jan-mcp

jan-mcp

Converts raw GitHub notes into polished Polish release notes, PR descriptions, and changelogs using predefined workflows.

Category
Visit Server

README

Jan MCP

Version Python License

<p align="center"> <img src="docs/images/jan-kochanowski-coder-engraving.webp" alt="Jan Kochanowski jako skupiony coder w stylu starej ryciny" width="720" /> </p>

Od suchych bulletów do publikowalnych release notes. Po polsku.

Jan to repo-native MCP agent dla polskich zespołów technicznych. Bierze typowe GitHubowe notki, diffy i surowe bullet points, a oddaje gotowe changelogi, release notesy i opisy PR, które da się wkleić bez dalszego wygładzania.

  • Zamienia bezosobowe, angielskie notki z GitHuba w naturalny polski komunikat dla zespołu.
  • Trzyma się faktów i szablonów artefaktu zamiast pisać "od zera" jak ogólny chat.
  • Działa w MCP i można go prototypować za darmo na NVIDIA_API_KEY.

Szybkie przejścia: Quickstart · Before / After · Core workflows · Benchmarki

Co robi Jan

Jan jest ustawiony pod jeden konkretny workflow: komunikację zmian w software delivery po polsku.

Najlepiej sprawdza się przy:

  • release notesach i changelogach z GitHubowych bulletów
  • opisach PR dla reviewerów
  • porządkowaniu ticketów i issue do formy gotowej dla zespołu
  • notatkach rolloutowych opartych o realny kontekst z repo

Nie jest pozycjonowany jako "najmądrzejszy model ogólny". Ma być lepszym narzędziem do codziennego publikowania zmian po polsku.

Before / After

Wejście z typowych, bezosobowych notek GitHuba:

- Added retry handling for checkout webhook delivery.
- Improved cache invalidation for product detail pages.
- Fixed duplicate analytics events on checkout success.
Typowy ogólny model Jan MCP
Dodano obsługę ponownych prób dostarczenia webhooków checkoutu. Ulepszono unieważnianie pamięci podręcznej dla stron szczegółów produktu. Naprawiono zduplikowane zdarzenia analityczne po pomyślnym zakończeniu checkoutu. Poprawiliśmy niezawodność checkoutu i uporządkowaliśmy kilka elementów wokół zakupu. System lepiej ponawia dostarczanie webhooków, strony produktów szybciej pokazują aktualne dane, a analityka po zakończonym checkoutcie nie dubluje już zdarzeń.

Różnica nie polega na "magii modelu". Jan jest po prostu ustawiony produktowo pod polskie release notesy i changelogi dla współpracowników, a nie pod ogólną konwersację.

Quickstart

git clone https://github.com/pdurlej/jan-subagent.git
cd jan-subagent
python3 -m venv .venv
.venv/bin/pip install -r requirements.txt
.venv/bin/pip install -e .
export NVIDIA_API_KEY="twoj-klucz"
.venv/bin/python -m jan.jan_subagent_opencode

Gotowy sample config dla klienta MCP jest w mcp_config.json.

Jeśli chcesz szybko sprawdzić runtime lokalnie:

python3 -m pytest -q
.venv/bin/python -m compileall -q jan
.venv/bin/python -m jan.jan_subagent_opencode

Get a free NVIDIA API key

Jan działa na Bieliku przez hosted endpointy NVIDIA NIM. Do prototypowania wystarczy darmowy dostęp z NVIDIA Developer Program.

  1. Wejdź na build.nvidia.com.
  2. Otwórz dowolny model lub endpoint i kliknij Get API Key.
  3. Zaloguj się albo załóż konto w NVIDIA Developer Program.
  4. Skopiuj klucz i ustaw lokalnie jako NVIDIA_API_KEY.

Oficjalne źródła:

Przykładowy plik środowiskowy jest w .env.example.

Core workflows

Jan ma dziś najwięcej sensu jako zestaw nazwanych workflowów, a nie zbiór ogólnych promptów.

Release notes z surowych bulletów

compose_release_notes(
    raw_notes="""
    - Added retry handling for checkout webhook delivery.
    - Improved cache invalidation for product detail pages.
    - Fixed duplicate analytics events on checkout success.
    """,
    audience="customer",
)

Opis PR dla reviewera

write_pr_description(
    raw_notes="""
    checkout webhook retries
    product page cache invalidation
    analytics dedupe on success
    """,
    audience="reviewer",
)

Rewrite chaotycznego issue do formy zespołowej

rewrite_issue(
    raw_notes="""
    klient zgłasza, że po checkoutcie czasem są zdublowane eventy,
    trudno to odtworzyć, wygląda na problem po stronie success callback
    """,
    audience="internal",
    response_mode="review",
)

Notatka rolloutowa z review JSON

write_rollout_note(
    raw_notes="Rollout checkout webhook retry logic behind a feature flag.",
    audience="internal",
    response_mode="review",
)

response_mode="final" zwraca gotowy tekst do wklejenia. response_mode="review" zwraca JSON z final_text, source_trace i validator_report.

