Skip to content

Claude Code Mastery: Hatékony Workflow Útmutató

Létrehozva: 2026-04-21 Célközönség: Infrastructure Team (the company production/OPS Team) Cél: Maximális produktivitás Claude Code-dal, MCP szerverek kombinált használatával

Miért ez az útmutató?

Jelenlegi helyzet: - MCP szerverek telepítve (LUMINO, Jira, PagerDuty, GitHub, GitLab, Service-C) - production skills telepítve (5 darab) - Alapvető workflow működik

Cél: - 70-80% gyorsabb Jira investigation workflow - 🧠 Kontextusban maradás projektek között - ⚡ Automatizált rutinfeladatok (mint Pete /agenda skill-je) - 🎨 Custom workflow-k saját igényekhez

Rendelkezésre Álló Eszközök (Inventory)

MCP Szerverek (Model Context Protocol)

Szerver Eszközök Használati Terület
lumino 37 tool Kubernetes/OpenShift/Tekton observability
jira 12 tool Jira ticket management
pagerduty ~10 tool Incident management
github ~15 tool GitHub repos, PRs, issues
gitlab ~15 tool GitLab MRs, pipelines
service-c ~12 tool the company Service-C build system (Pete)
servicenow (dev) ITSM incident management

Skills (production CI/CD Tudásbázis)

Skill Trigger Használat
debugging-pipeline-failures Tekton pipeline hibák PipelineRun/TaskRun debugging
navigating-github-to-production-pipelines GitHub PR → production PR checks → kubectl debugging
understanding-production-resources production CR-ek Application, Component, Snapshot, ReleasePlan
working-with-provenance Image → build Konténer provenance követés
component-build-status Build trigger Component build állapot

Inspiráció: Pete Custom Skills

Pete personal skills példák (~/.claude/skills/): - /agenda - Reggeli briefing (Kerberos, PagerDuty on-call, Jira, GitLab MRs, GitHub PRs) - /service-c - Service-C builder dashboard (host health, channels, failed/running tasks) - /production-board - KFLUXSPRT Jira board check (ma megérkezett ticket-ek, unassigned items)

Hatékony Workflow Minták

1. Reggeli Rutinautomatizálás (Pete mintája)

Probléma: Minden reggel manuálisan ellenőrzöd: - Kerberos ticket lejárat - PagerDuty on-call státusz - Új Jira ticket-ek - GitHub/GitLab nyitott PR-ek/MR-ek

Megoldás: Custom /morning-briefing skill

Implementáció: 

mkdir -p ~/.claude/skills/morning-briefing
cat > ~/.claude/skills/morning-briefing/SKILL.md << 'EOF'
---
name: morning-briefing
description: Napi reggeli összefoglaló - Kerberos, PagerDuty, Jira KFLUXSPRT/KFLUXINFRA új ticket-ek, GitLab/GitHub nyitott MR/PR-ek
---

