Mockloop MCP

🚀 MockLoop MCP - AIネイティブなテストプラットフォーム

MockLoop MCPは、Model Context Protocol (MCP) を搭載した世界初のAIネイティブなAPIテストプラットフォームです。AIによる包括的なシナリオ生成、自動テスト実行、そしてインテリジェントな分析機能を備え、APIテストを革新的なものにします。

🚀 革新的な機能: 5つのAIプロンプト • 15のシナリオリソース • 16のテストツール • 10のコンテキストツール • 4つのコアツール • 完全なMCP統合

📚 ドキュメント: https://docs.mockloop.com
📦 PyPIパッケージ: https://pypi.org/project/mockloop-mcp/
🐙 GitHubリポジトリ: https://github.com/mockloop/mockloop-mcp

🚀 クイックスタート

世界で最も高度なAIネイティブなテストプラットフォームを始めましょう。

# 1. MockLoop MCPをインストール
pip install mockloop-mcp

# 2. インストールを確認
mockloop-mcp --version

# 3. MCPクライアント (Cline, Claude Desktopなど) で設定
# 以下の設定例を参照してください

✨ 主な機能

MockLoop MCPはAPIテストにおけるパラダイムシフトをもたらし、世界初のAIネイティブなテストアーキテクチャを導入します。これは以下の要素を組み合わせたものです。

• 🤖 AI駆動のテスト生成: 5つの専用MCPプロンプトによるインテリジェントなシナリオ作成
• 📦 コミュニティシナリオパック: コミュニティアーキテクチャを持つ15の精選されたテストリソース
• ⚡ 自動テスト実行: 完全なテストワークフローを実現する30の包括的なMCPツール (16のテスト + 10のコンテキスト + 4つのコア)
• 🔄 ステートフルテスト: GlobalContextとAgentContextによる高度なコンテキスト管理
• 📊 エンタープライズコンプライアンス: 完全な監査ログと規制コンプライアンスの追跡
• 🏗️ デュアルポートアーキテクチャ: 別々のモックAPIと管理ポートにより、/adminパスの競合を解消

📦 インストール

オプション1: PyPIからインストール (推奨)

# 最新の安定版をインストール
pip install mockloop-mcp

# またはオプションの依存関係を含めてインストール
pip install mockloop-mcp[dev]   # 開発ツール
pip install mockloop-mcp[docs]  # ドキュメントツール
pip install mockloop-mcp[all]   # すべてのオプションの依存関係

# インストールを確認
mockloop-mcp --version

オプション2: 開発用インストール

# リポジトリをクローン
git clone https://github.com/mockloop/mockloop-mcp.git
cd mockloop-mcp

# 仮想環境を作成してアクティブ化
python3 -m venv .venv
source .venv/bin/activate  # Windowsの場合は: .venv\Scripts\activate

# 開発モードでインストール
pip install -e ".[dev]"

📋 前提条件

• Python 3.10以上
• Pipパッケージマネージャー
• DockerとDocker Compose (コンテナ化されたモックサーバー用)
• MCP互換のクライアント (Cline, Claude Desktopなど)

⚙️ 設定

MCPクライアント設定

Cline (VS Code拡張機能)

Cline MCP設定ファイルに以下を追加します。

{
  "mcpServers": {
    "MockLoopLocal": {
      "autoApprove": [],
      "disabled": false,
      "timeout": 60,
      "command": "mockloop-mcp",
      "args": [],
      "transportType": "stdio"
    }
  }
}

Claude Desktop

Claude Desktopの設定に以下を追加します。

{
  "mcpServers": {
    "mockloop": {
      "command": "mockloop-mcp",
      "args": []
    }
  }
}

仮想環境のインストール

仮想環境でインストールした場合は、Pythonの完全パスを使用します。

{
  "mcpServers": {
    "MockLoopLocal": {
      "command": "/path/to/your/venv/bin/python",
      "args": ["-m", "mockloop_mcp"],
      "transportType": "stdio"
    }
  }
}

