วิธีใช้งาน Jira ร่วมกับ AI Agents ฟรี (2026)

ใช่แล้ว Jira ใช้งานได้ฟรี โดย แพ็กเกจ Jira Free รองรับผู้ใช้สูงสุด 10 คน พร้อมพื้นที่จัดเก็บข้อมูล 2 GB ซึ่ง Atlassian ระบุว่าเป็นแพ็กเกจที่ "ฟรีตลอดไป" และแน่นอนว่า AI coding agent สามารถใช้งานร่วมกับแพ็กเกจนี้ได้เช่นกัน หน้า Rovo MCP server ของ Atlassian ระบุไว้ว่า "ลูกค้า Atlassian Cloud ทุกรายสามารถเข้าถึง Atlassian Rovo MCP server ได้" พร้อมระบุขีดจำกัดสำหรับแพ็กเกจ Free ไว้ที่ 500 การเรียกต่อชั่วโมงต่อไซต์ อย่างไรก็ตาม ตารางราคา Jira ของ Atlassian (ข้อมูล ณ วันที่ 26 ตุลาคม 2026) ระบุ Rovo MCP Server ไว้เฉพาะในแพ็กเกจ Standard, Premium และ Enterprise เท่านั้น ดังนั้นควรลองเชื่อมต่อจริงบนไซต์แพ็กเกจ Free ของคุณก่อนจะวางแผนใช้งานจริงจัง ส่วนสิ่งที่ไม่ฟรีคือตัว agent เอง เว้นแต่คุณจะเลือกหนึ่งในแนวทางที่เราจะแนะนำด้านล่าง

Atlassian Rovo MCP Server คือ remote MCP server อย่างเป็นทางการของ Atlassian ซึ่งเป็น endpoint แบบโฮสต์เดียวที่ช่วยให้ MCP client เช่น Claude Code, Codex หรือ OpenCode สามารถอ่านและเขียนข้อมูล Jira work item, หน้า Confluence รวมถึงข้อมูลอื่นๆ ของ Atlassian ได้ตามสิทธิ์ของผู้ใช้ที่เข้าสู่ระบบ

สรุปใจความสำคัญ

ใช้งาน Jira บนแพ็กเกจ Free ต่อไปได้เลย จากนั้นเพิ่ม Rovo MCP server ให้กับ coding agent ของคุณด้วยคำสั่งเดียว แล้วเข้าสู่ระบบผ่าน OAuth โดยการค้นหาและเขียนข้อมูลพื้นฐานใน Jira ผ่านเซิร์ฟเวอร์จะไม่เสีย Rovo credit แต่การค้นหาขั้นสูงแบบข้ามผลิตภัณฑ์ (enriched cross-product search) จะต้องใช้ credit ซึ่งแพ็กเกจ Free ไม่มีมาให้ หากต้องการสร้าง agent ที่ฟรี 100% จริงๆ ให้รัน OpenCode บนโมเดลฟรีที่มีให้เลือก และถ้าต้องการเปลี่ยน Jira issue ให้กลายเป็นงานที่มอบหมายให้ agent ทำจริง ไม่ใช่แค่บทสนทนาที่อ่านได้อย่างเดียว ให้ซิงก์โปรเจกต์ Jira เข้ากับ Sharkly Space

อะไรฟรี และอะไรที่ต้องจ่ายเงิน

ขีดจำกัดของ Jira แพ็กเกจ Free ที่ส่งผลต่อการใช้งาน Agent

ตัวเลข 3 ค่านี้คือสิ่งที่จะกำหนดว่าระบบ agent ของคุณเหมาะกับ Jira Free หรือไม่

จำนวนผู้ใช้ แพ็กเกจ Free จำกัดไว้ที่ 10 ผู้ใช้ โดยคำถามที่พบบ่อย (FAQ) เรื่องราคาของ Atlassian ระบุว่า "ให้คุณทดลองใช้ Jira ได้สูงสุด 10 ผู้ใช้ พร้อมพื้นที่จัดเก็บข้อมูล 2GB และการสนับสนุนผ่าน Community" ทั้งนี้ agent ที่เข้าสู่ระบบผ่าน OAuth จะทำงานในฐานะบัญชี Atlassian ของบุคคลนั้นๆ จึงไม่ถือเป็นการเพิ่มจำนวนผู้ใช้