# Morning Briefing Skill

## Automatikus Reggeli Összefoglaló

**Használat:** Minden reggel futtatva kapsz egy gyors dashboard-ot.

### 1. Kerberos Ticket Ellenőrzés

```bash
klist | grep "krbtgt" | awk '{print $1, $2, $3}'

Keresendő: Ha < 2 óra van hátra, figyelmeztess: kinit szükséges!

2. PagerDuty On-Call Státusz

MCP tool használat: - mcp__pagerduty__get_oncall - Ki van jelenleg on-call? - mcp__pagerduty__get_my_incidents - Van-e nyitott incidensed?

Keresendő: - On-call vagy-e ma? - Van-e triggered vagy acknowledged incidens?

3. Jira Új Ticket-ek (Ma érkezett)

MCP tool használat: - mcp__jira__search_issues JQL-lel: 

project IN (KFLUXSPRT, KFLUXINFRA, OPS) 
AND created >= startOfDay() 
ORDER BY created DESC

Formátum: 

🆕 Új Jira Ticket-ek (Ma):
- [KFLUXSPRT-1234] Pipeline failure investigation
- [KFLUXINFRA-5678] Upgrade cluster to 4.15

4. Assigned Ticket-ek (Saját)

MCP tool használat: - mcp__jira__get_my_issues status filter: In Progress, To Do

Formátum: 

Saját Feladatok:
- [KFLUXSPRT-9999] (In Progress) - Deploy new feature
- [OPS-1111] (To Do) - Review security patch

5. GitLab Open MR-ek (gitlab.cee.company.internal)

MCP tool használat: - mcp__gitlab__list_merge_requests scope: assigned_to_me, state: opened

Keresendő: - Review szükséges? - Pipeline sikeres? - Merge conflict?

6. GitHub Open PR-ek (github.com/production-ci)

MCP tool használat: - mcp__github__list_pull_requests state: open, user: ops-lead

Keresendő: - Review comments - CI status - Merge readiness

Output Sablon

☀️ REGGELI ÖSSZEFOGLALÓ - 2026-04-21
=====================================

🎫 Kerberos: Érvényes (8h 32m)
🚨 PagerDuty: On-call (ma 08:00-18:00) - 1 acknowledged incident
🆕 Jira (Ma): 3 új ticket (KFLUXSPRT: 2, KFLUXINFRA: 1)
Saját: 2 In Progress, 1 To Do
🔀 GitLab: 1 MR review kell
🔃 GitHub: 2 PR waiting for CI

RÉSZLETEK:
----------
Jira Új:
- [KFLUXSPRT-7890] Build timeout in production-stage
- [KFLUXSPRT-7891] User question: How to trigger manual pipeline?
- [KFLUXINFRA-3456] Plan OCP 4.16 migration

Saját MR/PR:
- GitLab: !456 "Fix Tekton pipeline RBAC" (Approval: 1/2)
- GitHub: #789 "Update lumino-mcp-server docs" (CI passing)
- GitHub: #790 "Add new Prometheus queries" (CI running)

Használat

# Claude Code prompt-ban:
/morning-briefing

Claude automatikusan: 1. Futtatja az összes query-t párhuzamosan 2. Összegyűjti az eredményeket 3. Strukturált formában mutatja 4. Kiemeli a sürgős teendőket EOF 

**Használat:** Begépeled a Claude Code-ban: `/morning-briefing`

---

### 2. Jira Ticket Deep-Dive Workflow

**Probléma:** Új ticket-hez sok kontextus kell (kapcsolódó ticket-ek, korábbi hasonló issue-k, kód repository-k).

**Optimalizált Workflow:**

#### Fázis 1: Ticket Beolvasás (10 mp)

Claude Code prompt:

Retrieve and summarize KFLUXINFRA-1234 including: - Description, priority, labels - Comments (latest 5) - Linked issues (blocks/is blocked by) 

Claude használni fogja: `mcp__jira__get_issue`, `mcp__jira__get_issue_comments`

#### Fázis 2: Kapcsolódó Kontextus (30 mp)
Search Jira for similar issues: - Same component - Similar error messages from description - Same assignee's previous work - Last 30 days 
Claude használni fogja: `mcp__jira__search_issues` JQL generálással

#### Fázis 3: Kubernetes Kontextus (Ha releváns) (1 perc)
If this is a cluster issue, check: - Namespace: - Recent PipelineRuns (last 24h) - Failed pods - Events with errors 
Claude használni fogja: LUMINO MCP tools (`list_namespaces`, `list_recent_pipeline_runs`, `smart_get_namespace_events`)

#### Fázis 4: Investigation Plan (20 mp)
Based on the above context, create: 1. Investigation plan (3-5 steps) 2. Potential root causes (ranked by likelihood) 3. Required access/permissions 4. Estimated time to resolve 
**Teljes idő:** ~2 perc (vs. manuális 20-30 perc)

---

### 3. Incident Response Workflow (PagerDuty → Jira → K8s)

**Szcenárió:** PagerDuty alert érkezik → Investigation → Jira ticket → Fix

#### Lépés 1: Incident Elemzés
Get latest PagerDuty incident and analyze: - Incident title, urgency, service - Timeline of alerts - Related monitoring data 
MCP: `mcp__pagerduty__get_my_incidents`, `mcp__pagerduty__get_incident_alerts`

#### Lépés 2: Kubernetes Diagnosztika
Based on PagerDuty alert (e.g., "High pod restart rate in production-stage"): - List pods in namespace with restart count > 5 - Get recent events - Analyze pod logs for crash patterns 
MCP: LUMINO `list_pods_in_namespace`, `smart_get_namespace_events`, `smart_summarize_pod_logs`

#### Lépés 3: Automated Jira Ticket Draft
Create Jira ticket draft for KFLUXSPRT with: - Title from PagerDuty alert - Description with: - PagerDuty incident link - Kubernetes namespace/pod info - Error summary from logs - Proposed investigation steps 
MCP: `mcp__jira__create_issue` (REVIEW BEFORE POSTING!)

#### Lépés 4: Resolution & Documentation
After fix: 1. Update Jira with resolution steps 2. Add PagerDuty incident note 3. Resolve PagerDuty incident 
MCP: `mcp__jira__add_comment`, `mcp__pagerduty__add_incident_note`, `mcp__pagerduty__resolve_incident`

---

### 4. Code Review Optimization (GitHub/GitLab)

**Probléma:** PR/MR review-hoz kell:
- Jira ticket kontextus
- Kapcsolódó pipeline-ok állapota
- Build sikeresség

**Workflow:**
Review PR/MR with full context: 1. Fetch PR details (GitHub/GitLab MCP) 2. Find linked Jira ticket from PR title/description 3. Check CI pipeline status 4. If production build - get PipelineRun logs 5. Summarize changes + context for review 
**Példa prompt:**
Review GitHub PR production-ci/integration-service#456: - Fetch PR description and changed files - Find linked Jira ticket - Check CI status - If failed, analyze logs - Provide review summary with context 
---

## 🛠️ Custom Skill-ek Létrehozása

### Sablon: Egyszerű Info Query Skill