Dla kogo

Jan najlepiej pasuje do:

  • polskich zespołów produktowo-inżynieryjnych
  • leadów i senior engineerów piszących opisy PR
  • release managerów składających changelog lub release notes
  • zespołów, które chcą spójnej terminologii i szablonów bez ręcznego promptowania

Mniej sensu ma wtedy, gdy potrzebujesz ogólnego asystenta do wszystkiego albo miękkiej, relacyjnej komunikacji typu support reply czy statusowy mail.

Kiedy Jan jest lepszym wyborem niż model ogólny

Sytuacja Lepszy wybór Dlaczego
Release notes z suchych bulletów i commitów Jan Ma workflow, audience packs, policy pack i output gotowy do wklejenia.
Opis PR zgodny z template'em zespołu Jan Lepiej trzyma sekcje, fakty i terminologię z repo.
Porządkowanie issue pod zespół techniczny Jan Pracuje na named workflow, nie na improwizowanym promptcie.
Otwarta burza mózgów albo swobodny writing assistant Ogólny model Tu specjalizacja Jana daje mniej przewagi niż szeroka inteligencja ogólna.

Benchmark snapshot

Obecny pilot po refactorze paste-ready:

  • GPT-5.4: 96.5%
  • Jan: 94.0%
  • raw Bielik: 93.1%

Najważniejszy sygnał: Jan nie wygrywa "większą inteligencją ogólną". Wygrywa tym, że daje lepszy workflow i bardziej publikowalny polski output niż surowy model.

Dalsze szczegóły:

Advanced context

Jan potrafi pracować na więcej niż samym raw_notes.

  • jan.yml trzyma glossary, do_not_translate, audience packs i validation policy.
  • Workflow może korzystać z local git, GitHuba i Jiry, jeśli są dostępne kredensiale.
  • review mode dodaje traceability i raport walidacyjny zamiast zgadywania.

Najważniejsze envy:

  • NVIDIA_API_KEY
  • GITHUB_TOKEN
  • GITHUB_REPOSITORY
  • JIRA_BASE_URL
  • JIRA_EMAIL
  • JIRA_API_TOKEN
  • JAN_POLICY_FILE

Zobacz:

Dalsza lektura

Dla contributorów

Jeśli chcesz pracować nad repo, benchmarkami albo planowaniem kolejnych pivotów:

Kontakt

Recommended Servers

playwright-mcp

playwright-mcp

A Model Context Protocol server that enables LLMs to interact with web pages through structured accessibility snapshots without requiring vision models or screenshots.

Official
Featured
TypeScript
Magic Component Platform (MCP)

Magic Component Platform (MCP)

An AI-powered tool that generates modern UI components from natural language descriptions, integrating with popular IDEs to streamline UI development workflow.

Official
Featured
Local
TypeScript
Audiense Insights MCP Server

Audiense Insights MCP Server

Enables interaction with Audiense Insights accounts via the Model Context Protocol, facilitating the extraction and analysis of marketing insights and audience data including demographics, behavior, and influencer engagement.

Official
Featured
Local
TypeScript
VeyraX MCP

VeyraX MCP

Single MCP tool to connect all your favorite tools: Gmail, Calendar and 40 more.

Official
Featured
Local
graphlit-mcp-server

graphlit-mcp-server

The Model Context Protocol (MCP) Server enables integration between MCP clients and the Graphlit service. Ingest anything from Slack to Gmail to podcast feeds, in addition to web crawling, into a Graphlit project - and then retrieve relevant contents from the MCP client.

Official
Featured
TypeScript
Kagi MCP Server

Kagi MCP Server

An MCP server that integrates Kagi search capabilities with Claude AI, enabling Claude to perform real-time web searches when answering questions that require up-to-date information.

Official
Featured
Python
Neon Database

Neon Database

MCP server for interacting with Neon Management API and databases

Official
Featured
E2B

E2B

Using MCP to run code via e2b.

Official
Featured
Exa Search

Exa Search

A Model Context Protocol (MCP) server lets AI assistants like Claude use the Exa AI Search API for web searches. This setup allows AI models to get real-time web information in a safe and controlled way.

Official
Featured
Qdrant Server

Qdrant Server

This repository is an example of how to create a MCP server for Qdrant, a vector search engine.

Official
Featured