ระบบ Automation ในหน้าเดียวกันระบุว่าแพ็กเกจ Free ให้โควตาที่ "150 ขั้นตอนต่อการสมัครสมาชิกต่อเดือน" เทียบกับ 400 ขั้นตอนต่อผู้ใช้ต่อเดือนในแพ็กเกจ Standard หากคุณวางแผนให้ระบบ automation ของ Jira ทำงานตอบสนองต่อทุกการอัปเดตของ agent โควตานี้จะหมดลงอย่างรวดเร็ว แม้การเรียกใช้ของ agent ผ่าน MCP จะไม่นับเป็นขั้นตอน automation แต่กฎ (rule) ใดๆ ที่ถูกทริกเกอร์ขึ้นมาจะถูกนับทันที

Rovo "แพ็กเกจ Free ไม่รวม Rovo" ตามที่ระบุไว้ในหน้าราคาของ Jira แต่ประเด็นนี้ไม่ได้น่ากังวลอย่างที่คิด เพราะ Rovo คือระบบ AI ของ Atlassian เอง ส่วน MCP server นั้นเป็นเพียง "เลเยอร์การเชื่อมต่อ (integration layer) ที่เชื่อมต่อ AI client เข้ากับผลิตภัณฑ์ของ Atlassian" ซึ่งยังคงเปิดให้ใช้งานได้บนแพ็กเกจ Free จุดสำคัญอยู่ที่ credit โดยหน้า Rovo credits ของ Atlassian ระบุว่า "การดำเนินการเขียนข้อมูล เช่น การอัปเดต Jira work item" และการค้นหาข้อมูลในผลิตภัณฑ์เดียวสามารถใช้งานได้ฟรี ในขณะที่การเรียกใช้งานขั้นสูงอย่างเครื่องมือรวมศูนย์ searchAtlassian จะมีค่าใช้จ่าย 1 ถึง 10 credit ต่อครั้ง ซึ่ง credit จะมาพร้อมกับแพ็กเกจแบบชำระเงินเท่านั้น ดังนั้นเมื่ออยู่บนแพ็กเกจ Free จึงควรวางแผนให้เน้นการอ่านและเขียนข้อมูล Jira โดยตรงเป็นหลัก

นอกจากนี้ ขีดจำกัดการเรียกใช้ MCP จะนับต่อไซต์ ไม่ใช่ต่อคน นั่นคือ 500 การเรียกต่อชั่วโมงจะแชร์ร่วมกันระหว่างทุกคนและทุก agent ที่เชื่อมต่อกับ Jira นั้นๆ ส่วนแพ็กเกจ Standard จะปรับเพิ่มเป็น 1,000 การเรียกต่อชั่วโมง

วิธีเชื่อมต่อ Jira กับ Claude Code, Codex หรือ OpenCode

URL ของเซิร์ฟเวอร์สำหรับทุก client คือ https://mcp.atlassian.com/v2/mcp ตามที่ระบุในคู่มือเริ่มต้นใช้งานของ Atlassian คุณจำเป็นต้องมีไซต์ Jira Cloud เนื่องจากเซิร์ฟเวอร์นี้โฮสต์อยู่บนคลาวด์และเชื่อมต่อกับ Atlassian Cloud

1. Claude Code เพิ่มเซิร์ฟเวอร์ผ่าน HTTP:

claude mcp add --transport http atlassian https://mcp.atlassian.com/v2/mcp

เปิดเซสชัน Claude Code แล้วรัน /mcp เพื่อยืนยันการเข้าสู่ระบบผ่าน OAuth ในเบราว์เซอร์ให้เสร็จสมบูรณ์

2. Codex คำสั่งเดียวตามคู่มือเดียวกัน:

codex mcp add atlassian --url https://mcp.atlassian.com/v2/mcp

3. OpenCode OpenCode จะอ่าน remote server จากคีย์ mcp ในไฟล์ opencode.json และจัดการ OAuth ให้อัตโนมัติ ตามที่ระบุในเอกสาร MCP:

{
  "$schema": "https://opencode.ai/config.json",
  "mcp": {
    "atlassian": {
      "type": "remote",
      "url": "https://mcp.atlassian.com/v2/mcp"
    }
  }
}

จากนั้นยืนยันตัวตนเพียงครั้งเดียว:

opencode mcp auth atlassian

4. ตรวจสอบการทำงาน ให้เริ่มด้วยการสั่งให้ agent ทำงานแบบอ่านอย่างเดียว (read-only) ดูก่อน เช่น "แสดงรายการ open issues ในโปรเจกต์ SH ที่มอบหมายให้ฉัน" หาก agent ตอบกลับมาด้วย issue key จริง แสดงว่าการเชื่อมต่อสำเร็จเรียบร้อย จากนั้นให้ลองทดสอบเขียนข้อมูลลงใน test issue ดูสักครั้ง เช่น การเพิ่มความคิดเห็น

