mcp-atlassian项目v0.10.3版本发布:网络连接支持与关键兼容性修复
mcp-atlassian是一个专注于Atlassian产品生态的中间件项目,它提供了与Jira和Confluence等Atlassian产品的API集成能力。该项目通过简化API调用流程、提供统一接口等方式,帮助开发者更高效地与Atlassian生态系统进行交互。
本次发布的v0.10.3版本带来了两项重要更新:全面的网络连接支持功能以及一个关键的运行时兼容性修复。这些改进显著提升了项目在企业环境中的适用性和稳定性。
网络连接支持功能的实现
在企业级开发环境中,出于安全策略或网络架构的考虑,经常需要通过特定网络连接方式访问外部API。v0.10.3版本新增了对HTTP/S和SOCKS网络连接的全面支持,使得mcp-atlassian能够适应各种复杂的网络环境。
该功能支持多种配置方式:
-
通过标准环境变量配置全局网络连接设置,包括:
- HTTP_PROXY/HTTPS_PROXY:分别配置HTTP和HTTPS请求的网络连接
- SOCKS_PROXY:配置SOCKS协议网络连接
- NO_PROXY:指定不需要通过特定网络连接的地址列表
-
针对特定服务的独立配置,例如:
- JIRA_HTTPS_PROXY:专门配置Jira服务的HTTPS网络连接
- CONFLUENCE_NO_PROXY:配置Confluence服务不需要特定网络连接的地址
这种灵活的配置策略既满足了统一管理的需求,又为特定服务提供了定制化的可能。开发者可以根据实际网络环境选择最适合的配置方式,确保API请求能够顺利到达目标服务器。
关键兼容性修复
本次版本修复了一个在使用uvx工具运行时出现的"Context is not available outside of a request"错误。这个问题源于项目依赖的fastmcp库在2.2.8及以上版本中的变更,导致上下文管理机制不兼容。
技术团队采取了以下措施解决该问题:
- 暂时将fastmcp依赖版本锁定在2.2.8以下,确保现有代码的稳定运行
- 计划在未来版本中重构代码,使其兼容最新版的fastmcp
这种处理方式既解决了当前的紧急问题,又为未来的升级做好了规划,体现了项目维护的稳健性。
技术实现细节
在网络连接功能的实现上,mcp-atlassian采用了分层设计:
- 配置层:负责解析各种来源的网络连接配置,包括环境变量和专用配置文件
- 路由决策层:根据请求目标和NO_PROXY规则决定是否使用特定网络连接
- 协议适配层:支持HTTP、HTTPS和SOCKS等多种网络连接协议
这种架构设计使得网络连接功能既强大又灵活,能够适应各种复杂的企业网络环境。
对于兼容性问题,团队采用了依赖版本锁定的临时解决方案,同时制定了长期的技术路线图。这种平衡短期需求和长期发展的决策方式,值得其他开源项目借鉴。
升级建议
对于现有用户,建议尽快升级到v0.10.3版本,特别是:
- 需要在内网通过特定网络连接访问Atlassian服务的用户
- 使用uvx工具运行项目的开发者
升级过程通常只需更新依赖版本即可,现有配置和代码无需修改。对于需要配置网络连接的用户,可以参考项目文档中的示例配置进行设置。
未来展望
根据项目的发展路线,未来版本将重点关注:
- 完全兼容最新版fastmcp的代码重构
- 网络连接功能的进一步增强,如支持认证机制
- 更细粒度的网络配置选项
这些改进将进一步巩固mcp-atlassian作为Atlassian生态集成首选工具的地位。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00