SAP Cloud ALM MCP-Server: KI-gestütztes Application Lifecycle Management

SAP Cloud ALM ist das zentrale Werkzeug für Application Lifecycle Management in modernen SAP-Landschaften. Doch der Zugang zu seinen umfangreichen Daten erfordert oft das Navigieren durch zahlreiche Oberflächen und APIs. Unser neuer Open-Source MCP-Server überbrückt diese Lücke und macht Cloud ALM direkt für KI-Assistenten wie Claude zugänglich – mit über 75 spezialisierten Tools für neun verschiedene APIs.

In diesem Beitrag stellen wir unseren Consetto Cloud ALM OData MCP-Server vor, erläutern seine Architektur und zeigen, wie er die tägliche Arbeit mit Cloud ALM grundlegend verändern kann.

Warum ein MCP-Server für Cloud ALM?

SAP Cloud ALM bietet eine Fülle von Funktionen: Feature-Tracking, Dokumentenmanagement, Aufgabenverwaltung, Testmanagement, Transportsteuerung, Analytics und Process Monitoring. Jede dieser Funktionen hat ihre eigene API, ihre eigenen Datenmodelle und Abfrageparameter. Für Entwickler und Projektmanager bedeutet das, zwischen verschiedenen Oberflächen und Tools zu wechseln, um einen vollständigen Überblick zu erhalten.

Das Model Context Protocol löst dieses Problem, indem es KI-Assistenten ermöglicht, strukturiert auf all diese APIs zuzugreifen. Anstatt manuell Daten aus verschiedenen Cloud ALM-Bereichen zusammenzusuchen, können Benutzer einfach fragen: „Zeige mir alle offenen Features im Projekt XYZ" oder „Welche Testfälle sind für den aktuellen Sprint geplant?"

Architektur und Technologie

Der MCP-Server ist in Rust implementiert und verbindet sich über OData v4 und REST mit den SAP Cloud ALM APIs. Rust wurde bewusst gewählt: Es bietet hervorragende Performance, Speichersicherheit ohne Garbage Collector und erzeugt kompakte, eigenständige Binärdateien. Das Ergebnis ist ein Server, der schnell startet und ressourcenschonend arbeitet.

Unterstützte APIs

Der Server deckt neun Cloud ALM APIs ab. Die Features API ermöglicht das Management und Tracking von Features über OData v4. Die Documents API bietet Zugriff auf Dokumentenverwaltung und -speicherung. Über die Tasks API lassen sich Aufgaben erstellen, zuweisen und verwalten. Die Projects API dient der Projektadministration einschließlich Sprints und Teams. Das Testmanagement deckt die Test Management API ab, die Testfälle und Testaktivitäten verwaltet. Die Process Hierarchy API organisiert Prozessstrukturen, während die Analytics API umfangreiche Datenanalyse und Reporting ermöglicht. Process Monitoring beobachtet Geschäftsprozesse und deren Flüsse. Schließlich bietet die Logs API Zugriff auf Protokolldaten im OpenTelemetry-Format.

Über 75 spezialisierte Tools

Aus diesen neun APIs ergeben sich über 75 einzelne MCP-Tools. Für die Features API sind das zehn Tools – vom Auflisten und Abrufen einzelner Features über das Erstellen und Aktualisieren bis hin zur Verwaltung externer Referenzen und dem Abruf verfügbarer Status- und Prioritätscodes. Die Documents API stellt sieben Tools bereit, die Tasks API zehn, einschließlich Kommentar- und Referenzverwaltung. Die Projects API bietet sieben Tools für Projekte, Programme, Sprints und Teams. Das Testmanagement umfasst neun Tools für Testfälle, Testaktivitäten und Testaktionen.

Besonders umfangreich ist die Analytics API mit 19 Tools. Neben einer generischen Abfragefunktion für beliebige Datenprovider gibt es spezialisierte Tools für Requirements, Tasks, Defects, Features, Tests, Quality Gates, Projekte, Konfigurationselemente, Exceptions, Jobs, Messages, Metriken, Monitoring Events, Requests, Szenario-Ausführungen, Service Levels und Status Events. Das Process Monitoring ergänzt sieben weitere Tools und die Logs API zwei.

Authentifizierung und Sicherheit

Der Server unterstützt zwei Authentifizierungsmodi. Für produktive Umgebungen kommt OAuth2 mit Client Credentials zum Einsatz. Dabei werden Tenant-Name, Region und die Credentials eines SAP Cloud ALM Service Keys konfiguriert. Der Server unterstützt alle gängigen SAP-Regionen: EU10, EU20, US10, AP10, JP10, CA10, EU11 und CN20.

Für erste Tests und Evaluierung steht ein Sandbox-Modus zur Verfügung, der mit einem API-Key des SAP API Business Hub arbeitet. So können Teams den Server ausprobieren, ohne zunächst produktive Credentials einrichten zu müssen.

