mcp-atlassian项目v0.3.1版本发布:安全连接与搜索功能增强
mcp-atlassian是一个专注于Atlassian产品生态的Python客户端库,它提供了与Jira、Confluence等Atlassian产品的API交互能力。该项目旨在简化开发者与Atlassian产品的集成工作,通过封装复杂的API调用,提供更加Pythonic的接口方式。
核心改进
1. SSL验证问题的修复
在v0.3.1版本中,开发团队修复了一个关键的SSL验证问题。当用户选择不进行SSL验证时,原先的实现会导致SSLError异常。这个问题在需要与自签名证书或开发环境中的Atlassian实例交互时尤为突出。
修复方案通过重构SSL验证逻辑,确保在用户显式禁用SSL验证时,能够正确配置请求会话,避免不必要的安全异常。这一改进特别适合以下场景:
- 企业内部使用自签名证书的Atlassian实例
- 开发测试环境中临时禁用SSL验证的需求
- 与旧版本Atlassian产品的兼容性需求
2. 搜索过滤功能增强
新版本为Jira和Confluence增加了强大的搜索过滤支持。开发者现在可以通过更灵活的条件来筛选API返回的结果,这在处理大量数据时尤为重要。
主要改进包括:
- 支持多条件组合过滤
- 提供更直观的查询构建方式
- 优化了结果集的返回格式
例如,现在可以轻松构建类似"状态为开放且优先级为高的Jira问题"这样的复杂查询,而无需手动拼接查询字符串。
3. 日志级别优化
考虑到集成开发环境(如VS Code)的使用体验,v0.3.1版本降低了默认日志级别。这一改变使得库在开发过程中产生的日志输出更加合理,避免了控制台信息过载的问题。
架构优化
本次发布还对项目内部结构进行了重要重构:
-
模块化重构:将原先的utils通用工具模块拆分为多个专门的子模块,提高了代码的组织性和可维护性。这种重构使得:
- 功能边界更加清晰
- 依赖关系更加明确
- 未来扩展更加容易
-
文档更新:同步更新了项目文档,特别是针对Cursor 0.47版本的兼容性说明,确保开发者能够快速上手最新功能。
升级建议
对于现有用户,建议尽快升级到v0.3.1版本以获取以下优势:
- 更稳定的SSL连接处理
- 更强大的搜索能力
- 更友好的开发体验
升级过程通常只需更新pip包即可,不会破坏现有的API兼容性。对于使用搜索过滤功能的用户,建议查阅更新后的文档以了解新的查询构建方式。
这个版本的发布体现了mcp-atlassian项目对开发者体验的持续关注,通过解决实际问题和完善功能细节,进一步巩固了其作为Atlassian生态Python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