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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00