💻 使用例

基礎的な使用法

# 以下はMockLoop MCPを使った基本的なコード例です
from mockloop_mcp.mcp_tools import create_mcp_plugin

# プロキシ有効なプラグインを作成
plugin_result = await create_mcp_plugin(
    spec_url_or_path="https://api.example.com/openapi.json",
    mode="hybrid",  # ハイブリッドモードから開始
    plugin_name="example_api",
    target_url="https://api.example.com",
    auth_config={
        "auth_type": "bearer_token",
        "credentials": {"token": "your-token"}
    },
    routing_rules=[
        {
            "pattern": "/api/critical/*",
            "mode": "proxy",  # 重要なエンドポイントはライブAPIを使用
            "priority": 10
        },
        {
            "pattern": "/api/dev/*",
            "mode": "mock",   # 開発用エンドポイントはモックを使用
            "priority": 5
        }
    ]
)

高度な使用法

# 高度なシナリオでの使用例
from mockloop_mcp import MockLoopClient

mockloop = MockLoopClient()

# AI駆動のテストセットアップ
def setup_ai_testing(state):
    result = mockloop.generate_mock_api(
        spec_url_or_path="https://api.example.com/openapi.json",
        output_dir_name="ai_test_environment"
    )
    
    scenarios = mockloop.analyze_openapi_for_testing(
        api_spec=state["api_spec"],
        analysis_depth="comprehensive",
        include_security_tests=True
    )
    
    state["mock_server_url"] = "http://localhost:8000"
    state["test_scenarios"] = scenarios
    return state

# AI生成のテストシナリオを実行
def execute_ai_tests(state):
    for scenario in state["test_scenarios"]:
        mockloop.deploy_scenario(
            server_url=state["mock_server_url"],
            scenario_config=scenario
        )
        
        results = mockloop.run_load_test(
            server_url=state["mock_server_url"],
            scenario_name=scenario["name"],
            duration=300,
            concurrent_users=100
        )
        
        analysis = mockloop.analyze_test_results(
            test_results=results,
            include_recommendations=True
        )
        
        state["test_results"].append(analysis)
    
    return state

# AIネイティブなテストワークフローを構築
from langgraph.graph import StateGraph, END
workflow = StateGraph(dict)
workflow.add_node("setup_ai_testing", setup_ai_testing)
workflow.add_node("execute_ai_tests", execute_ai_tests)
workflow.set_entry_point("setup_ai_testing")
workflow.add_edge("setup_ai_testing", "execute_ai_tests")
workflow.add_edge("execute_ai_tests", END)

app = workflow.compile()

📚 詳細ドキュメント

利用可能なMCPツール

コアモック生成

generate_mock_api

高度なFastAPIモックサーバーをデュアルポートアーキテクチャで生成します。

パラメータ:

• spec_url_or_path (文字列, 必須): API仕様のURLまたはローカルファイルパス
• output_dir_name (文字列, オプション): 出力ディレクトリ名
• auth_enabled (ブール値, オプション): 認証ミドルウェアを有効にする (デフォルト: true)
• webhooks_enabled (ブール値, オプション): ウェブフックサポートを有効にする (デフォルト: true)
• admin_ui_enabled (ブール値, オプション): 管理UIを有効にする (デフォルト: true)
• storage_enabled (ブール値, オプション): ストレージ機能を有効にする (デフォルト: true)

革新的なデュアルポートアーキテクチャ:

• モックAPIポート: APIエンドポイントを提供 (デフォルト: 8000)
• 管理UIポート: 別の管理インターフェイス (デフォルト: 8001)
• 競合解消: OpenAPI仕様における /adminパスの競合を解消
• セキュリティ強化: ポートベースのアクセス制御と分離

高度な分析

query_mock_logs

AI駆動のインサイトを持つリクエストログをクエリし、分析します。

パラメータ:

