MCP Atlassian E79c34e8

MCPAI代理

提供方 junyeong-ai

AI代理 未标注 Token 社区 / 第三方 Claude DesktopClaude

一个轻量级高性能的MCP服务器,允许AI代理直接控制Jira和Confluence,提供Atlassian文档格式支持和响应优化。

一句话选型结论

按资料字段整理

MCP Atlassian E79c34e8 属于AI代理类 MCP 服务器,传输方式未标注,Token,可直接接入 Claude Desktop、Claude,没有现成安装命令,需按官方文档接入。接入前先确认权限范围;涉及写入、删除或付款的操作,建议先在测试环境验证。

分类AI代理 传输方式未标注 鉴权Token 部署方式未标注
GitHub 星标 1 仓库热度,无公开仓库时显示未标注
工具数 未标注 暴露给模型的工具数量
资源 / 提示词 0 / 0 资源与提示词模板数量
维护方 社区 / 第三方 核验等级 仅资料核对

工具与能力

AI代理
数量来自来源目录的标注,具体工具清单以官方文档为准
工具数量未标注暴露给模型可调用的工具个数
资源数量0可读取的资源条目
提示词数量0内置提示词模板数量

能力标签

支持客户端

适用场景

AI代理Rust本地部署Jira集成Confluence集成高性能轻量级

安装与配置

未标注 Token
上游未给出传输方式
  1. 1
    准备运行环境

    按官方文档确认运行环境(常见为 Node.js 或 Python),装好后再执行安装命令。

  2. 2
    安装服务

    复制上面的安装命令执行;命令里带占位符的位置,换成自己的密钥或路径。

  3. 3
    写入客户端配置

    在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4
    验证是否可用

    连接成功后随便调一个只读工具,确认能返回结果,再接入正式流程。

典型使用场景

3 类
按分类与标签整理的常见用法,具体以官方文档为准
给代理接外部能力

让代理在任务中途调用搜索、数据库等真实工具。

多步任务编排

把一串操作拆成步骤,由代理按顺序执行。

自动化重复流程

把固定流程交给代理跑,减少手工操作。

选择建议

选之前先看这几条
按条目字段给出的判断,不替你决定用不用

值得选的地方

  • 已适配 Claude Desktop、Claude,换客户端不用重新研究配置。

先想清楚的地方

  • 没有现成安装命令,需要按官方文档自己填启动命令和参数。
  • 使用前要准备好Token对应的凭据,并按最小权限配置。
  • 资料没标注工具数量,实际能力要装好后确认。
  • 版本更新与行为细节以官方仓库为准。

更适合

  • 需要在AI代理场景里让模型直接调用外部能力的人。
  • 已经在用 Claude Desktop、Claude 的用户,接入路径最短。
  • 想先快速试一下、能接受在本地或自有环境跑服务的人。

不太适合

  • 不方便管理密钥或第三方授权的人。
  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

6 个同类
同分类里挑最接近的几条,字段以各自详情页为准
MCP 服务器工具数传输方式部署方式安装命令最后核验
MCP Atlassian E79c34e8当前 未标注 未标注 未标注 无 2026-05-17
Filesystem 560c4363 13 未标注 本地部署 无 2026-05-17
Server Everything (everything) 11 stdio · 本地进程 本地部署 有 2026-05-17
Time 7365cb6d 2 SSE · 服务端推送 远程部署 有 2026-05-18
Everything Claude Code 未标注 stdio · 本地进程 本地部署 有 2026-05-17
Openmemory 557e1585 未标注 stdio · 本地进程 本地部署 有 2026-05-17

服务器档案

AI代理
字段来自项目仓库与公开索引,中文说明由本站标注
提供方junyeong-ai上游标注的维护方 junyeong-ai
分类AI代理本站按上游分类展示
连接方式未标注上游未给出传输方式
鉴权方式Token远程服务建议用最小权限凭据
维护方社区 / 第三方核验等级 仅资料核对
包名 / 运行时未标注 · 未标注本地安装时用到的包标识与运行时
部署类型未标注上游给出的部署形态
最近核验2026-05-17上游最后核验时间

详细介绍

16.8 KB
来自项目仓库与上游目录的原文,未做删改

🔧 MCP Atlassian

> AI Agent를 위한 초경량 고성능 Atlassian MCP 서버

Claude, ChatGPT 등 AI Agent가 Jira와 Confluence를 직접 제어할 수 있게 해주는 Model Context Protocol 서버.
Rust 기반 4.4MB 바이너리로 Zero-Copy 최적화와 빠른 실행 속도 제공.

