MCP Allure Server

🚀 MCP-Allure

MCP-Allure 是一款 MCP 服務器，它能夠讀取 Allure 報告，並以對大語言模型（LLM）友好的格式返回結果，助力開發團隊更好地利用 AI 進行測試分析。

🚀 快速開始

MCP-Allure 旨在解決傳統測試報告與 AI 分析之間的銜接問題，通過將 Allure 測試報告轉換為 LLM 友好格式，讓 AI 模型能更高效地理解和分析測試結果，為測試工作帶來更多便利和價值。

✨ 主要特性

• 轉換：可將 Allure 測試報告轉換為 LLM 友好格式。
• 優化：對測試報告進行優化，以便 AI 更好地消費。
• 高效：能高效地完成測試報告的轉換工作。
• 低成本：以較低的成本實現測試報告的轉換。
• 高準確性：高精度地轉換測試報告，確保信息準確。

📦 安裝指南

使用 uv 安裝 mcp-repo2llm，可參考以下配置：

{
  "mcpServers": {
    "mcp-allure-server": {
      "command": "uv",
      "args": [
        "run",
        "--with", 
        "mcp[cli]", 
        "mcp", 
        "run", 
        "/Users/crisschan/workspace/pyspace/mcp-allure/mcp-allure-server.py"
      ]
    }
  }
}

💻 使用示例

基礎用法

get_allure_report 工具

該工具可閱讀 Allure 報告並返回 JSON 數據。

• 輸入：
  • report_dir：Allure HTML 報告路徑
• 返回：
  • 字符串，格式化的 JSON 數據，示例如下：

{
    "test-suites": [
        {
            "name": "測試套件名稱",
            "title": "套件標題",
            "description": "套件描述",
            "status": "通過",
            "start": "時間戳",
            "stop": "時間戳",
            "test-cases": [
                {
                    "name": "測試用例名稱",
                    "title": "用例標題",
                    "description": "用例描述",
                    "severity": "正常",
                    "status": "通過",
                    "start": "時間戳",
                    "stop": "時間戳",
                    "labels": [

                    ],
                    "parameters": [

                    ],
                    "steps": [
                        {
                            "name": "步驟名稱",
                            "title": "步驟標題",
                            "status": "通過",
                            "start": "時間戳",
                            "stop": "時間戳",
                            "attachments": [

                            ],
                            "steps": [

                            ]
                        }
                    ]
                }
            ]
        }
    ]
}

📚 詳細文檔

解決的問題

• 效率：傳統測試報告格式不適合 AI 消費，導致測試分析和維護效率低下。
• 準確性：AI 模型可能難以解讀和分析不適合 LLM 消費的測試報告。
• 成本：將測試報告轉換為 LLM 友好格式可能會耗費大量時間和資源。