• server_url (文字列, 必須): モックサーバーのURL
• limit (整数, オプション): 返す最大ログ数 (デフォルト: 100)
• offset (整数, オプション): ページネーションのオフセット (デフォルト: 0)
• method (文字列, オプション): HTTPメソッドでフィルタリング
• path_pattern (文字列, オプション): パスフィルタリングの正規表現パターン
• time_from (文字列, オプション): 開始時間フィルター (ISO形式)
• time_to (文字列, オプション): 終了時間フィルター (ISO形式)
• include_admin (ブール値, オプション): 管理リクエストを含める (デフォルト: false)
• analyze (ブール値, オプション): AI分析を実行する (デフォルト: true)

AI駆動の分析:

• パフォーマンス指標 (P95/P99応答時間)
• エラー率の分析と分類
• トラフィックパターンの検出
• 自動デバッグ推奨事項
• セッションの相関と追跡

discover_mock_servers

デュアルポートアーキテクチャをサポートするインテリジェントなサーバー検出を行います。

パラメータ:

• ports (配列, オプション): スキャンするポート (デフォルト: 一般的なポート)
• check_health (ブール値, オプション): ヘルスチェックを実行する (デフォルト: true)
• include_generated (ブール値, オプション): 生成されたモックを含める (デフォルト: true)

高度な検出:

• 自動アーキテクチャ検出 (シングルポート vs デュアルポート)
• ヘルスステータスの監視
• サーバーの相関とマッチング
• ポート使用状況の分析

manage_mock_data

サーバーを再起動することなく、動的なレスポンス管理を行います。

パラメータ:

• server_url (文字列, 必須): モックサーバーのURL
• operation (文字列, 必須): 操作タイプ ("update_response", "create_scenario", "switch_scenario", "list_scenarios")
• endpoint_path (文字列, オプション): APIエンドポイントのパス
• response_data (オブジェクト, オプション): 新しいレスポンスデータ
• scenario_name (文字列, オプション): シナリオ名
• scenario_config (オブジェクト, オプション): シナリオ設定

動的な機能:

• リアルタイムのレスポンス更新
• シナリオベースのテスト
• ランタイム設定管理
• ダウンタイムなしの変更

MCPプロキシ機能

MockLoop MCPには、モックとライブAPI環境の間をシームレスに切り替えることができる革新的なプロキシ機能が含まれています。この強力な機能は、以下のようなテストワークフローを変革します。

コアプロキシ機能

• 🔄 シームレスなモード切り替え: コードを変更することなく、モック、プロキシ、ハイブリッドモードの間を遷移
• 🎯 インテリジェントなルーティング: 設定可能なルールと条件に基づくスマートなリクエストルーティング
• 🔐 ユニバーサル認証: APIキー、ベアラートークン、基本認証、OAuth2をサポート
• 📊 レスポンス比較: モックとライブAPIのレスポンスを自動的に比較
• ⚡ ダウンタイムなしの切り替え: サービスを中断することなく動的にモードを変更

動作モード

モックモード (MOCK)

• すべてのリクエストが生成されたモックレスポンスによって処理されます。
• 予測可能で一貫したテスト環境です。
• 早期開発と孤立したテストに最適です。
• 外部依存関係やネットワーク呼び出しはありません。

プロキシモード (PROXY)

• すべてのリクエストがライブAPIエンドポイントに転送されます。
• リアルタイムのデータと本物のレスポンスを提供します。
• 完全な統合テスト機能を備えています。
• ライブ資格情報を使用したネットワーク依存の動作です。

ハイブリッドモード (HYBRID)

• ルールに基づいてモックとプロキシの間をインテリジェントにルーティングします。
• リクエストパターン、ヘッダー、またはパラメータに基づく条件付き切り替えが可能です。
• モックからライブ環境への段階的な移行が可能です。
• A/Bテストと選択的なエンドポイントのプロキシングができます。