5. การตั้งค่าแบบ Headless กระบวนการ OAuth จำเป็นต้องใช้เบราว์เซอร์ สำหรับเครื่องคอมพิวเตอร์ที่รัน agent โดยไม่มีผู้ควบคุม (unattended) ทาง repository ของ MCP server จาก Atlassian ได้ระบุแนวทางเลือกโดยใช้ API token ซึ่งส่งในรูปแบบ Authorization: Basic <base64(email:api_token)> โดยผู้ดูแลระบบระดับองค์กร (organization admin) จะต้องเปิดใช้งานการยืนยันตัวตนด้วย API token ก่อนที่ Atlassian Administration > Rovo > Rovo MCP server > Authentication

แนวทางใช้งานแบบฟรี $0

การตั้งค่าเพียงวิธีเดียวที่ไม่มีค่าใช้จ่ายเลยในทุกส่วน คือการใช้ Jira Free ร่วมกับ Rovo MCP server และ OpenCode บนโมเดลฟรี โดย OpenCode สามารถรันโมเดลฟรีได้โดยไม่ต้องเข้าสู่ระบบและไม่ต้องใช้ API key ซึ่งจากการทดสอบก่อนหน้านี้เมื่อวันที่ 16 ตุลาคม 2026 พบว่า OpenCode 1.19.2 สามารถทำงานเขียนโค้ดและรันคำสั่งเสร็จสิ้นภายใน 32 วินาทีโดยใช้ opencode/deepseek-v4.1-flash-free ซึ่งในเอกสาร OpenCode Zen ปัจจุบันมีรายชื่อโมเดลนี้ควบคู่ไปกับ GLM-5.3-Flash Free, MiniMax M3.1 Flash Free และโมเดลอื่นๆ

ข้อจำกัดที่ควรทราบตามความเป็นจริง 3 ประการ:

• แพ็กเกจฟรีตอบรับเฉพาะการเรียกใช้จาก OpenCode เท่านั้น หากคุณเรียกใช้โมเดลเดียวกันจากสคริปต์ของคุณเอง คุณจะได้รับข้อผิดพลาด HTTP 403 FreeTierError
• โมเดลฟรีเป็นแบบชั่วคราว Zen ระบุไว้ว่าหลายโมเดลเปิดให้ใช้งาน "ในระยะเวลาจำกัด" และเคยมีโมเดลที่ถูกถอดออกจากรายการฟรีมาแล้ว ดังนั้นควรระบุชื่อโมเดลไว้ในไฟล์ config บรรทัดเดียว เพื่อให้สลับเปลี่ยนได้ง่ายด้วยการแก้ไขเพียงจุดเดียว
• ตรวจสอบเงื่อนไขการใช้ข้อมูลของแต่ละโมเดล Zen ระบุว่าผู้ให้บริการโมเดลฟรีบางรายใช้นโยบาย "ไม่จัดเก็บข้อมูล (zero-retention policy)" ในขณะที่บางรายอาจ "นำข้อมูลที่เก็บรวบรวมไปใช้เพื่อพัฒนาโมเดลต่อไป" เนื่องจากข้อมูล Jira issue ของคุณจะถูกส่งเข้าไปในพรอมต์ จึงควรเลือกโมเดลให้เหมาะสม

Claude Code และ Codex ไม่ได้อยู่ในแนวทางฟรีนี้ เนื่องจาก Claude Code จำเป็นต้องใช้แพ็กเกจ Claude แบบชำระเงินหรือเครดิต API ส่วน Codex ต้องเข้าสู่ระบบด้วยบัญชี ChatGPT หรือใช้ API key ดังนั้นควรตรวจสอบขีดจำกัดแพ็กเกจล่าสุดของ OpenAI ก่อนจะพึ่งพาแพ็กเกจฟรี

จากการสนทนาสู่การมอบหมายงานจริง

Agent ที่เชื่อมต่อกับ MCP server สามารถอ่าน Jira issue ได้เมื่อคุณสั่ง ซึ่งรูปแบบนี้เป็นเพียงแค่การพูดคุย (chat) ยังไม่ใช่การมอบหมายงานจริง (assignment) เพราะไม่มีสิ่งใดบ่งบอกทีมได้เลยว่า agent ตัวไหนกำลังจัดการกับ issue ไหน มีการเปลี่ยนแปลงอะไรไปบ้าง หรือใครเป็นผู้ตรวจสอบ

