Commentaires

Open Source — GitScrum MCP Server est open source sous la licence MIT. Disponible sur npm et sur GitHub. Serveur Model Context Protocol pour GitScrum — Claude, GitHub Copilot, Cursor et tout client compatible MCP disposent d'un accès opérationnel complet à votre stack de gestion de projets.

L'outil comment fournit 3 actions pour gérer les commentaires au niveau des tâches — le canal de communication principal pour la collaboration spécifique aux tâches. Chaque note de revue de code, mise à jour de statut, question d'implémentation et décision technique qui vit sur une tâche passe par cet outil. Les commentaires supportent le Markdown complet, permettant du contenu riche avec des blocs de code, du formatage inline, des listes et des liens.

Les commentaires de tâches diffèrent des Discussions par leur portée. Les discussions sont des fils au niveau du projet pour des sujets et décisions larges. Les commentaires sont au niveau de la tâche — étroitement liés à un élément de travail spécifique, formant le récit d'implémentation que les membres de l'équipe consultent lors des revues de code, des standups et des rétrospectives.

Aperçu des actions

Lister les commentaires

L'action list retourne tous les commentaires d'une tâche par ordre chronologique. Chaque commentaire inclut son uuid, auteur, horodatage de création et contenu Markdown. Cela vous donne l'historique complet de la conversation pour n'importe quelle tâche.

Paramètres requis

Exemples de prompts

You:  "Montre tous les commentaires de la tâche PROJ-42"
AI:   Résout la tâche par code → appelle comment action=list → retourne le fil de commentaires

You:  "Qu'a-t-on discuté sur la tâche de correction du login ?"
AI:   Trouve la tâche → appelle comment action=list → résume la conversation

You:  "Liste les commentaires de la tâche de migration API"
AI:   Appelle comment action=list → retourne l'historique chronologique des commentaires

Créer des commentaires

L'action create ajoute un nouveau commentaire à une tâche. Les commentaires supportent le formatage Markdown complet — utilisez des blocs de code pour les extraits de code, des listes à puces pour les actions à mener et des titres pour les mises à jour structurées.

Paramètres requis

Exemples de prompts

You:  "Ajoute un commentaire sur PROJ-42 : 'Corrigé l'exception null pointer
       dans le middleware d'authentification. Voir le commit abc123.'"
AI:   Résout la tâche → appelle comment action=create avec le commentaire Markdown

You:  "Commente la tâche de login avec une note de revue de code sur
       la regex de validation du mot de passe"
AI:   Trouve la tâche → appelle comment action=create avec le détail technique

You:  "Publie une mise à jour de statut sur la tâche de déploiement : les tests de staging sont passés,
       prêt pour la production"
AI:   Appelle comment action=create avec la mise à jour de statut formatée en Markdown

You:  "Ajoute un commentaire listant le travail restant :
       - Mettre à jour la documentation API
       - Ajouter les tests d'intégration
       - Mettre à jour le changelog"
AI:   Appelle comment action=create avec une checklist Markdown

Support Markdown

Les commentaires acceptent le Markdown complet. Patterns courants pour les commentaires de tâches :

## Mise à jour de statut
Les tests de staging sont passés. Les 247 assertions sont au vert.

## Travail restant
- Mettre à jour la documentation API
- Ajouter les tests d'intégration pour les cas limites
- Mettre à jour le CHANGELOG.md

## Référence de code
Le correctif est dans `auth/middleware.ts` :

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

Mettre à jour les commentaires

L'action update remplace le contenu d'un commentaire existant. Cela nécessite le uuid du commentaire (depuis une réponse list) ainsi que le contexte de la tâche. L'intégralité du corps du commentaire est remplacée par le nouveau contenu.

Paramètres requis

Exemples de prompts

You:  "Mets à jour mon dernier commentaire sur PROJ-42 pour inclure les résultats de benchmark"
AI:   Liste les commentaires → identifie le plus récent → appelle comment action=update
      avec le contenu Markdown révisé

You:  "Corrige la faute de frappe dans mon commentaire sur le endpoint API"
AI:   Liste les commentaires → trouve le commentaire → appelle comment action=update

You:  "Remplace ma mise à jour de statut par : 'Tous les tests passent. Déployé en staging.
       Déploiement en production prévu pour lundi.'"
AI:   Trouve le commentaire → appelle comment action=update avec le nouveau contenu

Workflow de collaboration sur les tâches

Les commentaires sont le récit en temps réel de l'exécution d'une tâche. Combinés avec d'autres outils MCP, ils forment un workflow de collaboration complet :

1. Prendre la tâche en charge

Vérifiez les détails de la tâche et les commentaires existants avant de commencer le travail.

You:  "Montre-moi la tâche PROJ-42 et ses commentaires"
AI:   Appelle task action=by_code → puis comment action=list
      → retourne les détails de la tâche avec l'historique complet des commentaires

2. Publier des notes d'implémentation

Laissez des commentaires au fur et à mesure que vous travaillez sur la tâche — décisions prises, blockers rencontrés, approches tentées.

You:  "Commente PROJ-42 : 'Investigué le problème de timeout.
       La cause racine est l'absence de limite du pool de connexions.
       Implémentation d'un correctif avec 20 connexions max.'"
AI:   Appelle comment action=create avec la note d'implémentation

3. Demander un retour

Publiez des extraits de code ou des questions techniques pour la revue de l'équipe.

You:  "Ajoute un commentaire demandant à l'équipe de revoir l'approche de gestion d'erreurs :
       doit-on réessayer sur 503 ou échouer immédiatement ?"
AI:   Crée un commentaire avec la question pour le retour de l'équipe

4. Mettre à jour avec la progression

Maintenez le fil de commentaires à jour au fur et à mesure que la tâche progresse.

You:  "Mets à jour mon dernier commentaire — le correctif du pool de connexions est déployé en staging"
AI:   Trouve votre dernier commentaire → appelle comment action=update

5. Documenter la résolution

Laissez un commentaire final résumant ce qui a été fait avant de fermer la tâche.

You:  "Ajoute un commentaire de clôture sur PROJ-42 : 'Corrigé en ajoutant une limite
       de pool de connexions à 20. Déployé en production. Le monitoring montre 0 timeout
       depuis le déploiement.' Puis complète la tâche."
AI:   Crée le commentaire → appelle task action=complete

Commentaires vs Discussions

Choisissez le bon outil pour la conversation :

Lorsqu'un fil de commentaires sur une tâche évolue vers une décision plus large, envisagez de créer une Discussion pour donner au sujet son propre espace. Référencez la discussion dans un commentaire de tâche pour que le lien soit clair.

Résolution automatique du contexte

L'outil commentaire supporte la résolution automatique du contexte. Si l'assistant IA connaît déjà le workspace, le projet et la tâche depuis un appel précédent dans la conversation, il conserve ce contexte. Vous pouvez dire « ajoute un commentaire » sans re-spécifier la tâche, tant que le contexte de la tâche a été établi au préalable.

Lorsqu'un commentaire est créé ou listé, le serveur MCP retourne des métadonnées de contexte (companyslug, projectslug, task_uuid) que l'assistant IA utilise pour les opérations suivantes.

Prochaines étapes

• Discussions : Créez des fils de discussion au niveau du projet pour des sujets plus larges.
• Tâches : Gérez les tâches auxquelles les commentaires sont attachés.
• Wiki : Documentez les décisions et les processus dans les pages wiki du projet.
• Démarrage rapide : Configurez le serveur MCP si ce n'est pas déjà fait.