AIフレームワーク統合

MockLoop MCPは、人気のAIフレームワークとネイティブに統合することができます。

LangGraph統合

from langgraph.graph import StateGraph, END
from mockloop_mcp import MockLoopClient

# MockLoopクライアントを初期化
mockloop = MockLoopClient()

# AI駆動のテストセットアップ
def setup_ai_testing(state):
    result = mockloop.generate_mock_api(
        spec_url_or_path="https://api.example.com/openapi.json",
        output_dir_name="ai_test_environment"
    )
    
    scenarios = mockloop.analyze_openapi_for_testing(
        api_spec=state["api_spec"],
        analysis_depth="comprehensive",
        include_security_tests=True
    )
    
    state["mock_server_url"] = "http://localhost:8000"
    state["test_scenarios"] = scenarios
    return state

# AI生成のテストシナリオを実行
def execute_ai_tests(state):
    for scenario in state["test_scenarios"]:
        mockloop.deploy_scenario(
            server_url=state["mock_server_url"],
            scenario_config=scenario
        )
        
        results = mockloop.run_load_test(
            server_url=state["mock_server_url"],
            scenario_name=scenario["name"],
            duration=300,
            concurrent_users=100
        )
        
        analysis = mockloop.analyze_test_results(
            test_results=results,
            include_recommendations=True
        )
        
        state["test_results"].append(analysis)
    
    return state

# AIネイティブなテストワークフローを構築
workflow = StateGraph(dict)
workflow.add_node("setup_ai_testing", setup_ai_testing)
workflow.add_node("execute_ai_tests", execute_ai_tests)
workflow.set_entry_point("setup_ai_testing")
workflow.add_edge("setup_ai_testing", "execute_ai_tests")
workflow.add_edge("execute_ai_tests", END)

app = workflow.compile()

CrewAIマルチエージェントテスト

from crewai import Agent, Task, Crew
from mockloop_mcp import MockLoopClient

# MockLoopクライアントを初期化
mockloop = MockLoopClient()

# AIテスト専門エージェント
api_testing_agent = Agent(
    role='AI API Testing Specialist',
    goal='Generate and execute comprehensive AI-driven API tests',
    backstory='Expert in AI-native testing with MockLoop MCP integration',
    tools=[
        mockloop.generate_mock_api,
        mockloop.analyze_openapi_for_testing,
        mockloop.generate_scenario_config
    ]
)

# パフォーマンス分析エージェント
performance_agent = Agent(
    role='AI Performance Analyst',
    goal='Analyze API performance with AI-powered insights',
    backstory='Specialist in AI-driven performance analysis and optimization',
    tools=[
        mockloop.run_load_test,
        mockloop.get_performance_metrics,
        mockloop.analyze_test_results
    ]
)

# セキュリティテストエージェント
security_agent = Agent(
    role='AI Security Testing Expert',
    goal='Conduct AI-driven security testing and vulnerability assessment',
    backstory='Expert in AI-powered security testing methodologies',
    tools=[
        mockloop.generate_security_test_scenarios,
        mockloop.run_security_test,
        mockloop.compare_test_runs
    ]
)

# AI駆動のタスクを定義
ai_setup_task = Task(
    description='Generate AI-native mock API with comprehensive testing scenarios',
    agent=api_testing_agent,
    expected_output='Mock server with AI-generated test scenarios deployed'
)

performance_task = Task(
    description='Execute AI-optimized performance testing and analysis',
    agent=performance_agent,
    expected_output='Comprehensive performance analysis with AI recommendations'
)

security_task = Task(
    description='Conduct AI-driven security testing and vulnerability assessment',
    agent=security_agent,
    expected_output='Security test results with AI-powered threat analysis'
)

# AIテストクルーを作成
ai_testing_crew = Crew(
    agents=[api_testing_agent, performance_agent, security_agent],
    tasks=[ai_setup_task, performance_task, security_task],
    verbose=True
)