Schreiboperationen mit Bestätigung

Neben Lesezugriff unterstützt der Server auch experimentelle Schreiboperationen: Features erstellen, Aufgaben aktualisieren, Testfälle anlegen und mehr. Diese Operationen sind als experimentell gekennzeichnet und erfordern eine explizite Bestätigung durch den Benutzer, bevor sie ausgeführt werden. So wird sichergestellt, dass die KI keine unbeabsichtigten Änderungen an Cloud ALM-Daten vornimmt.

Einrichtung und Integration

Die Einrichtung des Servers umfasst drei Schritte. Zunächst wird das Repository geklont und mit Rust kompiliert. Das Build erzeugt eine optimierte, einzelne Binärdatei. Anschließend wird eine Konfigurationsdatei mit den Zugangsdaten erstellt – das Repository enthält Beispielkonfigurationen für beide Authentifizierungsmodi.

Die Integration in Claude Desktop erfolgt über die MCP-Server-Konfiguration. Dort wird der Pfad zur kompilierten Binärdatei und zur Konfigurationsdatei hinterlegt. Nach einem Neustart von Claude Desktop stehen alle 75+ Tools zur Verfügung.

Debug-Modus

Für die Fehlersuche bietet der Server einen umfassenden Debug-Modus. Aktiviert über die Konfiguration oder per Kommandozeilenparameter, protokolliert er alle MCP-Nachrichten, API-Anfragen und -Antworten sowie den Authentifizierungsfluss. Die Trace-Dateien werden unter einem temporären Pfad mit Zeitstempel abgelegt und ermöglichen eine detaillierte Analyse der Kommunikation zwischen KI-Assistent und Cloud ALM.

Anwendungsszenarien

Projektüberblick in Sekunden

Statt sich durch verschiedene Cloud ALM-Bildschirme zu navigieren, fragt ein Projektleiter einfach: „Gib mir einen Überblick über den aktuellen Stand des Projekts Migration-S4." Die KI aggregiert Informationen aus Projekten, Features, Tasks und Analytics und liefert einen zusammenhängenden Statusbericht.

Testmanagement per Sprache

Ein Testmanager weist an: „Erstelle einen neuen Testfall für die Bestellungsanlage im Projekt ERP-Upgrade und ordne ihn der aktuellen Testaktivität zu." Die KI nutzt die Testmanagement-Tools, um den Testfall anzulegen und mit der richtigen Aktivität zu verknüpfen – alles in einem natürlichsprachigen Dialog.

Analytics ohne Umwege

Ein Entwicklungsleiter fragt: „Wie viele Defects wurden in den letzten zwei Wochen erstellt und wie viele geschlossen? Zeige mir den Trend." Die KI nutzt die Analytics-Tools, um die relevanten Daten abzurufen und in einer verständlichen Zusammenfassung zu präsentieren.

Prozessüberwachung

Ein Operations-Team möchte wissen: „Welche Geschäftsprozesse zeigen aktuell Auffälligkeiten?" Über die Process Monitoring Tools kann die KI Geschäftsprozesse, Solution Processes und deren Flüsse abfragen und problematische Bereiche identifizieren.

Open Source und Erweiterbarkeit

Der SAP Cloud ALM MCP-Server ist als Open-Source-Projekt unter MIT-Lizenz auf GitHub verfügbar. Die modulare Architektur des Rust-Codes – mit separaten Modulen für jede API – macht es einfach, neue APIs hinzuzufügen oder bestehende zu erweitern. Beiträge aus der Community sind willkommen.

Der Quellcode ist klar strukturiert: Ein zentrales Server-Modul koordiniert die MCP-Kommunikation, separate API-Module implementieren die jeweiligen Endpunkte, ein OData-Query-Builder unterstützt flexible Abfragen mit Filtern, Selektion, Sortierung und Paginierung, und das Auth-Modul abstrahiert die verschiedenen Authentifizierungsmodi.

Fazit

Der SAP Cloud ALM MCP-Server demonstriert das Potenzial der KI-Integration im Application Lifecycle Management. Durch die Verbindung von Cloud ALMs umfangreichen APIs mit dem Model Context Protocol wird die gesamte Breite des ALM – von Features über Tests bis hin zu Analytics und Monitoring – in natürlicher Sprache zugänglich.

Für Teams, die bereits mit SAP Cloud ALM arbeiten, eröffnet der MCP-Server neue Möglichkeiten der Produktivität. Anstatt zwischen Oberflächen zu wechseln und Daten manuell zusammenzutragen, können sie die KI als intelligente Schnittstelle nutzen. Das Projekt ist frei verfügbar auf GitHub – wir freuen uns auf Feedback und Beiträge.