Atlassian + OpenAI：将团队合作上下文引入 ChatGPT 和 Codex
Atlassian 与 OpenAI 通过四项集成在 ChatGPT、Codex、Jira 和 Confluence 之间打通团队合作上下文：ChatGPT 内的 Atlassian MCP Server、Codex 内的 Atlassian MCP Server、人工智能编码工具至 Codex 的深度链接，以及 Rovo 支持人员中的 OpenAI 模型选择功能。
将 ChatGPT 引入 Atlassian，是把该模型直接嵌入企业级上下文层。依托 Teamwork Graph，ChatGPT 完成的每一项工作流、摘要与操作都会回流至系统，形成持续的反馈闭环，以持续优化 Rovo 以及您的自定义支持人员，使其保持协同一致。
端到端体验
规划：在 Jira 和 Confluence 中定义目标、需求和决策。
连接上下文：通过 Atlassian MCP Server 授权 ChatGPT 或 Codex。
构建：在 ChatGPT 中跨工作内容进行研究，或是在 Codex 中编码时使用 Atlassian 上下文。
审查：审查由 ChatGPT 准备的拟定 Jira、Confluence、Bitbucket 或 Compass 操作，或 Codex 准备的实施计划。
保持协同：无需切换界面，即可跟踪支持人员的进度和活动。
一套互联闭环：Atlassian 提供共享工作上下文 → ChatGPT 或 Codex 进行推理并给出建议 → 人员审查拟定的操作 → Atlassian 持续作为记录系统。
探索连接 OpenAI 与 Atlassian 的方法
Atlassian MCP Server：将 ChatGPT 连接至 Jira、Confluence 等
适用对象：希望直接在 ChatGPT 内处理已授权 Atlassian 内容（包含 Jira、Confluence、Bitbucket 和 Loom）的团队。
在 ChatGPT 中将 Atlassian MCP Server 添加为连接器，随后通过 Atlassian OAuth 完成访问授权。在对话中选定该连接器后，ChatGPT 可凭借用户已有的 Atlassian 权限调用受支持的 Atlassian 工具。
该连接器可在 ChatGPT 各类模式下使用：您可在标准对话中汇总、搜索工作内容；在深度研究模式下一次性整合来自多个 Jira、Confluence 和 Bitbucket 多个来源的佐证资料；或是在支持人员模式下执行多步骤任务并生成支持的操作，所有变更始终由您把控。
将 ChatGPT 的推理能力与 Atlassian 上下文相结合，以跟踪、更新和推进工作。
价值亮点：ChatGPT 可基于实时、权限感知的 Atlassian 上下文开展工作，用户无需将工作单和页面粘贴到提示词中。
要求：开启开发者模式的 ChatGPT Team 版或 Enterprise 版、相关 Atlassian Cloud 产品的访问权限，以及组织政策所要求的管理员审批。
Atlassian MCP Server：借助 Atlassian 上下文在 Codex 中进行开发
适用对象：希望在 Codex 中规划、实施和审查代码时，能够获取 Jira 需求和 Confluence 决策的开发者。
Codex 支持 Atlassian MCP Server，允许开发者对 Atlassian 站点完成身份验证。之后，Codex 可在命令行、桌面端或编辑器工作流中使用受支持的 Jira、Confluence 以及其他 Atlassian 应用，开发者无需手动重建工作上下文。
此外，开发者也可安装 Teamwork Graph CLI (TWG CLI)，这是一款原生终端命令行界面，用于配置支持人员技能，使 Codex 能够依托您现有的权限，在 Atlassian 产品及更广泛的 Teamwork Graph 中执行查询与操作。
不确定在 Codex 中是使用 CLI 还是 MCP？请参阅 Atlassian 的 Teamwork Graph CLI 和 Atlassian MCP 决策指南。
使用 Atlassian MCP 配置 Codex
将 Atlassian MCP Server 添加至 Codex 并完成 OAuth 身份验证。
在 Codex 中打开目标存储库。
输入指令：“读取 PAY-214 及其关联的架构决策，然后为本存储库拟定实施计划。”
在批准代码变更前，审查检索到的上下文和计划。
价值亮点：Codex 以团队达成共识的需求与决策作为起点，而不仅仅依赖本地代码库。
要求：付费版 ChatGPT 计划（Plus、Pro、Business 或 Enterprise）下的 Codex，使用支持 MCP 的 Codex CLI 或 IDE 扩展；相关 Atlassian Cloud 产品的访问权限；拥有存储库访问权限；以及调用各项 Atlassian 工具所需的产品权限。
