"GITHUB_TOKEN": "ghp_your_token"
}
}
}
}Claude Code
claude mcp add gha-intel -e GITHUB_TOKEN=ghp_your_token -- npx -y @barissozudogru/gha-intel-mcpCursor
~/.cursor/mcp.json
{
"mcpServers": {
"gha-intel": {
"command": "npx",
"args": ["-y", "@barissozudogru/gha-intel-mcp"],
"env": {
"GITHUB_TOKEN": "ghp_your_token"
}
}
}
}Windsurf
~/.codeium/windsurf/mcp_config.json
{
"mcpServers": {
"gha-intel": {
"command": "npx",
"args": ["-y", "@barissozudogru/gha-intel-mcp"],
"env": {
"GITHUB_TOKEN": "ghp_your_token"
}
}
}
}VS Code + Copilot
.vscode/mcp.json (espacio de trabajo) o configuración de usuario
{
"servers": {
"gha-intel": {
"type": "stdio",
"command": "npx",
"args": ["-y", "@barissozudogru/gha-intel-mcp"],
"env": {
"GITHUB_TOKEN": "ghp_your_token"
}
}
}
}Cline
Abre la configuración de Cline, navega a Servidores MCP y añade:
{
"mcpServers": {
"gha-intel": {
"command": "npx",
"args": ["-y", "@barissozudogru/gha-intel-mcp"],
"env": {
"GITHUB_TOKEN": "ghp_your_token"
}
}
}
}Continue.dev
~/.continue/config.yaml
mcpServers:
- name: gha-intel
command: npx
args:
- -y
- "@barissozudogru/gha-intel-mcp"
env:
GITHUB_TOKEN: ghp_your_tokenZed
~/.config/zed/settings.json
{
"context_servers": {
"gha-intel": {
"command": {
"path": "npx",
"args": ["-y", "@barissozudogru/gha-intel-mcp"],
"env": {
"GITHUB_TOKEN": "ghp_your_token"
}
}
}
}
}JetBrains (IntelliJ, PyCharm, WebStorm, etc.)
Ve a Settings > Tools > AI Assistant > MCP y añade:
{
"mcpServers": {
"gha-intel": {
"command": "npx",
"args": ["-y", "@barissozudogru/gha-intel-mcp"],
"env": {
"GITHUB_TOKEN": "ghp_your_token"
}
}
}
}Opción B: HTTP (clientes remotos o en la nube)
Inicia el servidor en modo HTTP y apunta los clientes al endpoint:
GITHUB_TOKEN=ghp_your_token npx @barissozudogru/gha-intel-mcp --http
# Server listens on http://0.0.0.0:3000/mcp
# Health check: http://localhost:3000/healthO configura la variable de entorno en lugar de la bandera:
TRANSPORT=http PORT=3000 GITHUB_TOKEN=ghp_your_token npx @barissozudogru/gha-intel-mcpCursor (HTTP)
~/.cursor/mcp.json
{
"mcpServers": {
"gha-intel": {
"url": "http://localhost:3000/mcp"
}
}
}VS Code + Copilot (HTTP)
.vscode/mcp.json
{
"servers": {
"gha-intel": {
"type": "http",
"url": "http://localhost:3000/mcp"
}
}
}Windsurf (HTTP)
~/.codeium/windsurf/mcp_config.json
{
"mcpServers": {
"gha-intel": {
"serverUrl": "http://localhost:3000/mcp"
}
}
}Continue.dev (HTTP)
~/.continue/config.yaml
mcpServers:
- name: gha-intel
url: http://localhost:3000/mcpOpción C: Docker
docker build -t gha-intel-mcp .
docker run -p 3000:3000 -e GITHUB_TOKEN=ghp_your_token gha-intel-mcpEl contenedor inicia en modo HTTP por defecto. Apunta el cliente a http://localhost:3000/mcp.
Referencia de herramientas
list_workflow_performance
Obtén datos reales de tiempo de ejecución y calcula estadísticas a nivel de trabajo.
Parámetro | Tipo | Requerido | Descripción |
| string | sí | Propietario de GitHub (usuario u organización) |
| string | sí | Nombre del repositorio |
| string | sí | Nombre del archivo de flujo de trabajo (ej. |
| number | no | Número de ejecuciones recientes a analizar (predeterminado: 100, máximo: 100) |
Salida: estadísticas de tiempo por trabajo (promedio, mínimo, máximo, p95), tiempos de ejecución y conclusiones recientes de ejecución.
analyze_workflow_config
Analiza el YAML del flujo de trabajo y busca oportunidades de optimización.