ระบบ Jira integration ของ Sharkly เข้ามาดูแลในส่วนนี้โดยไม่ได้ใช้ MCP แต่จะเชื่อมต่อผ่าน Jira Cloud host, อีเมลบัญชี และ Atlassian API token จากนั้นจะเชื่อมโยงโปรเจกต์ Jira เข้ากับ Sharkly Space หากเลือก Bidirectional "Jira issues และ epics จะซิงก์กับ Tasks และ Projects ใน Sharkly ทั้งสองทิศทาง" โดย Task ใหม่ที่สร้างใน Space สามารถสร้าง Jira issue ขึ้นมาได้ หรือเลือก Jira to Sharkly หากต้องการให้ Jira เป็นศูนย์กลางเดียวในการสร้างงานใหม่ โดยความคิดเห็น, สถานะ, ป้ายกำกับ (labels) และผู้รับมอบหมายจะถูกแมปให้ตรงกัน พร้อมทั้งมีตัวเลือกการนำเข้าเพื่อดึงข้อมูลย้อนหลังและข้อมูล Sprint เข้ามาได้

เมื่อ issue กลายเป็น Task แล้ว คุณสามารถมอบหมายงานให้กับ Agent ได้เสมือนเป็นเพื่อนร่วมทีมคนหนึ่ง โดย Agent จะสั่งรัน Claude Code, Codex หรือ OpenCode ที่คุณมีอยู่แล้วบน Computer ของคุณเอง ภายใน worktree ที่แยกเป็นอิสระ จากนั้นความคืบหน้าและผลลัพธ์จะถูกส่งกลับมายัง Task ซึ่งจะซิงก์กลับไปยัง Jira ในที่สุด โดย Agent จะทำหน้าที่ค้นคว้า ลงมือทำ ทดสอบ และรายงานผล ส่วนมนุษย์จะทำหน้าที่กำหนดทิศทาง มอบสิทธิ์ในการดำเนินการ และตรวจรับผลงาน

ให้เลือกใช้ MCP server เดี่ยวๆ เมื่อนักพัฒนาเพียงคนเดียวต้องการให้ agent ของตนอ่านและอัปเดตทิกเก็ตในระหว่างการทำงาน และให้เพิ่มการซิงก์ด้วย Sharkly เมื่อมี agent และผู้ใช้หลายคนทำงานร่วมกันบน backlog และจำเป็นต้องมองเห็นสถานะชัดเจนว่าใครกำลังทำอะไรอยู่ โดยบทความ การมอบหมายทิกเก็ต Jira ให้กับ AI agent จะอธิบายขั้นตอนการทำงานอย่างละเอียด และบทความ การบริหารจัดการโปรเจกต์สำหรับ Claude Code จะครอบคลุมในฝั่งของการจัดการบอร์ด

ในแง่ของค่าใช้จ่าย ทั้งสองแพ็กเกจฟรีมีขนาดที่แตกต่างกัน โดย Jira Free รองรับผู้ใช้สูงสุด 10 คน ส่วน Sharkly ใช้งานได้ฟรีสูงสุด 5 คน และทั้ง Agent รวมถึง Computer จะไม่นับเป็น seat ของ Sharkly นอกจากนี้ Sharkly ไม่ได้จำหน่ายโทเคน ดังนั้นค่าใช้จ่ายในการเรียกใช้โมเดลจะคิดตามบัญชีที่แต่ละ Runtime ใช้อยู่แล้ว สามารถดูรายละเอียดเพิ่มเติมได้ที่หน้าราคาของ Sharkly และบทความ การรันทีม Agent Crew ด้วยแพ็กเกจฟรีและราคาประหยัด จะเปรียบเทียบในฝั่งของการเลือกใช้โมเดลให้เห็นภาพชัดเจนขึ้น

