Skip to main content
Glama
gha-intel-mcp

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

list_workflow_performance

Calcula estadísticas de duración promedio, mínima, máxima y p95 para ejecuciones recientes de flujos de trabajo.

analyze_workflow_config

Analiza el YAML del flujo de trabajo en busca de oportunidades de optimización en caché, paralelismo, concurrencia, artefactos, profundidad de checkout, etc.

get_billing_usage

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 repo y read: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-mcp

Cursor

~/.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_token

Zed

~/.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/health

O configura la variable de entorno en lugar de la bandera:

TRANSPORT=http PORT=3000 GITHUB_TOKEN=ghp_your_token npx @barissozudogru/gha-intel-mcp

Cursor (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/mcp

Opción C: Docker

docker build -t gha-intel-mcp .
docker run -p 3000:3000 -e GITHUB_TOKEN=ghp_your_token gha-intel-mcp

El 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

owner

string

sí

Propietario de GitHub (usuario u organización)

repo

string

sí

Nombre del repositorio

workflow_id

string

sí

Nombre del archivo de flujo de trabajo (ej. ci.yml) o ID

count

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

workflow_yaml

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

owner

string

sí

Usuario u organización de GitHub

repo

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

GITHUB_TOKEN

sí

Token de acceso personal de GitHub. Requiere alcance repo para repositorios privados y read:org para facturación de organizaciones.

TRANSPORT

no

Establecer http para habilitar el modo HTTP (por defecto: stdio).

PORT

no

Puerto HTTP cuando se ejecuta en modo HTTP (por defecto: 3000).

Licencia

MIT

Available Tools

3 tools
analyze_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

    A3.9/5.0

    Scored across 3 tools

    Disambiguation5/5

    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.

    Naming Consistency5/5

    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.

    Tool Count4/5

    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.

    Completeness3/5

    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

    ActivityActive
    ResponsivenessOutdated data

    Related MCP Connectors

    Related MCP Servers

    • A
      license
      A
      quality
      D
      maintenance
      An 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.
      5
      MIT
    • A
      license
      Not graded
      quality
      D
      maintenance
      A 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
    • A
      license
      A
      quality
      D
      maintenance
      An 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.
      39
      110 npm
      15
      MIT