# AIネイティブなテストワークフローを実行
results = ai_testing_crew.kickoff()

LangChain AIテストツール

from langchain.agents import Tool, AgentExecutor, create_react_agent
from langchain.prompts import PromptTemplate
from langchain_openai import ChatOpenAI
from mockloop_mcp import MockLoopClient

# MockLoopクライアントを初期化
mockloop = MockLoopClient()

# AIネイティブなテストツール
def ai_generate_mock_api(spec_path: str) -> str:
    result = mockloop.generate_mock_api(spec_url_or_path=spec_path)
    
    analysis = mockloop.analyze_openapi_for_testing(
        api_spec=spec_path,
        analysis_depth="comprehensive",
        include_security_tests=True
    )
    
    return f"AI-enhanced mock API generated: {result}\nAI Analysis: {analysis['summary']}"

def ai_execute_testing_workflow(server_url: str) -> str:
    session = mockloop.create_test_session_context(
        session_name="ai_testing_session",
        configuration={"ai_enhanced": True}
    )
    
    scenarios = mockloop.generate_scenario_config(
        api_spec=server_url,
        scenario_types=["load", "error", "security"],
        ai_optimization=True
    )
    
    results = []
    for scenario in scenarios:
        mockloop.deploy_scenario(
            server_url=server_url,
            scenario_config=scenario
        )
        
        test_result = mockloop.execute_test_plan(
            server_url=server_url,
            test_plan=scenario["test_plan"],
            ai_monitoring=True
        )
        
        results.append(test_result)
    
    analysis = mockloop.analyze_test_results(
        test_results=results,
        include_recommendations=True,
        ai_insights=True
    )
    
    return f"AI testing workflow completed: {analysis['summary']}"

# LangChainツールを作成
ai_testing_tools = [
    Tool(
        name="AIGenerateMockAPI",
        func=ai_generate_mock_api,
        description="Generate AI-enhanced mock API with intelligent testing scenarios"
    ),
    Tool(
        name="AIExecuteTestingWorkflow",
        func=ai_execute_testing_workflow,
        description="Execute comprehensive AI-driven testing workflow with intelligent analysis"
    )
]

# AIテストエージェントを作成
llm = ChatOpenAI(temperature=0)
ai_testing_prompt = PromptTemplate.from_template("""
You are an AI-native testing assistant powered by MockLoop MCP.
You have access to revolutionary AI-driven testing capabilities including:
- AI-powered scenario generation
- Intelligent test execution
- Advanced performance analysis
- Security vulnerability assessment
- Stateful workflow management

Tools available: {tools}
Tool names: {tool_names}

Question: {input}
{agent_scratchpad}
""")

agent = create_react_agent(llm, ai_testing_tools, ai_testing_prompt)
agent_executor = AgentExecutor(agent=agent, tools=ai_testing_tools, verbose=True)

# AIネイティブなテストを実行
response = agent_executor.invoke({
    "input": "Generate a comprehensive AI-driven testing environment for a REST API and execute full testing workflow"
})

🔧 技術詳細

デュアルポートアーキテクチャ

MockLoop MCPは、一般的な競合を解消し、セキュリティを強化する革新的なデュアルポートアーキテクチャを導入しています。

アーキテクチャの利点

• 🔒 セキュリティ強化: モックAPIと管理機能を完全に分離
• ⚡ 競合ゼロ: OpenAPI仕様における /adminパスの競合を解消
• 📊 クリーンな分析: 管理呼び出しがモックAPIのメトリクスに表示されない
• 🔄 独立したスケーリング: モックAPIと管理サービスを別々にスケーリング
• 🛡️ ポートベースのアクセス制御: ネットワーク分離によるセキュリティ強化

ポート設定

# デュアルポートアーキテクチャでモックを生成
result = mockloop.generate_mock_api(
    spec_url_or_path="https://api.example.com/openapi.json",
    business_port=8000,  # モックAPIポート
    admin_port=8001,     # 管理UIポート
    admin_ui_enabled=True
)