模型选择：为 Rovo 支持人员选择 OpenAI 模型
适用对象：希望将模型系列与支持人员的推理和工作流需求相匹配的 Rovo 支持人员构建者。
基于 ChatGPT 模型构建 Rovo 支持人员。根据任务需求匹配模型：复杂工作流选用具备深度推理能力的模型，常规任务选用响应更快的模型。无论选择哪种模型，该支持人员始终依托您的 Atlassian 上下文运行。
选择 OpenAI 模型以构建 Rovo 支持人员
价值亮点：组织可自主选择模型，同时无需舍弃支撑支持人员在业务场景发挥作用的 Atlassian 上下文与管控能力。
要求：符合条件的 Rovo 计划，以及创建或配置 Rovo 支持人员的权限。可用模型选项会随计划、地区和产品配置而变化。
人工智能编码工具深度链接：直接在 Codex 中打开 Jira 工作
适用对象：想要从明确定义的 Jira 工作项转移到其编码支持人员，而无需重新编写提示词的开发者。
从已包含目标、需求和验收标准的 Jira 工作项入手，直接在 Codex 中将其打开。深度链接缩短了从规划到实施的交接流程，同时保持 Jira 作为意图来源。
示例：
打开一个准备构建的 Jira 工作项。
选择在 Codex 中打开该工作的选项
可看到 Codex 接收 Jira 上下文并拟定实施计划。
在允许代码变更前审查计划。
要求：Jira Cloud、已安装并完成身份验证的 Codex，以及相关存储库和 Jira 工作的访问权限。
各项体验如何协同运作
这些体验拥有共同基础，但解决不同业务场景。ChatGPT 连接器将 Atlassian 上下文引入对话；深度研究整合佐证资料；Codex 支撑软件开发；Rovo 模型选择功能把 OpenAI 接入由 Atlassian 构建的支持人员。
如果您想要…… | 选用方案…… |
在 ChatGPT 对话中调取 Jira、Confluence 等 Atlassian 产品的上下文信息 | ChatGPT 中的 Atlassian MCP 连接器 |
编码过程中使用 Atlassian 需求与决策 | 搭载 Atlassian MCP Server 的 Codex |
在 Atlassian 支持人员后端使用 OpenAI 模型 | Rovo 支持人员中的模型选择 |
整合各项 Atlassian 工作中的佐证资料 | ChatGPT 深度研究 |
常见问题解答
ChatGPT 和 Codex 是否会遵循我的 Atlassian 权限？是的，每一条 MCP 请求都将在您现有的 Atlassian 权限下执行，高影响操作在执行前可供审查。还提供其他管理员管控。
连接 ChatGPT 需要什么条件？开启开发者模式的 ChatGPT Team 版或 Enterprise 版、相关 Atlassian Cloud 产品的访问权限，以及组织政策所要求的管理员审批。
Codex 应该选用 Teamwork Graph CLI 还是 Atlassian MCP Server？二者互为补充。Atlassian MCP Server 适用于 IDE、Web 或沙盒主机场景，以及 PAT 访问；Teamwork Graph CLI 适用于终端或 CI/CD 工作流、可脚本化的 `twg` 命令，以及 OAuth。请参阅我们的决策指南。
我可以在 Codex 中打开 Jira 工作项吗？可以，借助人工智能编码工具深度链接，能够直接在 Codex 中打开 Jira 工作项。Codex 会读取上下文并草拟实施计划，您可在执行任何变更前进行审查。该功能需要 Jira Cloud、已完成身份验证的 Codex，以及存储库访问权限。
我可以在 Codex 中使用 Atlassian 上下文吗？可以，Codex 支持 Atlassian MCP Server；添加 Atlassian MCP Server 并向您的站点完成身份验证即可。
我的 Atlassian 数据会发送至 OpenAI 吗？当 Atlassian 上下文发送给 ChatGPT 或 Codex 时，由您组织的 OpenAI 计划及相关条款约束 OpenAI 侧的数据处理。这与在 Atlassian 托管的 Rovo 功能中使用 OpenAI 模型的场景有所区别。
入门
选择平台。在 ChatGPT 中开展调研与知识类工作，使用 Codex 进行软件开发，或通过 Rovo Studio 创建 Atlassian 支持人员。
确认访问权限和条款。核查 Atlassian 权限、OpenAI 授权、数据处理以及管理员策略。
优先只读模式。在启用写入操作或支持人员操作前，先测试搜索和摘要功能。
保持人为管控。依托现有组织治理机制，审查拟执行的更新内容与代码。