Confluence MCP 服务器

一个用于 Atlassian Confluence 的 Model Context Protocol (MCP) 服务器实现。该服务器提供了一系列工具，通过 MCP 协议与 Confluence 交互，使 AI代理能够无缝处理 Confluence 内容。使用 Flask 构建，便于部署到 Cloud Run。

功能

• 使用 Confluence 查询语言（CQL）搜索页面和空间
• 列出所有可用的 Confluence 空间
• 创建、读取、更新和删除 Confluence 页面
• 丰富的 Confluence 资源元数据支持
• 基于 Flask 的服务器，适用于 Cloud Run 部署
• 配备 MCP 工具，便于 AI 代理集成

安装

1. 克隆仓库
2. 安装依赖项：

pip install -r requirements.txt

配置

在项目根目录中创建一个 .env 文件，并添加以下变量：

CONFLUENCE_URL=https://your-instance.atlassian.net/wiki
CONFLUENCE_ACCESS_TOKEN=your_access_token
PORT=8080  # 可选，默认为 8080

获取访问令牌的方法：

1. 登录到您的 Atlassian 账户
2. 进入 Account Settings > Security > Create and manage API tokens
3. 创建新的 API 令牌并复制它

可用工具

服务器提供了以下 MCP 工具：

1. 搜索内容

@tool("search_confluence")
def search(query: str) -> Dict[str, Any]

2. 获取空间

@tool("get_spaces")
def get_spaces() -> Dict[str, Any]

3. 获取页面内容

@tool("get_page_content")
def get_page_content(space_key: str, page_id: str) -> Dict[str, Any]

4. 创建页面

@tool("create_page")
def create_page(space_key: str, title: str, content: str) -> Dict[str, Any]

5. 更新页面

@tool("update_page")
def update_page(space_key: str, page_id: str, content: str) -> Dict[str, Any]

6. 删除页面

@tool("delete_page")
def delete_page(space_key: str, page_id: str) -> Dict[str, Any]

本地运行

在本地运行服务器：

python example.py

服务器将在 http://localhost:8080 启动

Cloud Run 部署

1. 构建 Docker 镜像：

docker build -t confluence-mcp .

2. 打标签并推送到 Google Container Registry：

docker tag confluence-mcp gcr.io/[PROJECT-ID]/confluence-mcp
docker push gcr.io/[PROJECT-ID]/confluence-mcp

3. 部署到 Cloud Run：

gcloud run deploy confluence-mcp \
  --image gcr.io/[PROJECT-ID]/confluence-mcp \
  --platform managed \
  --allow-unauthenticated \
  --set-env-vars="CONFLUENCE_URL=[YOUR_URL],CONFLUENCE_ACCESS_TOKEN=[YOUR_TOKEN]"

错误处理

所有工具都包含适当的错误处理，并将返回格式正确的错误消息。响应格式包括：

• 成功情况：指定格式的相关数据
• 错误情况：{"error": "错误信息"}

安全注意事项

1. 总是使用环境变量存储敏感数据
2. 考虑使用 Cloud Run 的内置密钥管理功能
3. 为您的端点实现适当的认证
4. 确保 Confluence 访问令牌的安全性

贡献指南

欢迎贡献！请参考项目文档了解如何参与开发。

许可证

该项目遵守 [LICENSE] 协议。