MCP Jacoco Reporter

🚀 MCP - JaCoCo

MCP - JaCoCo 是一款服務器工具，它能夠把 JaCoCo 代碼覆蓋率報告轉換為適合大型語言模型（LLMs）使用的格式，讓人工智能驅動的分析變得更加高效、有效。

🚀 快速開始

MCP - JaCoCo 可將傳統的 JaCoCo 代碼覆蓋率報告轉換為適合 AI 處理的格式，助力開發團隊在測試工作流中充分發揮人工智能的潛力，提升效率與洞察力。

✨ 主要特性

• 智能轉換：將 JaCoCo XML 報告轉換為 LLM 友好的 JSON 格式。
• 靈活的覆蓋率類型：支持多種覆蓋率指標（指令、分支、行等）。
• 高效處理：快速且輕量級的報告處理。
• 結構化輸出：組織良好的 JSON 格式，便於 AI 消費。
• 可自定義分析：按特定指標過濾覆蓋率數據。

📦 安裝指南

使用 uv 安裝 MCP - JaCoCo，配置如下：

{
  "mcpServers": {
     "mcp-jacoco-reporter-server": {
      "command": "uv",
      "args": [
        "run",
        "--with",
        "mcp[cli]",
        "mcp",
        "run",
        "/Users/crisschan/workspace/pyspace/mcp-jacoco-reporter/mcp-jacoco-reporter-server.py"
      ],
      "env": {
        "COVERED_TYPES": "nocovered, partiallycovered, fullcovered"
      },
      "alwaysAllow": [
        "jacoco_reporter_server"
      ]
    }
  }
}

💻 使用示例

基礎用法

jacoco_reporter_server 工具可讀取 JaCoCo XML 報告並返回 JSON 格式的覆蓋率數據。

• 輸入：
  • jacoco_xmlreport_path：JaCoCo xml 報告路徑（jacoco.xml）
• 輸出：
  • 字符串，包含覆蓋度量的格式化 JSON 數據

示例輸出格式：

[
    {
        "sourcefile": "PasswordUtil.java",
        "package": "com/cicc/ut/util",
        "lines": {
            "nocovered": [],
            "partiallycovered": []
        },
        "branch": {
            "nocovered": [],
            "partiallycovered": []
        }
    },
    {
        "sourcefile": "UserServiceImpl.java",
        "package": "com/cicc/ut/service/impl",
        "lines": {
            "nocovered": [
                32,
                40,
                51,
                67
            ],
            "partiallycovered": []
        },
        "branch": {
            "nocovered": [],
            "partiallycovered": []
        }
    }
]

📚 詳細文檔

為什麼重要

隨著人工智能和大語言模型在軟件開發中的作用日益增強，傳統的 JaCoCo 代碼覆蓋率報告——儘管對人類有用——其 XML 格式並不適合 AI 工具進行處理或分析。MCP - JaCoCo 搭建了這座橋樑，將這些報告轉換為 LLM 友好的格式，為開發團隊帶來了顯著的優勢：

• 快速生成有意義的代碼覆蓋率摘要
• 輕鬆識別未測試或測試不足的代碼
• 提供智能的新測試用例建議
• 實現 AI 輔助測試計劃的自動化
• 簡化覆蓋率結果的文檔記錄

解決的問題

• 複雜格式：簡化 JaCoCo 的密集 XML 報告以供 AI 使用。
• 分散數據：將覆蓋率指標集中到一個易於訪問的地方。
• 緩慢分析：減少耗時的人工審查。
• 集成障礙：使原始數據與 AI 工具兼容。