アクセスポイント

• モックAPI: http://localhost:8000 - APIエンドポイント
• 管理UI: http://localhost:8001 - 管理インターフェイス
• APIドキュメント: http://localhost:8000/docs - インタラクティブなSwagger UI
• ヘルスチェック: http://localhost:8000/health - サーバーステータス

エンタープライズ機能

コンプライアンスと監査ログ

MockLoop MCPはエンタープライズグレードのコンプライアンス機能を提供します。

• 完全な監査トレイル: すべてのリクエスト/レスポンスがメタデータとともにログに記録されます。
• 規制コンプライアンス: GDPR、SOX、HIPAAコンプライアンスのサポート
• パフォーマンス指標: P95/P99応答時間、エラー率
• セキュリティ監視: 脅威検出と分析
• セッション追跡: クロスリクエストの相関と分析

高度な分析

• AI駆動のインサイト: インテリジェントな分析と推奨事項
• トラフィックパターン検出: 自動的な異常検出
• パフォーマンス最適化: AI駆動のパフォーマンス推奨事項
• エラー分析: インテリジェントなエラー分類と解決
• トレンド分析: 過去のパフォーマンスと使用トレンド

ステートフルテストワークフロー

MockLoop MCPは、高度なコンテキスト管理を通じて、複雑なステートフルテストワークフローをサポートします。

コンテキストタイプ

• テストセッションコンテキスト: テスト実行間で状態を維持
• ワークフローコンテキスト: 複雑な多段階テストのオーケストレーション
• エージェントコンテキスト: AIエージェントの状態管理と調整
• グローバルコンテキスト: セッション間のデータ共有と永続化

例: ステートフルな電子商取引テスト

# テストセッションコンテキストを作成
from datetime import datetime
session = mockloop.create_test_session_context(
    session_name="ecommerce_integration_test",
    configuration={
        "test_type": "integration",
        "environment": "staging",
        "ai_enhanced": True
    }
)

# 多段階テストのワークフローコンテキストを作成
workflow = mockloop.create_workflow_context(
    workflow_name="user_journey_test",
    parent_context=session["context_id"],
    steps=[
        "user_registration",
        "product_browsing",
        "cart_management",
        "checkout_process",
        "order_fulfillment"
    ]
)

# ステートフルなテストワークフローを実行
for step in workflow["steps"]:
    mockloop.update_context_data(
        context_id=workflow["context_id"],
        data={"current_step": step, "timestamp": datetime.now()}
    )
    
    test_result = mockloop.execute_test_plan(
        server_url="http://localhost:8000",
        test_plan=f"{step}_test_plan",
        context_id=workflow["context_id"]
    )
    
    snapshot = mockloop.create_context_snapshot(
        context_id=workflow["context_id"],
        snapshot_name=f"{step}_completion"
    )

# 完全なワークフローの結果を分析
final_analysis = mockloop.analyze_test_results(
    test_results=workflow["results"],
    context_id=workflow["context_id"],
    include_recommendations=True
)

🚀 生成されたモックサーバーの実行

Docker Composeを使用する (推奨)

# 生成されたモックディレクトリに移動
cd generated_mocks/your_api_mock

# デュアルポートアーキテクチャで起動
docker-compose up --build

# アクセスポイント:
# モックAPI: http://localhost:8000
# 管理UI: http://localhost:8001

Uvicornを直接使用する

# 依存関係をインストール
pip install -r requirements_mock.txt

# モックサーバーを起動
uvicorn main:app --reload --port 8000

拡張機能のアクセス

• 管理UI: http://localhost:8001 - 拡張管理インターフェイス
• APIドキュメント: http://localhost:8000/docs - インタラクティブなSwagger UI
• ヘルスチェック: http://localhost:8000/health - サーバーステータスとメトリクス
• ログ分析: http://localhost:8001/api/logs/search - 高度なログクエリ
• パフォーマンス指標: http://localhost:8001/api/logs/analyze - AI駆動のインサイト
• シナリオ管理: http://localhost:8001/api/mock-data/scenarios - 動的なテスト

