Workflows

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 workflow fournit 2 actions pour inspecter la configuration du workflow Kanban de votre projet — la structure de colonnes qui définit comment les tâches passent de "à faire" à "en cours" puis à "terminé." Bien que les colonnes de workflow soient configurées dans l'application web GitScrum, le serveur MCP donne à votre assistant IA un accès en lecture à la structure complète du workflow, ce qui est essentiel pour créer des tâches dans la bonne colonne, déplacer des tâches entre les étapes et comprendre le processus de votre équipe.

Les workflows dans GitScrum définissent les étapes visuelles et logiques de votre tableau Kanban. Chaque colonne a un id unique (le workflow_id), un titre, une position et une couleur. Le serveur MCP expose ces métadonnées pour que votre assistant IA puisse référencer les colonnes par nom et les résoudre en identifiants numériques corrects requis par l'outil task.

Aperçu des actions

Lister les colonnes de workflow

L'action list retourne toutes les colonnes Kanban configurées pour un projet spécifique, dans leur ordre d'affichage. Chaque colonne dans la réponse inclut son id (utilisé comme workflow_id dans les opérations de tâches), uuid, titre, position et couleur. C'est la source de vérité définitive pour la structure de workflow de votre projet.

Votre assistant IA appelle généralement cette action dans sa phase de collecte de contexte — avant de créer des tâches ou de les déplacer entre colonnes, il a besoin de savoir quelles colonnes existent et quels sont leurs identifiants.

Paramètres requis

Structure de la réponse

Chaque colonne de workflow dans la réponse inclut :

Exemples de prompts

Vous :  "Montre toutes les colonnes de workflow du projet Backend"
IA :    Appelle workflow action=list → retourne les colonnes avec identifiants, titres et positions

Vous :  "Quelles colonnes Kanban sont disponibles ?"
IA :    Appelle workflow action=list → présente la structure du tableau : Backlog → To Do →
        In Progress → Code Review → QA → Done

Vous :  "Liste les étapes de workflow du projet Frontend"
IA :    Appelle workflow action=list → retourne la configuration des colonnes

Vous :  "Comment est structuré notre tableau Kanban ?"
IA :    Appelle workflow action=list → décrit le flux de colonnes de gauche à droite

Obtenir les détails d'une colonne

L'action get retourne les détails complets d'une colonne de workflow spécifique, incluant toutes ses métadonnées et propriétés de configuration. C'est utile quand vous avez besoin d'informations détaillées sur une étape particulière de votre workflow.

Paramètres requis

Exemples de prompts

Vous :  "Montre-moi les détails de la colonne 'In Progress'"
IA :    Trouve la colonne via list → appelle workflow action=get → retourne les détails complets

Vous :  "Quelle est la configuration de la colonne Code Review ?"
IA :    Appelle workflow action=get avec l'UUID de la colonne → retourne les métadonnées complètes

Comment les workflows se connectent aux tâches

Les identifiants des colonnes de workflow sont la base du placement des tâches sur le tableau Kanban. Comprendre cette connexion est essentiel pour une gestion de projet efficace pilotée par MCP.

Créer des tâches dans une colonne spécifique

Lors de la création d'une tâche, vous pouvez la placer dans une colonne spécifique en utilisant :

• column (string) : Le nom de la colonne (ex. "In Progress"). Le serveur MCP résout automatiquement cela en workflow_id correct.
• workflow_id (number) : L'identifiant numérique de la colonne depuis la liste des workflows. Utilisez ceci quand vous avez déjà l'identifiant depuis un appel workflow action=list précédent.

Le paramètre column est recommandé pour la plupart des cas d'usage car il est plus naturel en conversation. Le serveur MCP gère la résolution nom-vers-identifiant en coulisses.

Vous :  "Crée une tâche 'Corriger la validation de connexion' dans la colonne In Progress"
IA :    Appelle task action=create avec column="In Progress"
        → le serveur MCP résout automatiquement en workflow_id

Vous :  "Ajoute une tâche à la colonne Code Review"
IA :    Appelle task action=create avec column="Code Review"

Déplacer des tâches entre colonnes

Lors de la mise à jour de la colonne d'une tâche, vous pouvez utiliser le même paramètre column :

Vous :  "Déplace la tâche GS-123 vers Done"
IA :    Appelle task action=update avec column="Done"
        → le serveur MCP résout le nom de colonne en workflow_id

Vous :  "Déplace la correction de connexion vers Code Review"
IA :    Appelle task action=update avec column="Code Review"

Transférer des tâches entre projets

Lors du déplacement d'une tâche vers un projet différent avec task action=move, vous avez besoin du newworkflowid du projet cible. Différents projets peuvent avoir des configurations de workflow différentes, donc l'assistant IA doit d'abord lister les workflows du projet cible :