```bash
mkdir -p ~/.claude/skills/service-c-dashboard
cat > ~/.claude/skills/service-c-dashboard/SKILL.md << 'EOF'
---
name: service-c-dashboard
description: the company Service-C builder health dashboard - host status by architecture, failed builds, running tasks
---

# Service-C Builder Dashboard

## Célja

Gyors áttekintés a Service-C build rendszer állapotáról.

## Ellenőrzendő

### 1. Host Health by Architecture

```bash
service-c list-hosts | awk '{print $2}' | sort | uniq -c

Keresendő: Elérhető host-ok száma arch-onként (x86_64, aarch64, ppc64le, s390x)

2. Failed Builds (Last 24h)

MCP tool (Pete service-c MCP-je): 

mcp__service-c__list_tasks(state='FAILED', since='1 day ago')

Formátum: 

Failed Builds (24h): 12
Top failures:
- rust-toolchain: 5 failures (timeout)
- gcc-cross-compiler: 3 failures (missing dep)

3. Running Tasks

mcp__service-c__list_tasks(state='OPEN')

Output

🏗️ BREW DASHBOARD
================
🖥️ Hosts: x86_64(45), aarch64(12), ppc64le(8), s390x(6)
Failed (24h): 12
⏳ Running: 34
EOF 
### Sablon: Kombinált MCP Skill (Multi-Source)

```bash
mkdir -p ~/.claude/skills/production-health-check
cat > ~/.claude/skills/production-health-check/SKILL.md << 'EOF'
---
name: production-health-check
description: production platform health - staging/production cluster status, recent failures, Jira critical tickets
---

# production Health Check

## Multi-Source Status Dashboard

### 1. Staging Cluster Status (LUMINO)
Check namespace: production-stage - List pods with status != Running - Recent failed PipelineRuns (6h) - Events with type=Warning (1h) 
MCP: LUMINO `conservative_namespace_overview`, `list_recent_pipeline_runs`

### 2. Production Cluster Status (LUMINO)
Check namespace: production-prod - Critical pod failures - PipelineRun success rate (24h) 
### 3. Critical Jira Tickets
Search Jira: project = KFLUXINFRA AND priority = Highest AND status != Done 
MCP: `mcp__jira__search_issues`

### 4. Recent PagerDuty Incidents
Get incidents (24h): - Triggered - Acknowledged - Resolved 
MCP: `mcp__pagerduty__list_incidents`

## Output Format
🏥 KONFLUX HEALTH CHECK =======================

🔵 Staging (production-stage): Pods: 45/45 Running PipelineRuns: 3/120 failed (6h) Events: 2 warnings (ImagePullBackOff)

Production (production-prod): Pods: 120/120 Running PipelineRuns: 100% success (24h)

🎫 Critical Jira: 2 - [KFLUXINFRA-9999] Database migration stuck - [KFLUXINFRA-8888] API rate limit exceeded

🚨 PagerDuty (24h): Triggered: 1 (CPU spike - under investigation) Resolved: 4 

EOF

Pete & GG Inspiráció Összefoglalás

Pete Workflow Highlights

Amit Pete használ: - Napi rutinok automatizálása: /agenda skill - System health dashboards: /service-c, /production-board - MCP szerverek: AAP, Service-C, Grafana, ServiceNow, Atlassian, GitHub, GitLab, Lumino, PagerDuty

Pete skill pattern: 

Skill = Concrete daily task automation
- Input: None (just invoke)
- Process: Multi-source data aggregation
- Output: Actionable dashboard

GG Lumino SRE Assistant

Repository: https://gitlab.cee.company.internal/ggeorgie/lumino-sre-assistant

Jellemzők: - Agentic Claude Code: Full workflow orchestration - Skills: production-specific troubleshooting patterns - Configs: Pre-tuned hooks and automation - Processes: End-to-end incident response

Tanulság: Teljes workflow automatizálás lehetséges!