한국어 | English


📖 목차

  • 왜 mcp-atlassian인가?
  • AI Agent 활용 예시
  • 3단계 시작하기
  • 환경변수 상세 가이드
  • Jira Search 필드 최적화
  • 기술 스택
  • 프로젝트 구조
  • 개발
  • 보안
  • Troubleshooting
  • 참고 자료
  • 라이센스
  • 기여

🤖 왜 mcp-atlassian인가?

AI Agent가 Atlassian을 사용할 때 최적화된 경험을 제공합니다:

🚀 Rust 기반 고성능 Self-Hosted

  • 4.4MB 단일 바이너리: 별도 런타임 불필요
  • 즉시 실행: 네이티브 바이너리로 빠른 시작
  • 낮은 리소스: Rust의 메모리 효율성

✨ ADF 완벽 지원으로 리치 텍스트 포맷팅

Atlassian Document Format을 네이티브로 지원

  • 4개 도구 ADF 완벽 지원: jira_create_issue, jira_update_issue, jira_add_comment, jira_update_comment
  • 자동 변환: 일반 텍스트 → ADF 자동 변환 (100% 하위 호환)
  • 검증 최적화: <1ms 문서 검증 (top-level only)
  • Zero-Copy 처리: ADF 문서 move 시맨틱스로 대용량 문서 효율적 처리

지원 포맷:
- 블록: 제목 (H1-H6), 코드 블록 (syntax highlight), 리스트 (ordered/unordered)
- 인라인: 굵게, 기울임, 인라인 코드
- 중첩: 복잡한 문서 구조 완벽 지원

예시:```json
{
"type": "doc",
"version": 1,
"content": [
{
"type": "heading",
"attrs": {"level": 2},
"content": [{"type": "text", "text": "버그 수정"}]
},
{
"type": "codeBlock",
"attrs": {"language": "rust"},
"content": [{"type": "text", "text": "fn main() { ... }"}]
}
]
}


### 🎯 AI Agent를 위한 응답 최적화

**토큰 효율성을 극대화한 스마트 필터링**

#### Jira 검색 최적화
- **17개 핵심 필드**: description 제외, 불필요한 필드 제거
- **자동 필터링**: avatarUrls, iconUrl, self 등 메타데이터 자동 제거
- **환경변수 제어**: 프로젝트별 맞춤 필드 설정
- **우선순위 계층**: API → 환경변수 → 기본값 + 커스텀 → 기본값

**기본 17개 필드**:```
key, summary, status, priority, issuetype, assignee,
reporter, creator, created, updated, duedate, resolutiondate,
project, labels, components, parent, subtasks

응답 크기 비교:```
기본 응답: ~50+ 필드, 대용량 description 포함
최적화 응답: 17개 필드, 핵심 정보만 (60-70% 감소)


#### 조건부 컴파일 최적화
- **프로덕션 빌드**: Stats 추적 완전 제거, Arc&gt; 오버헤드 제거
- **테스트 빌드**: 디버깅 기능 완벽 보존
- **결과**: Zero 오버헤드 프로덕션 실행

### 🔧 14개 MCP 도구

**Jira (8개)** - 4개 도구에 ADF 지원:
- `jira_search` - JQL 검색 (최적화된 17개 필드)
- `jira_get_issue` - 이슈 상세 조회
- `jira_create_issue` ✨ - 이슈 생성 (ADF 지원)
- `jira_update_issue` ✨ - 이슈 수정 (ADF 지원)
- `jira_add_comment` ✨ - 댓글 추가 (ADF 지원)
- `jira_update_comment` ✨ - 댓글 수정 (ADF 지원)
- `jira_transition_issue` - 상태 전환
- `jira_get_transitions` - 가능한 전환 조회

