Moduł 6 60 min Zaawansowany

Automatyzacja raportów

Czego się nauczysz
  • Zbudujesz pipeline automatycznej analizy z Claude Code
  • Podłączysz MCP server (GitHub lub filesystem)
  • Wygenerujesz changelog i raport jakości kodu
  • Uruchomisz cały workflow jednym poleceniem

Cel projektu

Skonfiguruj Claude Code z MCP servers i zbuduj workflow: (1) pobierz dane z repozytorium, (2) przeanalizuj zmiany z ostatniego tygodnia, (3) wygeneruj changelog, (4) stwórz raport jakości kodu, (5) zapisz wynik do pliku markdown.

Krok 1: Konfiguracja MCP

Dodaj filesystem MCP do .mcp.json:

{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": ["-y",
        "@modelcontextprotocol/server-filesystem",
        "/ścieżka/do/projektu"]
    }
  }
}

Przy pierwszym uruchomieniu Claude Code zapyta o zgodę na serwery z .mcp.json. Potwierdź ją, to zabezpieczenie. Claude Code sam czyta pliki projektu, więc w tym projekcie serwer filesystem to głównie ćwiczenie konfiguracji. W praktyce wskaż mu katalog poza projektem, np. wspólny folder z raportami.

Opcjonalnie dodaj GitHub MCP poleceniem z lekcji o MCP (zdalny serwer i token w nagłówku Authorization). Serwery z logowaniem OAuth, np. Sentry, autoryzujesz z terminala komendą claude mcp login <nazwa>, a poświadczenia czyścisz komendą claude mcp logout <nazwa> (stan na 1 października 2026).

Krok 2: Analiza zmian

Przeanalizuj zmiany w tym repozytorium z ostatniego
tygodnia (git log --since="7 days ago").
Dla każdego commita: autor, data, opis, zmienione pliki.

Krok 3: Changelog

Na podstawie analizy zmian wygeneruj CHANGELOG.md:
- Sekcje: Added, Changed, Fixed, Removed
- Każdy wpis z odniesieniem do commita
- Format: Keep a Changelog (keepachangelog.com)

Krok 4: Raport jakości

Przeprowadź audyt jakości kodu:
1. Struktura projektu - czy jest logiczna?
2. Pokrycie testami - ile plików ma testy?
3. Potencjalne bugi - sprawdź typowe problemy
4. Zależności - czy są przestarzałe?
5. Bezpieczeństwo - czy nie ma exposed secrets?

Format: raport markdown z priorytetami
[KRYTYCZNY] / [PILNY] / [SUGESTIA].

Krok 5: Automatyzacja

Stwórz skill /weekly-report. Zapisz go w pliku .claude/skills/weekly-report/SKILL.md. Pola frontmattera są opcjonalne, ale wpisz pole description: na jego podstawie Claude decyduje, kiedy użyć skilla. Pole name ustala nazwę komendy, a bez niego komendą zostaje nazwa katalogu (stan na 1 października 2026):

---
name: "weekly-report"
description: "Generujesz tygodniowy raport z repozytorium"
---

1. Przeanalizuj git log z ostatnich 7 dni
2. Wygeneruj CHANGELOG.md
3. Przeprowadź audyt jakości kodu
4. Zapisz raport do reports/weekly-YYYY-MM-DD.md
5. Podsumuj: co się zmieniło, co wymaga uwagi

Teraz wystarczy wpisać /weekly-report w Claude Code. Skill nie musi startować w trybie auto: jeśli chcesz obejrzeć plan przed zapisem raportu, przełącz Shift+Tab na Plan Mode.

Cykliczne uruchamianie ustawisz komendą /schedule (alias /routines). Tworzy ona rutynę (routine), czyli zadanie uruchamiane w chmurze Anthropic. Rutyny są w fazie research preview (wersja testowa) i działają na planach Pro, Max, Team i Enterprise.

Rutyna startuje jak sesja w chmurze, ze świeżego klona repozytorium. Nie widzi plików ani serwerów MCP, które są tylko na Twoim komputerze, więc lokalna ścieżka z Kroku 1 tam nie zadziała.

Przy dużym repozytorium audyt możesz rozbić na subagentów - działają domyślnie w tle, a ich stan podejrzysz w /tasks.

Deliverable: Skrypt automatyzacji + skill /weekly-report + dokumentacja workflow.

Co dalej

Ostatni projekt: Twoje AI Portfolio.