Következő Lépések (Action Plan)

Fázis 1: Alapok Optimalizálása (1-2 nap)

  • Morning briefing skill létrehozása (Pete /agenda mintájára)
  • Service-C dashboard skill implementálása (ha használod a Service-C-t)
  • production health check skill (staging/prod gyors áttekintés)

Fázis 2: Workflow Finomhangolás (3-5 nap)

  • Jira investigation template: Automatizált context gathering workflow
  • Incident response playbook: PagerDuty → K8s → Jira integráció
  • Code review assistant: GitHub/GitLab PR/MR + Jira context

Fázis 3: Haladó Automatizálás (1-2 hét)

  • GG Lumino SRE Assistant tanulmányozása és adaptálás
  • Custom hooks beállítása (pl. auto-refresh minden 30 percben)
  • Workflow dokumentálás: Saját best practice-ek rögzítése

Fázis 4: Megosztás & Optimalizálás (folyamatos)

  • Collegákkal egyeztetés: Pete-tel és GG-vel skill/workflow megosztás
  • Új use-case-ek: Folyamatosan új automatizálási lehetőségek keresése
  • Feedback loop: Hatékonyság mérése, finomhangolás

🔗 Hasznos Linkek

  • production Skills: https://github.com/production-ci/skills
  • GG Lumino SRE Assistant: https://gitlab.cee.company.internal/ggeorgie/lumino-sre-assistant
  • Pete skills: Kérdezd meg Slack-en megosztásra
  • Claude Code docs: https://docs.anthropic.com/claude-code
  • MCP Protocol: https://modelcontextprotocol.io

Tippek & Trükkök

1. Párhuzamos MCP Hívások

Hatékony: 

In parallel, fetch:
1. Jira ticket KFLUXINFRA-1234
2. GitHub PR production-ci/repo#456
3. Kubernetes namespace events (production-stage, 1h)

Claude egyszerre hívja a 3 MCP tool-t → 3x gyorsabb!

2. Context Preservation

Probléma: Hosszú investigation-nél elveszíted a kontextust.

Megoldás: Interim summary-k 

After each investigation phase, summarize:
- What we found
- What we ruled out
- Next steps

Keep this summary in the conversation for context.

3. Skill Chain-elés

Hasznos pattern: 

1. Run /morning-briefing
2. If critical Jira found → Auto-trigger deep-dive workflow
3. If PagerDuty incident → Auto-trigger incident response

Ezt hook-okkal automatizálhatod!

4. Template-ek Skill-ekbe

Jira comment template skill: 

cat > ~/.claude/skills/jira-update-template/SKILL.md << 'EOF'
---
name: jira-update-template
description: Standard Jira update comment format for production investigations
---

# Jira Update Template

## Investigation Update Format

### Summary
- **Status:** [In Progress / Blocked / Resolved]
- **Root Cause:** [Brief description]
- **Impact:** [User-facing impact]

### Findings
1. [Finding 1 with evidence]
2. [Finding 2 with evidence]

### Next Steps
- [ ] Action 1
- [ ] Action 2

### Timeline
- Started: YYYY-MM-DD HH:MM
- Updated: YYYY-MM-DD HH:MM
- ETA: [If known]

### Links
- Kubernetes logs: [URL]
- PipelineRun: [URL]
- GitHub PR: [URL]
EOF

🚦 Gyakori Hibák & Megoldások

Hiba: "Túl sok információ, nem látom át"

Ok: Minden adatot egyszerre kérsz.

Megoldás: Progressive disclosure 

1. High-level summary first
2. Ask: "Which area to deep-dive?"
3. Detailed analysis only on selected area

Hiba: "Claude hallucinálja a kontextust"

Ok: Nem használod az MCP tool-okat, Claude a memóriájából "talál ki" dolgokat.

Megoldás: Explicit MCP query 

"What's the status of KFLUXINFRA-1234?"
"Use mcp__jira__get_issue to fetch KFLUXINFRA-1234 status"

Hiba: "Skill nem triggeredik automatikusan"

Ok: A skill description nem elég specifikus.

Megoldás: Pontos trigger leírás 

---
description: Use when investigating Tekton PipelineRun failures, stuck TaskRuns, or build timeouts in production
---

📈 Hatékonyság Mérése

Metrikák (Opcionális)

Track ezeket hetente: - Átlagos Jira ticket investigation idő: (Cél: < 30 perc) - MCP query használat: (Tracking: Mely tool-okat használod legtöbbet?) - Skill invocation rate: (Mely skill-ek a leghasznosabbak?) - Manual intervention rate: (Hány %-ban kell manuálisan beavatkozni?)

Verzió: 1.0 Utolsó frissítés: 2026-04-21 Következő review: 2026-05-01 (hatékonyság értékelés)