**Confluence (6개)**:
- `confluence_search` - CQL 검색
- `confluence_get_page` - 페이지 조회
- `confluence_get_page_children` - 하위 페이지 목록
- `confluence_get_comments` - 댓글 조회
- `confluence_create_page` - 페이지 생성
- `confluence_update_page` - 페이지 수정

### 🔒 안전한 접근 제어

- **프로젝트/스페이스 필터링**: 특정 프로젝트/스페이스만 접근
- **환경변수 기반 인증**: API Token 안전 관리
- **HTTPS 전용**: 모든 통신 암호화

---

## 💬 AI Agent 활용 예시

### Claude Desktop에서```
사용자: &quot;이번 주 생성된 버그 목록 보여줘&quot;
→ AI Agent가 jira_search 도구 자동 호출
→ 최적화된 17개 필드 응답 (토큰 절약)
→ Zero-copy로 빠른 응답

사용자: &quot;PROJ-123에 코드 리뷰 완료 댓글 달아줘&quot;
→ AI Agent가 jira_add_comment 도구 호출
→ 일반 텍스트가 자동으로 ADF로 변환
→ Move 시맨틱스로 효율적 처리

사용자: &quot;포맷팅된 릴리즈 노트 이슈 만들어줘&quot;
→ AI Agent가 jira_create_issue 호출
→ ADF 형식으로 제목, 코드 블록, 리스트 자동 생성
→ Zero-copy로 대용량 문서도 빠르게 처리

사용자: &quot;댓글 10042를 &#x27;승인됨&#x27;으로 수정해줘&quot;
→ AI Agent가 jira_update_comment 도구 호출
→ ADF 포맷팅 지원과 함께 댓글 수정
→ std::mem::replace로 복사 없는 업데이트

사용자: &quot;프로젝트 README 페이지 만들어줘&quot;
→ AI Agent가 confluence_create_page 도구 호출
→ 스페이스 자동 확인 및 페이지 생성

🚀 3단계 시작하기

전제 조건: Rust 1.90+ 설치 필요 (설치 가이드)
총 소요 시간: ~10분 (Rust 이미 설치된 경우) ⚡

1️⃣ 빌드 (⏱️ ~5분)```bash

Rust 설치 (1.90+)

curl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | sh

저장소 클론

git clone https://github.com/junyeong-ai/mcp-atlassian.git
cd mcp-atlassian

Release 빌드 (LTO + 최적화)

cargo build --release

바이너리 위치: target/release/mcp-atlassian (4.4MB)


### 2️⃣ 환경변수 설정 (⏱️ ~3분)

`.env` 파일 생성:```env
# 필수 (3개)
ATLASSIAN_DOMAIN=yourcompany.atlassian.net
ATLASSIAN_EMAIL=you@example.com
ATLASSIAN_API_TOKEN=your_api_token_here

# 선택 - 필드 최적화 (기본: 17개 필드)
JIRA_SEARCH_DEFAULT_FIELDS=key,summary,status,assignee
JIRA_SEARCH_CUSTOM_FIELDS=customfield_10015,customfield_10016

# 선택 - 응답 최적화 (기본 25개 필드 자동 제거, 추가 필드만 지정)
# RESPONSE_EXCLUDE_FIELDS=customField1,customField2

# 선택 - 접근 제어
JIRA_PROJECTS_FILTER=PROJ1,PROJ2
CONFLUENCE_SPACES_FILTER=SPACE1,SPACE2

# 선택 - 성능
REQUEST_TIMEOUT_MS=30000
LOG_LEVEL=warn

API Token 생성: Atlassian API Tokens

3️⃣ Claude Desktop 연결 (⏱️ ~2분)

claude_desktop_config.json 편집:

macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
Windows: `%APPDATA%/Claude/claude_desktop_config.json````json
{
"mcpServers": {
"atlassian": {
"command": "/Users/yourname/mcp-atlassian/target/release/mcp-atlassian",
"env": {
"ATLASSIAN_DOMAIN": "yourcompany.atlassian.net",
"ATLASSIAN_EMAIL": "you@example.com",
"ATLASSIAN_API_TOKEN": "your_api_token_here"
}
}
}
}


Claude Desktop 재시작 → 🎉 사용 준비 완료!