Vous :  "Déplace la tâche GS-123 vers le Backlog du projet Frontend"
IA :    1. Appelle workflow action=list pour le projet Frontend
        2. Trouve l'identifiant de la colonne "Backlog"
        3. Appelle task action=move avec new_project_slug et new_workflow_id

Résolution intelligente des colonnes

Le serveur MCP inclut une résolution intégrée des noms de colonnes — une fonctionnalité qui évite à votre assistant IA un appel API supplémentaire dans de nombreux scénarios. Quand vous passez un paramètre column par nom aux actions create ou update de l'outil task, le serveur :

1. Récupère la configuration du workflow du projet
2. Fait correspondre le nom de colonne (insensible à la casse)
3. Le résout en workflow_id numérique
4. Exécute l'opération de tâche avec l'identifiant correct

Si le nom de colonne ne correspond à aucune colonne existante, le serveur retourne un message d'erreur incluant la liste des noms de colonnes disponibles. Cela permet à l'assistant IA de vous suggérer le bon nom de colonne :

Vous :  "Déplace la tâche vers Review"
IA :    Essaie column="Review" → le serveur retourne "Colonne non trouvée. Colonnes disponibles :
        Backlog, To Do, In Progress, Code Review, QA, Done"
IA :    "Je ne vois pas de colonne 'Review'. Voulez-vous dire 'Code Review' ?"

Gestion des tâches par colonne

Les colonnes de workflow permettent des requêtes et opérations puissantes sur les tâches. En combinant la connaissance des workflows avec l'action filter de l'outil task, votre assistant IA peut répondre aux questions au niveau du tableau :

Consulter le contenu des colonnes

Vous :  "Quelles tâches sont dans la colonne In Progress ?"
IA :    Appelle task action=filter avec workflow="In Progress"
        → retourne toutes les tâches actuellement dans cette colonne

Vous :  "Combien de tâches sont en Code Review ?"
IA :    Appelle task action=filter avec workflow="Code Review"
        → compte et rapporte les résultats

Vous :  "Montre-moi le Backlog"
IA :    Appelle task action=filter avec workflow="Backlog"
        → retourne toutes les tâches de la colonne Backlog

Identifier les goulots d'étranglement

Vous :  "Quelle colonne a le plus de tâches ?"
IA :    Appelle workflow action=list → pour chaque colonne, appelle task action=filter
        → identifie la colonne avec le plus grand nombre de tâches

Vous :  "Y a-t-il des goulots d'étranglement dans notre workflow ?"
IA :    Analyse les compteurs de tâches par colonne → signale les colonnes avec un nombre
        de tâches disproportionnellement élevé par rapport aux autres

Vous :  "Depuis combien de temps les tâches stagnent-elles en Code Review ?"
IA :    Appelle task action=filter avec workflow="Code Review"
        → analyse les dates de création des tâches et le temps passé dans la colonne

Requêtes pour le standup quotidien

Vous :  "Donne-moi un résumé de standup : qu'est-ce qui a bougé hier, qu'est-ce qui est
         en cours, et qu'est-ce qui est bloqué ?"
IA :    Filtre les tâches par colonne et activité récente → génère un rapport de standup
        structuré couvrant Done (hier), In Progress (aujourd'hui) et éléments bloqués

Configurations de workflow typiques

Bien que chaque équipe configure son tableau différemment, voici les schémas de workflow courants que vous rencontrerez :

Workflow simple

Backlog → In Progress → Done

Workflow de développement

Backlog → To Do → In Progress → Code Review → QA → Done

Workflow agence

Brief → Design → Development → Review → Client Approval → Done

Workflow support

New → Triaged → In Progress → Resolved → Closed

Le serveur MCP fonctionne avec n'importe quelle configuration — votre assistant IA s'adapte à toutes les colonnes que votre projet utilise en lisant la structure du workflow au début de la conversation.

Résolution automatique du contexte

L'outil workflow supporte la résolution automatique du contexte. Si l'assistant IA connaît déjà votre workspace et projet depuis un appel précédent dans la conversation, il transporte ce contexte. De plus, quand la résolution intelligente de colonnes de l'outil task est utilisée, la recherche de workflow se fait automatiquement — vous n'avez pas besoin d'appeler explicitement workflow action=list avant chaque opération de tâche.

Prochaines étapes

• Tâches : Créez et déplacez des tâches à travers les colonnes de workflow.
• Types de tâches : Configurez les types de tâches pour catégoriser le travail au sein des colonnes.
• Sprints : Suivez comment les tâches traversent les colonnes pendant un sprint.
• Projets : Gérez les paramètres du projet qui incluent la configuration du workflow.
• Démarrage rapide : Configurez le serveur MCP si ce n'est pas déjà fait.