Skip to main content
Glama
deenesjakoruzh
haziqasjad

GitLab AI MCP Server

by haziqasjad
OverviewSchemaRelated ServersScoreDiscussions
Python
Remote

GitLab AI MCP Server

一个高性能、容器化的 Model Context Protocol (MCP) 服务器，可将 AI 编程助手（Claude、Codex、Gemini、Kimi）连接到任何 GitLab 实例——无论是自托管还是云。

你能做什么

领域

操作

项目与议题

列出、搜索、创建、更新、打标签、指派

合并请求

查看差异、管理讨论、批准、合并、变基

CI/CD

检查流水线、读取作业日志、重试/取消作业、管理变量

仓库

浏览文件、读取内容、创建批量提交、管理分支与标签

搜索

代码搜索、全局搜索、用户搜索

安全

漏洞发现、依赖列表（SBOM）、审计事件

本地 AI

分类作业日志、扫描 MR 差异中的机密、总结讨论——全部通过 Ollama 在本地运行

Related MCP server: GitLab MCP Server

🚀 快速开始

前置要求

WSL2（Windows 用户）： 安装启用了 WSL2 后端的 Docker Desktop for Windows——这是最简单的方式。 以下所有命令都在你的 WSL2 终端中运行。

1. 克隆并配置

git clone https://github.com/haziqasjad/gitlab-ai-mcp.git
cd gitlab-ai-mcp
cp .env.example .env

编辑 .env：

GITLAB_URL=https://gitlab.example.com   # your GitLab instance URL
GITLAB_TOKEN=glpat-your-token           # your Personal Access Token

2. 选择你的设置并启动

选项 A — 仅核心 (推荐起步——无本地 AI，可在任何机器上运行)：

docker compose up -d --build

选项 B — 在 CPU 上使用本地 AI （Ollama 在 CPU 上运行，首次运行需下载约 4 GB 模型）：

docker compose --profile ollama up -d --build

选项 C — 在 NVIDIA GPU 上使用本地 AI （推理速度最快——需要额外设置，见下文）：

docker compose --profile ollama -f docker-compose.yml -f docker-compose.gpu.yml up -d --build

选项 B 和 C 启用额外的 AI 功能：日志分类、隐私扫描、讨论摘要。 如果 Ollama 未运行，这些功能会返回明确的错误——所有其他功能正常工作。

设置 NVIDIA GPU（仅选项 C）

如果你没有 NVIDIA GPU，请跳过本节——选项 B 在 CPU 上运行良好。

🐧 原生 Linux

步骤 1 — 确认你的 NVIDIA 驱动程序已安装：

nvidia-smi

你应该会看到你的 GPU 被列出。如果没有，请先为你的发行版安装驱动程序： NVIDIA 驱动下载

步骤 2 — 安装 NVIDIA Container Toolkit（Ubuntu/Debian）：

curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey \
  | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg

curl -s -L https://nvidia.github.io/libnvidia-container/stable/deb/nvidia-container-toolkit.list \
  | sed 's#deb https://#deb [signed-by=/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#g' \
  | sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list

sudo apt update && sudo apt install -y nvidia-container-toolkit

对于其他发行版，请参阅 官方安装指南。

步骤 3 — 配置 Docker 并验证：

sudo nvidia-ctk runtime configure --runtime=docker
sudo systemctl restart docker

# Confirm Docker can see your GPU
docker run --rm --gpus all ubuntu nvidia-smi

步骤 4 — 启动整套服务：

docker compose --profile ollama -f docker-compose.yml -f docker-compose.gpu.yml up -d --build

🪟 WSL2（Windows）

WSL2 使用安装在 Windows 上的 NVIDIA 驱动程序——你无需在 WSL 内安装 GPU 驱动程序。

步骤 1 — 在 Windows 上安装 NVIDIA 驱动程序（如果尚未安装）：

从 NVIDIA 驱动下载 下载并安装。 安装后重启 Windows。

步骤 2 — 确认 GPU 在 WSL2 中可见：

nvidia-smi

如果这有效，你的 GPU 在 WSL2 中可用。如果没有，请确保你使用的是 WSL2（而不是 WSL1）：

wsl --set-default-version 2

步骤 3 — 在 WSL2 中安装 NVIDIA Container Toolkit：

curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey \
  | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg

curl -s -L https://nvidia.github.io/libnvidia-container/stable/deb/nvidia-container-toolkit.list \
  | sed 's#deb https://#deb [signed-by=/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#g' \
  | sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list

sudo apt update && sudo apt install -y nvidia-container-toolkit

步骤 4 — 配置 Docker：

如果使用 Docker Desktop for Windows（推荐）：

  • 打开 Docker Desktop → 设置 → 资源 → GPU → 启用你的 GPU → 应用并重启

如果直接在 WSL2 中使用 Docker Engine：

sudo nvidia-ctk runtime configure --runtime=docker
sudo service docker restart   # WSL2 uses service, not systemctl

步骤 5 — 验证 Docker 能看到你的 GPU：

docker run --rm --gpus all ubuntu nvidia-smi

步骤 6 — 启动整套服务：

docker compose --profile ollama -f docker-compose.yml -f docker-compose.gpu.yml up -d --build