---

## 🎛️ 환경변수 상세 가이드

### 필드 최적화

#### `JIRA_SEARCH_DEFAULT_FIELDS`
전체 기본 필드를 완전히 대체합니다.```env
# 최소 필드만 요청 (최대 최적화)
JIRA_SEARCH_DEFAULT_FIELDS=key,summary,status,assignee

JIRA_SEARCH_CUSTOM_FIELDS

기본 17개 필드에 추가 필드를 확장합니다.```env

기본 17개 + 커스텀 필드 2개 = 총 19개

JIRA_SEARCH_CUSTOM_FIELDS=customfield_10015,customfield_10016


#### `RESPONSE_EXCLUDE_FIELDS`
모든 응답에서 특정 필드를 제거합니다 (토큰 최적화).```env
# 기본값 (25개 필드, 20-30% 토큰 절감):
# - UI 메타데이터: avatarUrls, iconUrl, profilePicture, icon, avatarId,
#                  colorName, iconCssClass
# - API 메타데이터: expand, _expandable, self
# - 고정값: accountType, projectTypeKey, simplified, entityType
# - 빈 객체/배열: childTypes, macroRenderedOutput, restrictions, breadcrumbs
# - 워크플로우 메타데이터: hasScreen, isAvailable, isConditional, isGlobal,
#                        isInitial, isLooped
# - 중복 데이터: friendlyLastModified

# 추가 필드만 지정 (기본 25개는 자동 적용)
RESPONSE_EXCLUDE_FIELDS=customField1,customField2

필드 결정 우선순위:```
┌─────────────────────────────────┐
│ 1. API fields 파라미터 │ ← 최우선 (명시적 요청)
└─────────────────────────────────┘
↓ (없으면)
┌─────────────────────────────────┐
│ 2. JIRA_SEARCH_DEFAULT_FIELDS │ ← 기본값 완전 대체
└─────────────────────────────────┘
↓ (없으면)
┌─────────────────────────────────┐
│ 3. 기본 17개 필드 │ ← 내장 기본값
│ + JIRA_SEARCH_CUSTOM_FIELDS │ (선택적 확장)
└─────────────────────────────────┘
↓ (모든 응답에 적용)
┌─────────────────────────────────┐
│ 4. RESPONSE_EXCLUDE_FIELDS │ ← 불필요 메타데이터 제거
└─────────────────────────────────┘


### 접근 제어

#### `JIRA_PROJECTS_FILTER`
특정 Jira 프로젝트만 접근 허용:```env
JIRA_PROJECTS_FILTER=TEAM1,TEAM2,PROJ3

AI Agent가 JQL에 프로젝트를 명시하지 않으면 자동으로 필터 추가:```
사용자 JQL: status = Open
실제 실행: project IN ("TEAM1","TEAM2","PROJ3") AND (status = Open)


#### `CONFLUENCE_SPACES_FILTER`
특정 Confluence 스페이스만 접근 허용:```env
CONFLUENCE_SPACES_FILTER=TEAM,DOCS,KB

성능 튜닝

REQUEST_TIMEOUT_MS

API 요청 타임아웃 (기본: 30000ms):```env
REQUEST_TIMEOUT_MS=10000 # 빠른 실패 (네트워크 빠른 환경)
REQUEST_TIMEOUT_MS=60000 # 느린 네트워크 대응


#### `LOG_LEVEL`
로그 상세도 (기본: warn):```env
LOG_LEVEL=error  # 에러만
LOG_LEVEL=info   # 상세 로그
LOG_LEVEL=debug  # 디버깅용

🔍 Jira Search 필드 최적화

기본 17개 필드 (카테고리별)

카테고리 필드 설명
🔑 식별 key 이슈 고유 키 (예: PROJ-123)
📝 핵심 메타데이터 summary 이슈 제목
status 현재 상태 (Open, In Progress 등)
priority 우선순위 (High, Medium, Low)
issuetype 이슈 유형 (Bug, Task, Story 등)
👥 담당자 assignee 할당된 담당자
reporter 이슈 보고자
creator 이슈 생성자
📅 날짜 created 생성일
updated 최종 수정일
duedate 마감일
resolutiondate 해결일
🏷️ 분류 project 프로젝트 정보
labels 라벨 목록
components 컴포넌트 목록
🌳 계층 parent 상위 이슈
subtasks 하위 이슈 목록

