Groundng (QA For Cursor)

🚀 AI驅動的網絡測試工具

本項目是一款由AI驅動的網絡測試工具，能夠依據自然語言指令，自動化執行和管理網絡測試任務。它支持測試步驟的記錄、執行與發現，還集成了MCP協議，可通過配置與AI編碼助手進行交互。

🚀 快速開始

此項目是一個強大的AI驅動網絡測試工具，支持自然語言指令操作。以下是使用前的準備步驟：

1. 完成安裝，確保滿足先決條件並按照步驟操作。
2. 進行配置，添加必要的API密鑰等信息。
3. 配置MCP服務器，保證其運行以便與AI編碼助手交互。

✨ 主要特性

• 測試錄製：依據自然語言描述，自動執行瀏覽器操作，並將其保存為JSON格式。
• 測試執行：加載已錄製的測試用例，對其結果進行驗證。
• 測試發現：分析網頁結構，生成潛在的測試步驟建議。
• MCP協議支持：通過配置，可在AI編碼助手中直接調用。

📦 安裝指南

先決條件

• Python 3.10+
• LLM API訪問（推薦使用Gemini 2.0 Flash）
• 已安裝的MCP CLI工具 (pip install mcp[cli])
• Playwright瀏覽器支持 (playwright install)

安裝步驟

1. 克隆倉庫：

git clone <repository-url>
cd <repository-name>

2. 創建虛擬環境（推薦）：

python -m venv venv
source venv/bin/activate # Linux/macOS
# venv\Scripts\activate # Windows

3. 安裝依賴項：

pip install -r requirements.txt

4. 安裝Playwright瀏覽器支持：

playwright install --with-deps # 安裝瀏覽器和系統依賴

📚 詳細文檔

配置說明

1. 將項目根目錄下的.env.example文件重命名為.env。
2. 添加LLM API密鑰和其他必要信息：

# .env
LLM_API_KEY="YOUR_LLM_API_KEY"

• 請將YOUR_LLM_API_KEY替換為實際的API密鑰。

MCP服務器配置

在你的MCP配置中添加以下內容：

{
  "mcpServers": {
    "Web-QA":{
      "command": "uv",
      "args": ["--directory","path/to/cloned_repo", "run", "mcp_server.py"]
    }
  }
}

請保持該服務器運行狀態以便與AI編碼助手交互。

常用命令示例

• 錄製測試：

"記錄一個測試：訪問https://practicetestautomation.com/practice-test-login/，輸入'student'到用戶名字段，輸入'Password123'到密碼字段，點擊提交按鈕，並驗證文本'Congratulations student'可見。"

• 執行測試：

"運行迴歸測試output/test_practice_test_login_20231105_103000.json"

• 發現測試步驟：

"從https://practicetestautomation.com/practice/開始發現潛在的測試步驟。"

• 列出已錄製測試：

"列出可用的網絡測試記錄。"

輸出說明

• 錄製的測試：保存為JSON文件在output/目錄中（請參見test_schema.md瞭解格式）。
• 執行結果：返回一個JSON對象總結運行狀態（狀態、錯誤、證據路徑）。完整的運行結果也保存到output/execution_result_....json。
• 發現結果：返回包含已發現URL和建議步驟的JSON對象。完整的發現結果保存到output/discovery_results_....json。

📄 許可證

本項目在APACHE-2.0下許可。

💡 使用建議

歡迎貢獻！請參考CONTRIBUTING.md瞭解如何開始、報告問題以及提交拉取請求。