Parámetro | Tipo | Requerido | Descripción |
| string | sí | Contenido YAML completo del flujo de trabajo |
Salida: Hallazgos clasificados por severidad (crítico / advertencia / informativo / bueno) en nueve categorías, cada uno con una recomendación concreta.
Categorías analizadas: caché, estrategia de matriz y fail-fast, grupos de concurrencia y cancel-in-progress, subida de artefactos, profundidad de checkout, tiempos de espera, asignación de runners, capas de caché de Docker y filtros de rutas de activación.
get_billing_usage
Obtén datos de facturación y consumo de caché.
Parámetro | Tipo | Requerido | Descripción |
| string | sí | Usuario u organización de GitHub |
| string | no | Nombre del repositorio para caché y ejecuciones por repositorio |
Salida: Minutos totales usados, utilización del plan, costo estimado desglosado por tipo de runner (Ubuntu / macOS / Windows / runners grandes), además del tamaño de caché por repositorio y su porcentaje de utilización.
Variables de Entorno
Variable | Requerida | Descripción |
| sí | Token de acceso personal de GitHub. Requiere alcance |
| no | Establecer |
| no | Puerto HTTP cuando se ejecuta en modo HTTP (por defecto: |
Licencia
MIT
Available Tools
3 toolsanalyze_workflow_configAnalyze Workflow ConfigA
Parse a GitHub Actions workflow YAML (provided as a string) and identify optimization opportunities: missing caches, matrix strategy, concurrency controls, slow dependency installs, artifact handling, and more.
Inputs: workflow_content (required).
get_billing_usageGet Billing UsageA
Retrieve GitHub Actions billing and cache usage statistics for an owner (user or org), optionally scoped to a specific repository.
Inputs: owner (required), repo.
list_workflow_performanceList Workflow PerformanceA
Fetch the last N workflow runs and compute job-level timing statistics (avg, min, max, p95) across those runs. Useful for identifying slow jobs and trends.
Inputs: repo (required), owner (required), workflow_id (required), count.
Tool Schema Changelog
Recent tool additions, removals, and schema changes observed during successful MCP inspections.
Loading tool schema changelog…
TDQS
Scored across 3 tools
Each tool addresses a clearly distinct aspect: runtime performance metrics, static configuration analysis, and billing/cost usage. There is no overlap in purpose or data source, so an agent can reliably select the right tool.
All tool names follow a consistent verb_noun pattern: list_workflow_performance, analyze_workflow_config, get_billing_usage. The verbs (list, analyze, get) and nouns clearly indicate the action and subject, maintaining uniformity across the set.
With only 3 tools, the server is minimally scoped but each tool serves a distinct, valuable function within the GitHub Actions intel domain. The count is within the typical 3-15 range, though one could argue it's slightly on the lower end for comprehensive coverage.
The tools cover performance metrics, config analysis, and billing, but there's a notable gap: no tool to fetch the workflow YAML directly, forcing an external step for configuration analysis. Additionally, lifecycle operations like listing workflows or runs are missing, though performance stats partially address that.
Maintenance
Related MCP Connectors
Create, deploy, and operate MCP servers directly from your GitHub repositories.
One MCP server for all your MCP servers: code mode, per-tool permissions, approvals and audit.
MCP server for building and testing AI agents with multi-model experimentation and insights.
MCP server for Appcircle mobile CI/CD platform.
Related MCP Servers
- AlicenseAqualityDmaintenanceMCP server for GitHub Actions — view workflow runs, read logs, re-run failed jobs, and manage CI/CD.955 npm5MIT
- AlicenseAqualityDmaintenanceAn MCP server that retrieves GitHub Copilot usage metrics and seat assignment data across Enterprise, Organization, and Team levels. It allows users to monitor code completions, chat activity, and active user counts through integrated tools.5MIT
- AlicenseNot gradedqualityDmaintenanceA production-ready MCP server that provides AI assistants with comprehensive GitHub developer tooling including PR analysis, code review, changelog generation, dependency auditing, commit summarization, and refactoring suggestions.MIT
- AlicenseAqualityDmaintenanceAn MCP server that enables AI agents to perform comprehensive GitHub security audits across org settings, repositories, Actions workflows, secrets, supply chain, and access control using 39 tools and 45 checks.39110 npm15MIT