제외된 필드

  • description: 대용량 텍스트 필드 (상세 조회 시에만 포함)
  • id: key와 중복
  • renderedFields: 렌더링된 HTML (expand=-renderedFields)

실전 활용```bash

방법 1: API 호출 시 명시 (최우선)

{
"jql": "project = KEY",
"fields": ["key", "summary", "status"]
}

방법 2: 환경변수로 기본값 변경

JIRA_SEARCH_DEFAULT_FIELDS=key,summary,status,assignee

방법 3: 기본값에 추가

JIRA_SEARCH_CUSTOM_FIELDS=customfield_10015

방법 4: 응답에서 불필요 필드 제거 (기본 25개 자동 적용, 추가만 지정)

RESPONSE_EXCLUDE_FIELDS=customField1,customField2


---

## 📊 기술 스택

| 구성요소 | 기술 | 특징 |
|---------|------|------|
| **언어** | Rust 1.90+ (Edition 2024) | 메모리 안전, 고성능 |
| **런타임** | Tokio 1.47 | 비동기 I/O |
| **HTTP** | Reqwest 0.12 (rustls) | TLS 1.2+ 지원 |
| **직렬화** | Serde 1.0 | JSON 처리 |
| **로깅** | Tracing 0.1 | 구조화된 로깅 |
| **빌드 최적화** | LTO + Strip | 4.4MB 바이너리 |

### API 버전
- **Jira**: REST API v3
- **Confluence**: REST API v2 (검색만 v1)

### MCP 프로토콜
- JSON-RPC 2.0 over stdio
- 지원 버전: `2024-11-05`, `2025-06-18`

---

## 🏗️ 프로젝트 구조```
src/
├── main.rs                   # 진입점
├── config/
│   └── mod.rs                # 환경변수 관리
├── mcp/
│   ├── server.rs             # MCP 프로토콜 서버
│   ├── handlers.rs           # 도구 등록
│   └── types.rs              # MCP 타입 정의
├── tools/
│   ├── handler.rs            # ToolHandler trait
│   ├── response_optimizer.rs # 응답 최적화
│   ├── jira/
│   │   ├── mod.rs            # 8개 Jira 도구
│   │   ├── adf_utils.rs      # ADF 검증 &amp; 변환
│   │   └── field_filtering.rs # 필드 최적화
│   └── confluence/
│       ├── mod.rs            # 6개 Confluence 도구
│       └── field_filtering.rs # API 최적화
└── utils/
    ├── http_utils.rs         # HTTP 클라이언트
    └── logging.rs            # 구조화된 로깅

🛠️ 개발

빌드```bash

개발 빌드

cargo build

Release 빌드 (최적화, 28초)

cargo build --release

직접 실행

cargo run

타입 체크만

cargo check


### 테스트```bash
# 전체 테스트 (180개, 0.05초)
cargo test

# 출력 포함
cargo test -- --nocapture

# 특정 테스트
cargo test test_config_validation

# ADF 테스트만
cargo test adf_utils::tests

코드 품질```bash

포맷팅

cargo fmt

Lint (zero warnings policy)

cargo clippy

전체 검사

cargo check && cargo clippy && cargo test


### Release 빌드 설정```toml
[profile.release]
opt-level = 3       # 최대 최적화
lto = true          # Link-time optimization
codegen-units = 1   # 단일 코드 생성
strip = true        # 심볼 제거

결과: 4.4MB 최적화된 바이너리


🔐 보안

인증

  • 방식: HTTP Basic Auth
  • 포맷: Authorization: Basic base64(email:api_token)
  • 전송: HTTPS 전용

입력 검증

  • 필수 파라미터 검증
  • JQL/CQL은 Atlassian API로 전달
  • JSON 스키마 검증
  • ADF 구조 검증

접근 제어

  • 프로젝트/스페이스 필터링 (서버 측)
  • 사용자 지정 필터 우선
  • 우회 불가능

❓ Troubleshooting

Claude Desktop에서 도구가 보이지 않아요

해결 방법:

  1. 설정 파일 확인```bash
    # macOS
    cat ~/Library/Application\ Support/Claude/claude_desktop_config.json

# Windows
type %APPDATA%\Claude\claude_desktop_config.json
```

  1. Claude Desktop 완전 재시작
    - 메뉴에서 "Quit" (단순 창 닫기 아님)
    - 다시 실행

  2. 바이너리 경로 확인```bash
    # 바이너리가 존재하는지 확인
    ls -la target/release/mcp-atlassian

# 실행 권한 확인
chmod +x target/release/mcp-atlassian
```

Atlassian API 연결 실패

원인 1: API Token 오류
- Atlassian API Tokens에서 새로 생성
- .env 파일 또는 claude_desktop_config.json에 올바르게 설정했는지 확인

원인 2: Domain 설정 오류```env

올바른 형식 (https:// 포함하지 않음)

ATLASSIAN_DOMAIN=yourcompany.atlassian.net

잘못된 형식

ATLASSIAN_DOMAIN=https://yourcompany.atlassian.net ❌


**원인 3: 네트워크 타임아웃**```env
# 타임아웃 증가 (기본: 30000ms)
REQUEST_TIMEOUT_MS=60000

특정 프로젝트에만 접근하고 싶어요

JIRA_PROJECTS_FILTER 사용:```env
JIRA_PROJECTS_FILTER=PROJ1,PROJ2,PROJ3


자세한 내용은 접근 제어 섹션 참조.

### 커스텀 필드를 추가하고 싶어요

`JIRA_SEARCH_CUSTOM_FIELDS` 사용:```env
JIRA_SEARCH_CUSTOM_FIELDS=customfield_10015,customfield_10016

자세한 내용은 필드 최적화 섹션 참조.

로그 확인 방법```env

.env 파일에서 로그 레벨 변경

LOG_LEVEL=debug # error, warn, info, debug, trace 중 선택
``````bash

macOS에서 서버 로그 확인 (Claude Desktop 로그)

tail -f ~/Library/Logs/Claude/mcp*.log

또는 직접 실행하여 로그 확인

./target/release/mcp-atlassian
```


📚 참고 자료

Atlassian API

  • Jira REST API v3
  • Confluence REST API v2
  • Atlassian Document Format

MCP

  • MCP 명세
  • JSON-RPC 2.0

Rust

  • Tokio
  • Reqwest
  • Serde JSON

📝 라이센스

MIT License - LICENSE 파일 참조


🤝 기여

Issue 및 Pull Request 환영합니다!

  1. Fork
  2. Feature 브랜치 생성 (git checkout -b feature/amazing)
  3. 변경사항 커밋 (git commit -m &#x27;Add amazing feature&#x27;)
  4. 브랜치 푸시 (git push origin feature/amazing)
  5. Pull Request 생성

Rust로 만든 AI Agent를 위한 초경량 고성능 MCP 서버 🦀

常见问题

6 问
答案由本站依据条目字段整理,不引用上游原文
MCP Atlassian E79c34e8 怎么安装?

资料没有给出安装命令,请到官方仓库或文档按说明接入;这类条目多数是生态应用,或尚未发布可安装包。

MCP Atlassian E79c34e8 怎么在 Claude Desktop、Claude 里配置?

它的传输方式未标注,在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,配置才会生效。

MCP Atlassian E79c34e8 收费吗?

本站不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

MCP Atlassian E79c34e8 需要 API Key 吗?

资料标注需要Token认证,使用前准备好对应凭据,并按最小权限配置。

MCP Atlassian E79c34e8 支持哪些客户端?

资料标注支持 Claude Desktop、Claude;其他客户端只要能配置 MCP Server,也能用同样的命令或地址接入。

MCP Atlassian E79c34e8 能提供哪些能力?

资料显示能力标签包括 AI代理、高性能、Rust、Claude、轻量级。具体工具清单以官方文档为准。

热门专题

按标签挑服务器
全部专题 →

服务器信息以作者仓库与官方文档为准;分类、传输方式与鉴权方式的中文说明为中文整理,最近核验 2026-05-17。