gha-intel-mcp

MCP-сервер для анализа времени выполнения рабочих процессов GitHub Actions, аудита конфигурации и данных о биллинге.

Инструменты

Related MCP server: copilot-usage-mcp

Требования

• Node.js >= 18 (использует встроенный fetch)

• Личный токен доступа GitHub с областями repo и read:org

Настройка

Доступны три режима транспорта. Выберите тот, который подходит для вашего развёртывания:

Вариант A: stdio (локальный, рекомендуется для настольных клиентов)

Сервер запускается как подпроцесс MCP-клиента через stdin/stdout. Сетевой порт не требуется.

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 (рабочая область) или пользовательские настройки

{
  "servers": {
    "gha-intel": {
      "type": "stdio",
      "command": "npx",
      "args": ["-y", "@barissozudogru/gha-intel-mcp"],
      "env": {
        "GITHUB_TOKEN": "ghp_your_token"
      }
    }
  }
}

Cline

Откройте настройки Cline, перейдите к MCP Servers и добавьте:

{
  "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 и т. д.)

Перейдите в Settings > Tools > AI Assistant > MCP и добавьте:

{
  "mcpServers": {
    "gha-intel": {
      "command": "npx",
      "args": ["-y", "@barissozudogru/gha-intel-mcp"],
      "env": {
        "GITHUB_TOKEN": "ghp_your_token"
      }
    }
  }
}

Вариант B: HTTP (удалённые или облачные клиенты)

Запустите сервер в режиме HTTP и укажите клиентам на конечную точку:

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

Или задайте через переменную окружения вместо флага:

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

Вариант C: Docker

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

Контейнер по умолчанию запускается в режиме HTTP. Укажите вашему клиенту адрес http://localhost:3000/mcp.

Справочник по инструментам

list_workflow_performance

Получает реальные данные о времени запусков и вычисляет статистику на уровне заданий.

Результат: Статистика времени по заданиям и шагам (среднее, мин., макс., p95), общее время запуска и список последних результатов запусков.

analyze_workflow_config

Разбирает и проверяет YAML рабочего процесса на предмет возможностей оптимизации.

Результат: Находки, сгруппированные по серьёзности (critical / warning / info / good) по девяти категориям, каждая с конкретной рекомендацией.

Проанализированные категории: Кэширование зависимостей, матричная стратегия и fail-fast, группы конкурентности и cancel-in-progress, загрузка артефактов, глубина git checkout, timeout-minutes заданий, закрепление версий runner, кэширование слоёв Docker и фильтры путей триггеров.

get_billing_usage

Получает данные о биллинге и потреблении кэша.

Результат: Общее количество использованных минут, использование плана, расчётная стоимость с разбивкой по типу runner (Ubuntu / macOS / Windows / large runners), а также размер кэша по репозиториям и процент использования.

Переменные окружения

Лицензия

MIT