Arlet
GitHub

GitHub を ChatGPT につなぐ

ChatGPT から GitHub を検索・読み書きできます。Arlet が両者を 1 つの MCP 接続でつなぎ、鍵の管理と認証を引き受けます。

Arlet で GitHub を有効にするChatGPT の接続手順 (ドキュメント)

GitHub 公式のリモート MCP サーバーを、Arlet を通していつもの AI サービスから使えるようにします。GitHub アカウントでログインするだけで接続が完了します。

リポジトリとファイルの読み取り、Issue と Pull Request の作成・更新・レビュー、GitHub Actions の確認、コード検索まで AI から行えます。使えるツールは GitHub 公式サーバーが提供するものと同じで、読める範囲・書ける範囲はあなたの GitHub アカウントの権限と同じです。組織が OAuth アプリのアクセスを制限している場合は、組織の管理者に Arlet の承認を依頼してください。

GitHub を ChatGPT につなぐ手順

  1. 1

    Arlet のダッシュボードの「サービス連携ツール」で「サービス連携ツールを追加」を開き、GitHub を選びます。「GitHub と連携」でログインし、接続の名前を付けて「作成」します。

  2. 2

    ChatGPT の Settings → Plugins → Browse plugins を開き、右上の + をクリックします。

  3. 3

    New Plugin フォームで Name に「Arlet」、Connection に Server URL を選んで https://mcp.arlet.dev/mcp/ を入力、Authentication は OAuth を選び、リスク確認にチェックして Create します。

  4. 4

    作成した Arlet プラグインを開いて Sign in with Arlet をクリックし、Google でサインインして Allow を押すと接続完了です。

Plugins の画面が表示されない場合は、Settings → Security and login で Developer mode を有効にしてください。

できること

ChatGPT が呼び出せる GitHub のツールです。

  • get_me

    接続しているユーザーの情報を取得します。

  • search_code

    コードを横断検索します。

  • get_file_contents

    リポジトリのファイルやディレクトリの内容を取得します。

  • list_commits

    コミット履歴を一覧します。

  • create_or_update_file

    ファイルを作成・更新してコミットします。

  • push_files

    複数ファイルをまとめてコミットします。

  • list_issues

    Issue を一覧します。

  • issue_read

    Issue の詳細やコメントを取得します。

  • issue_write

    Issue を作成・更新します。

  • add_issue_comment

    Issue や Pull Request にコメントします。

  • search_issues

    Issue を検索します。

  • create_pull_request

    Pull Request を作成します。

  • pull_request_read

    Pull Request の詳細・差分・レビューを取得します。

  • search_pull_requests

    Pull Request を検索します。

  • merge_pull_request

    Pull Request をマージします。

  • actions_list

    GitHub Actions のワークフローや実行を一覧します。

  • get_job_logs

    Actions のジョブログを取得します。

  • list_notifications

    通知を一覧します。

ツール一覧は GitHub 公式 MCP サーバーの提供内容に従い、変わることがあります。

使い方の例

  • Pull Request のレビュー

    差分とコメントを読んで問題点を挙げ、レビューコメントとして投稿します。

  • CI の失敗調査

    失敗したワークフローのジョブログを読み、原因と修正案をまとめます。

  • Issue の整理

    会議メモや不具合報告から Issue を起こし、ラベルや担当者を付けて登録します。

  • コードの調査

    リポジトリを横断してある処理の実装箇所を探し、説明します。

そのまま使えるプロンプト

  • NexaScience/arlet の PR #1836 の差分をレビューして、気になる点をコメントとして投稿して
  • main で最後に失敗した Actions のジョブログを読んで原因を説明して
  • このバグ報告を再現手順・期待結果・実際の結果に整えて、bug ラベル付きで Issue を作って
  • 支払い処理のリトライがどこで実装されているかリポジトリを探して説明して

他の AI サービスで GitHub を使う