🚀 LRC-MCP 服務器
本項目提供了一個模型上下文提供程序(MCP)服務器,用於與 LoadRunner Cloud(LRC)API 集成。它支持以自動化、程序化的方式訪問 LRC 資源和測試數據,便於構建性能工程工作流、儀表盤和 AI 集成。
🚀 快速開始
前提條件
- Node.js(需要 v18 及以上版本,推薦 v20 及以上版本)
- npm(隨 Node.js 一同安裝)
安裝步驟
- 克隆此倉庫並進入項目目錄。
- 安裝依賴項:
npm install
- 複製示例環境文件,並使用真實憑證進行編輯:
cp .env.example .env
.env.example 文件為所需的環境變量提供了模板。你必須按照上述步驟創建 .env 文件,並提供實際憑證,服務器才能正常運行。
啟動服務器
啟動 MCP 服務器:
node mcpServer.js
你也可以啟動支持服務器發送事件(SSE)的服務器:
node mcpServer.js --sse
✨ 主要特性
LRC - MCP 服務器提供了一組與 LoadRunner Cloud 交互的工具,包括:
- 獲取項目、負載測試、腳本和測試運行信息
- 獲取測試運行的事務詳細信息、摘要和 HTTP 響應
- 自動化性能數據收集和報告
該服務器與任何 MCP 客戶端(如 Claude Desktop 或 Cursor)兼容,並可根據需要擴展以支持更多 LRC API。
📦 可用工具
以下是可用於與 LoadRunner Cloud 交互的工具:
- get_projects:檢索租戶中的所有項目。
- test_runs_getActiveTestRuns:從 LoadRunner Cloud 獲取活動的測試運行。
- test_runs_getTestRunTransactions:列出測試運行中的所有事務信息。
- test_runs_getTestRunSummary:獲取測試運行的摘要。
- test_runs_getHttpResponses:獲取測試運行的 HTTP 響應。
- projects_getLoadTests:檢索項目中的負載測試。
- projects_getLoadTestScripts:檢索項目中負載測試的腳本。
- projects_getLoadTestRuns:檢索項目中負載測試的運行信息。
💻 使用示例
基礎用法
你可以從任何兼容 MCP 的客戶端調用這些工具。以下是 JavaScript 示例:
await get_projects();
await projects_getLoadTests({ projectId: '10' });
await projects_getLoadTestScripts({ projectId: '10', loadTestId: '2159' });
await projects_getLoadTestRuns({ projectId: '10', loadTestId: '2159' });
await test_runs_getHttpResponses({ runId: '16287' });
📚 詳細文檔
獲取絕對路徑(Shell 和 Windows)
要獲取 node 的完整路徑:
要檢查 node 版本,運行:
node --version
要獲取 mcpServer.js 的絕對路徑,運行:
MCP 客戶端配置
你可以將 MCP 服務器連接到任何 MCP 客戶端。以下是針對 Claude Desktop 和 Cursor 的配置說明。
Claude Desktop
- 記錄上一步中 node 和
mcpServer.js 的完整路徑。
- 打開 Claude Desktop → 設置 → 開發者 → 編輯配置,並添加一個新的 MCP 服務器:
{
"mcpServers": {
"<服務器名稱>": {
"command": "<node 的絕對路徑>",
"args": ["<mcpServer.js 的絕對路徑>"]
}
}
}
- 重啟 Claude Desktop 以激活更改。確保新的 MCP 已開啟,並且旁邊有一個綠色圓圈。
⚠️ 重要提示
如果你沒有為 node 提供 v18 及以上版本的絕對路徑,Claude(以及其他 MCP 客戶端)可能會回退到系統中其他舊版本的 node。在這種情況下,fetch API 將不可用,工具調用將無法正常工作。如果發生這種情況,你可以 a) 安裝較新版本的 node 並在命令中指向它,或者 b) 將 node-fetch 作為 fetch 導入到每個工具中,並確保在 package.json 中添加 node-fetch 依賴項。
Cursor
- 如上述步驟記錄 node 和
mcpServer.js 的完整路徑。
- 在 Cursor 中,轉到 設置 → AI 工具 → MCP 服務器(或類似的 MCP 集成部分)。
- 添加新的 MCP 服務器配置:
{
"command": "<node 的絕對路徑>",
"args": ["<mcpServer.js 的絕對路徑>"]
}
- 保存並啟用服務器。確保服務器正在運行,並且可在 Cursor 中進行工具調用。
Docker 部署
對於生產環境部署,你可以使用 Docker:
docker build -t lrc-mcp-server .
🔧 技術細節
模型上下文提供程序(MCP)是一種向 AI 和自動化客戶端公開程序化工具的協議。此服務器實現了用於 LoadRunner Cloud API 的 MCP 協議。
更多信息請參閱源代碼和工具文檔。