ข้อควรระวัง

• Webhook ต้องใช้สิทธิ์ผู้ดูแลระบบ Jira Sharkly จะติดตั้ง Jira webhook ให้อัตโนมัติก็ต่อเมื่อมีสิทธิ์ผู้ดูแลระบบ Jira เท่านั้น หากไม่มีสิทธิ์นี้ การเชื่อมโยงจะถูกบันทึกไว้ได้ แต่การเปลี่ยนแปลงใน Jira จะไม่ถูกส่งมาจนกว่าผู้ดูแลระบบจะนำแพ็กเก็ต webhook ไปติดตั้ง
• Workflow transition อาจขัดขวางการซิงก์สถานะ หากเวิร์กโฟลว์ของ Jira ไม่สามารถเปลี่ยนข้ามไปยังสถานะที่แมปไว้ได้โดยตรง การซิงก์จะล้มเหลวพร้อมข้อความแจ้งเตือน "no transition to status" ดังนั้นควรแมปแต่ละสถานะใน Sharkly ให้ตรงกับสถานะของ Jira ที่สามารถเปลี่ยนถึงได้ในขั้นตอนเดียว
• ขีดจำกัดรายชั่วโมงเป็นการใช้งานร่วมกันทั้งไซต์ โควตา 500 การเรียก MCP ต่อชั่วโมงจะนับรวมทั้งไซต์ หากมี agent หลายตัวรันการค้นหาพร้อมๆ กัน อาจชนขีดจำกัดนี้ได้ แนะนำให้เริ่มต้นใช้งานทีละตัวก่อน
• v2 มีการเรียกใช้เครื่องมือที่แตกต่างออกไป v2 endpoint จะแสดงเครื่องมือในรูปแบบ discovery และ execute โดย Atlassian แนะนำให้เติม ?tools=all ต่อท้าย สำหรับ MCP gateway ที่ต้องการรายการเครื่องมือแบบโครงสร้างแบนราบ (flat tool list)
• Jira Server และ Data Center ตัว MCP server นั้นรองรับเฉพาะ Jira Cloud แต่การเชื่อมต่อของ Sharkly รองรับทั้ง Jira Server และ Data Center เช่นกัน ผ่านการใช้ personal access token

คำถามที่พบบ่อย (FAQ)

Jira ใช้งานได้ฟรีสำหรับผู้ใช้ 10 คนจริงหรือไม่? ใช่แล้ว แพ็กเกจ Jira Free ไม่มีค่าใช้จ่าย ($0) สำหรับผู้ใช้สูงสุด 10 คน พร้อมพื้นที่จัดเก็บข้อมูล 2 GB, automation 150 ขั้นตอนต่อเดือน และการสนับสนุนผ่าน Community ซึ่งเพียงพอสำหรับทีมขนาดเล็กส่วนใหญ่ แต่หากเพิ่มผู้ใช้คนที่ 11 จะต้องอัปเกรดเป็นแพ็กเกจแบบชำระเงิน

Jira มี AI agent ให้ใช้ฟรีหรือไม่? ไม่มีติดตั้งมาให้ในตัว โดยแพ็กเกจ Free จะไม่รวม Rovo ซึ่งเป็น AI ของทาง Atlassian เอง อย่างไรก็ตาม คุณสามารถนำ coding agent ของคุณเองมาเชื่อมต่อทำงานกับ Jira Free ผ่าน Rovo MCP server ได้โดยไม่มีค่าใช้จ่ายฝั่ง Jira

Jira แพ็กเกจ Free เพียงพอสำหรับการใช้งาน AI agent หรือไม่? สำหรับทีมขนาดเล็กถือว่าเพียงพอในระดับทั่วไป โดย Rovo MCP server ใช้งานบนแพ็กเกจ Free ได้ที่ขีดจำกัด 500 การเรียกต่อชั่วโมงต่อไซต์ และการอ่านเขียนข้อมูล Jira พื้นฐานจะไม่เสีย Rovo credit แต่หากมีการค้นหาข้อมูลข้ามผลิตภัณฑ์บ่อยๆ หรือต้องใช้โควตา automation จำนวนมาก แพ็กเกจ Free อาจจะไม่เพียงพอ

Atlassian MCP server ใช้งานได้ฟรีหรือไม่? ลูกค้า Atlassian Cloud ทุกรายได้รับสิทธิ์เข้าถึงและสามารถติดตั้งได้ฟรี แต่การเรียกใช้งานขั้นสูงจะต้องใช้ Rovo credit ซึ่งมีให้เฉพาะในแพ็กเกจแบบชำระเงินเท่านั้น โดย Atlassian ระบุว่าการเรียกเก็บค่าบริการส่วนเกินสำหรับ Rovo credit จะมีผลบังคับใช้ในวันที่ 3 ธันวาคม 2026

สามารถใช้งาน Claude Code ร่วมกับ Jira ได้ฟรีหรือไม่? ในฝั่งของ Jira และ MCP สามารถใช้งานได้ฟรี แต่สำหรับตัว Claude Code เองนั้นจำเป็นต้องมีแพ็กเกจ Claude แบบชำระเงินหรือเครดิต API หากต้องการใช้งาน agent แบบฟรี $0 ให้เลือกใช้ OpenCode ร่วมกับโมเดลฟรีแทน