Comentarios

Código Abierto — GitScrum MCP Server es código abierto bajo la licencia MIT. Disponible en npm y en GitHub. Servidor Model Context Protocol para GitScrum — Claude, GitHub Copilot, Cursor y cualquier cliente compatible con MCP tienen acceso operacional completo a tu stack de gestión de proyectos.

La herramienta comment proporciona 3 acciones para gestionar comentarios a nivel de tarea — el canal principal de comunicación para colaboración específica de tareas. Cada nota de revisión de código, actualización de estado, pregunta de implementación y decisión técnica que vive en una tarea fluye a través de esta herramienta. Los comentarios soportan Markdown completo, permitiendo contenido enriquecido con bloques de código, formato en línea, listas y enlaces.

Los comentarios de tareas difieren de las Discusiones en alcance. Las discusiones son hilos a nivel de proyecto para temas amplios y decisiones. Los comentarios son a nivel de tarea — estrechamente vinculados a un elemento de trabajo específico, formando la narrativa de implementación que los miembros del equipo consultan durante revisiones de código, standups y retrospectivas.

Resumen de acciones

Listar comentarios

La acción list devuelve todos los comentarios de una tarea en orden cronológico. Cada comentario incluye su uuid, autor, marca de tiempo de creación y contenido en Markdown. Esto te da el historial completo de conversación de cualquier tarea.

Parámetros requeridos

Ejemplos de prompts

You:  "Muestra todos los comentarios de la tarea PROJ-42"
AI:   Resuelve la tarea por código → llama a comment action=list → devuelve el hilo de comentarios

You:  "¿Qué se ha discutido en la tarea de corrección de login?"
AI:   Encuentra la tarea → llama a comment action=list → resume la conversación

You:  "Lista los comentarios de la tarea de migración de API"
AI:   Llama a comment action=list → devuelve historial cronológico de comentarios

Crear comentarios

La acción create agrega un nuevo comentario a una tarea. Los comentarios soportan formato Markdown completo — usa bloques de código para fragmentos de código, listas con viñetas para elementos de acción y encabezados para actualizaciones estructuradas.

Parámetros requeridos

Ejemplos de prompts

You:  "Agrega un comentario a PROJ-42: 'Corregida la excepción de puntero nulo
       en el middleware de autenticación. Ver commit abc123.'"
AI:   Resuelve la tarea → llama a comment action=create con comentario en Markdown

You:  "Comenta en la tarea de login con una nota de revisión de código sobre
       la expresión regular de validación de contraseña"
AI:   Encuentra la tarea → llama a comment action=create con detalle técnico

You:  "Publica una actualización de estado en la tarea de despliegue: las pruebas de staging pasaron,
       listo para producción"
AI:   Llama a comment action=create con la actualización de estado formateada en Markdown

You:  "Agrega un comentario listando el trabajo restante:
       - Actualizar documentación de API
       - Agregar pruebas de integración
       - Actualizar changelog"
AI:   Llama a comment action=create con una checklist en Markdown

Soporte de Markdown

Los comentarios aceptan Markdown completo. Patrones comunes para comentarios de tareas:

## Actualización de Estado
Las pruebas de staging pasaron. Las 247 aserciones en verde.

## Trabajo Restante
- Actualizar documentación de API
- Agregar pruebas de integración para casos extremos
- Actualizar CHANGELOG.md

## Referencia de Código
La corrección está en `auth/middleware.ts`:

if (!token) { throw new UnauthorizedError('Token required'); }

Actualizar comentarios

La acción update reemplaza el contenido de un comentario existente. Requiere el uuid del comentario (de una respuesta de list) más el contexto de la tarea. Todo el cuerpo del comentario se reemplaza con el nuevo contenido.

Parámetros requeridos

Ejemplos de prompts

You:  "Actualiza mi último comentario en PROJ-42 para incluir los resultados del benchmark"
AI:   Lista los comentarios → identifica el más reciente tuyo → llama a comment action=update
      con el contenido revisado en Markdown

You:  "Corrige el error tipográfico en mi comentario sobre el endpoint de API"
AI:   Lista los comentarios → encuentra el comentario → llama a comment action=update

You:  "Reemplaza mi actualización de estado con: 'Todas las pruebas pasando. Desplegado en staging.
       Despliegue a producción programado para el lunes.'"
AI:   Encuentra el comentario → llama a comment action=update con nuevo contenido

Flujo de colaboración en tareas

Los comentarios son la narrativa en tiempo real de la ejecución de tareas. Combinados con otras herramientas de MCP, forman un flujo de colaboración completo:

1. Tomar la tarea

Revisa los detalles de la tarea y los comentarios existentes antes de comenzar a trabajar.

You:  "Muéstrame la tarea PROJ-42 y sus comentarios"
AI:   Llama a task action=by_code → luego comment action=list
      → devuelve los detalles de la tarea con el historial completo de comentarios

2. Publicar notas de implementación

Deja comentarios mientras trabajas en la tarea — decisiones tomadas, bloqueos encontrados, enfoques probados.

You:  "Comenta en PROJ-42: 'Investigué el problema de timeout.
       La causa raíz es el límite faltante del pool de conexiones.
       Implementando una corrección con máximo 20 conexiones.'"
AI:   Llama a comment action=create con la nota de implementación

3. Solicitar feedback

Publica fragmentos de código o preguntas técnicas para revisión del equipo.

You:  "Agrega un comentario preguntando al equipo sobre el enfoque de manejo de errores:
       ¿debemos reintentar en 503 o fallar rápido?"
AI:   Crea un comentario con la pregunta para opinión del equipo

4. Actualizar con progreso

Mantén actualizado el hilo de comentarios a medida que avanza la tarea.

You:  "Actualiza mi último comentario — la corrección del pool de conexiones está desplegada en staging"
AI:   Encuentra tu último comentario → llama a comment action=update

5. Documentar la resolución

Deja un comentario final resumiendo lo que se hizo antes de cerrar la tarea.

You:  "Agrega un comentario de cierre en PROJ-42: 'Corregido agregando límite de pool
       de conexiones de 20. Desplegado en producción. El monitoreo muestra 0 timeouts
       desde el despliegue.' Luego completa la tarea."
AI:   Crea el comentario → llama a task action=complete

Comentarios vs Discusiones

Elige la herramienta adecuada para la conversación:

Cuando un hilo de comentarios en una tarea crece hacia una decisión más amplia, considera crear una Discusión para darle al tema su propio espacio. Referencia la discusión en un comentario de tarea para que la conexión sea clara.

Resolución automática de contexto

La herramienta de comentarios soporta resolución automática de contexto. Si el asistente de IA ya conoce el workspace, proyecto y tarea de una llamada anterior en la conversación, mantiene ese contexto. Puedes decir "agrega un comentario" sin volver a especificar la tarea, siempre que el contexto de la tarea se haya establecido previamente.

Cuando se crea o lista un comentario, el servidor MCP devuelve metadatos de contexto (companyslug, projectslug, task_uuid) que el asistente de IA usa para operaciones posteriores.

Próximos pasos

• Discusiones: Crea hilos de discusión a nivel de proyecto para temas más amplios.
• Tareas: Gestiona las tareas a las que se adjuntan los comentarios.
• Wiki: Documenta decisiones y procesos en páginas wiki del proyecto.
• Inicio Rápido: Configura el servidor MCP si aún no lo has hecho.