📈 パフォーマンスとスケーラビリティ

MockLoop MCPはエンタープライズスケールのパフォーマンスを実現するように設計されています。

パフォーマンス指標

• 応答時間: P50、P95、P99パーセンタイルの追跡
• スループット: 毎秒のリクエスト数の監視
• エラー率: 包括的なエラー分析
• リソース使用状況: メモリ、CPU、ネットワークの監視
• 同時性: マルチユーザーの負荷テストサポート

スケーラビリティ機能

• 水平スケーリング: マルチインスタンスのデプロイサポート
• ロードバランシング: 組み込みのロードバランシング機能
• キャッシング: インテリジェントなレスポンスキャッシング
• データベース最適化: 効率的なSQLiteとPostgreSQLのサポート
• コンテナオーケストレーション: KubernetesとDocker Swarmに対応

🔒 セキュリティ機能

組み込みセキュリティ

• 認証ミドルウェア: 設定可能な認証メカニズム
• レート制限: 乱用とDoS攻撃を防止
• 入力検証: 包括的なリクエスト検証
• セキュリティヘッダー: CORS、CSP、およびセキュリティヘッダー
• 監査ログ: 完全なセキュリティイベントログ

セキュリティテスト

• 脆弱性評価: AI駆動のセキュリティテスト
• ペネトレーションテスト: 自動化されたセキュリティシナリオ生成
• コンプライアンスチェック: セキュリティ標準のコンプライアンス検証
• 脅威モデリング: AI駆動の脅威分析
• セキュリティレポート: 包括的なセキュリティ分析

🛣️ 将来の開発

今後の機能 🚧

強化されたAI機能

• 高度なMLモデル: APIテスト用のカスタムモデルトレーニング
• 予測分析: AI駆動の障害予測
• インテリジェントなテスト生成: 自己改善型のテストシナリオ
• 自然言語テスト: 平易な英語でのテスト記述

拡張されたプロトコルサポート

• GraphQLサポート: ネイティブのGraphQL APIテスト
• gRPC統合: プロトコルバッファーテストのサポート
• WebSocketテスト: リアルタイム通信のテスト
• イベント駆動型テスト: 非同期およびイベントベースのAPIテスト

エンタープライズ統合

• CI/CD統合: ネイティブのパイプライン統合
• 監視プラットフォーム: Datadog, New Relic, Prometheusの統合
• IDプロバイダー: SSOとエンタープライズ認証の統合
• コンプライアンスフレームワーク: 拡張された規制コンプライアンスのサポート

🤝 コントリビューション

MockLoop MCPへのコントリビューションを歓迎します！詳細については、コントリビューションガイドライン を参照してください。

開発環境のセットアップ

# リポジトリをフォークしてクローン
git clone https://github.com/your-username/mockloop-mcp.git
cd mockloop-mcp

# 開発環境を作成
python3 -m venv .venv
source .venv/bin/activate

# 開発用の依存関係をインストール
pip install -e ".[dev]"

# テストを実行
pytest tests/

# 品質チェックを実行
ruff check src/
bandit -r src/

コミュニティ

• GitHubリポジトリ: mockloop/mockloop-mcp
• イシューとバグレポート: GitHubイシュー
• 機能リクエスト: GitHubイシュー
• ドキュメント: docs.mockloop.com

📄 ライセンス

MockLoop MCPは MITライセンス の下でライセンスされています。

🎉 今日から始めましょう！

世界初のAIネイティブなテストプラットフォームでAPIテストを革新しましょう。

pip install mockloop-mcp

AIネイティブなテスト革命に参加して、MockLoop MCPでAPIテストの未来を体験しましょう！

🚀 今すぐ始める →