3. 验证服务器正在运行

docker compose ps

你应该会看到 gitlab-ai-mcp 的状态为 Up。直接测试它：

docker compose exec gitlab-ai-mcp python run_tests.py

4. 向你的 AI CLI 注册

首先，获取你的检出路径：

pwd   # run this inside the Gitlab_AI_MCP directory

WSL2 用户： 使用 pwd 显示的 Linux 路径（例如 /home/yourname/Gitlab_AI_MCP），而不是 Windows 路径。 你的 AI CLI 必须在同一个 WSL2 终端中运行，此路径才能生效。

然后使用该路径注册：

Claude Code：

claude mcp add gitlab-ai-mcp -- /your/path/to/Gitlab_AI_MCP/scripts/run_codex_mcp.sh

Codex CLI：

codex mcp add gitlab-ai-mcp -- /your/path/to/Gitlab_AI_MCP/scripts/run_codex_mcp.sh

Gemini CLI：

gemini mcp add gitlab-ai-mcp -- /your/path/to/Gitlab_AI_MCP/scripts/run_codex_mcp.sh

Kimi Code CLI：

kimi mcp add gitlab-ai-mcp -- /your/path/to/Gitlab_AI_MCP/scripts/run_codex_mcp.sh

⚙️ 配置

所有设置都放在你的 .env 文件中：

变量

必需

默认值

描述

GITLAB_URL

是

—

你的 GitLab 实例的基础 URL

GITLAB_TOKEN

是

—

个人访问令牌（api 权限）

DEBUG

否

false

启用详细的控制台日志记录

LOCAL_AI_URL

否

http://ollama:11434

Ollama 端点（仅选项 B/C）

LOCAL_AI_MODEL

否

llama3.1:8b

Ollama 模型名称

GITLAB_MAX_RETRIES

否

3

失败时的 API 重试次数

GITLAB_RETRY_DELAY

否

1.0

重试之间的基础延迟（秒）

🔧 故障排除

容器无法启动：

docker compose logs gitlab-ai-mcp

GITLAB_TOKEN 或 GITLAB_URL 错误：

  • 确保你的 .env 文件存在，且 = 周围没有多余空格

  • 在 GitLab → 设置 → 访问令牌中确认你的令牌具有 api 权限

Ollama 模型未下载（选项 B/C）：

docker compose logs gitlab-ai-ollama-pull

未检测到 GPU（选项 C）：

  • 运行 nvidia-smi — 如果失败，说明你的驱动程序未安装

  • 运行 docker run --rm --gpus all ubuntu nvidia-smi — 如果失败，说明 Container Toolkit 未配置

WSL2 — 在 WSL 中找不到 nvidia-smi：

  • 确保你使用的是 WSL2 而不是 WSL1：在 PowerShell 中运行 wsl --list --verbose 并检查 VERSION 列

  • 在 Windows（而非 WSL 内）上安装 NVIDIA 驱动程序并重启

WSL2 — systemctl: command not found：

  • WSL2 默认不使用 systemd — 请改用 sudo service docker restart

  • 或者在 WSL2 中启用 systemd：将 [boot] systemd=true 添加到 /etc/wsl.conf，然后重启 WSL（在 PowerShell 中运行 wsl --shutdown）

WSL2 — Docker Desktop 缺少 GPU 开关：

  • 需要 Docker Desktop 4.17 或更高版本以及 WSL2 后端 — 如果 GPU 选项不可见，请更新 Docker Desktop

WSL2 — 找不到 docker compose：

  • Docker Desktop 会自动安装 Compose — 打开 Docker Desktop 并确保它在使用 WSL2 终端之前正在运行

📁 项目结构

server.py                  — MCP server entrypoint
config.py                  — Settings (reads from .env)
gitlab/client.py           — Async HTTP/2 GitLab API client
services/
  gitlab_service.py        — Business logic and response formatting
  local_ai_service.py      — Ollama integration for local AI features
  review_digest.py         — MR discussion digest helpers
tools/                     — MCP tool definitions (one file per domain)
tests/                     — Unit tests
scripts/run_codex_mcp.sh   — Launcher used by all AI CLIs
docker-compose.yml         — Base stack
docker-compose.gpu.yml     — NVIDIA GPU override (use with --profile ollama)

This server cannot be installed

A
license - permissive license
-
quality - not tested
C
maintenance

How are these scores calculated?

Maintenance

–Maintainers
–Response time
–Release cycle
–Releases (12mo)
Commit activity

Resources

Unclaimed servers have limited discoverability.

Looking for Admin?

If you are the server author, to access and configure the admin panel.

Related MCP Servers

View all related MCP servers

Related MCP Connectors

View all MCP Connectors

Latest Blog Posts

MCP directory API

We provide all the information about MCP servers via our MCP API.

curl -X GET 'https://glama.ai/api/mcp/v1/servers/haziqasjad/gitlab-ai-mcp'

If you have feedback or need assistance with the MCP directory API, please join our Discord server