QA MCP

🚀 人工智能輔助網絡測試 vibe

這是一款由AI驅動的網絡測試工具，它能與GitHub Copilot等AI編碼助手完美集成。藉助MCP協議，用戶只需通過自然語言指令，就能讓代理執行復雜的網絡測試任務，極大提升測試效率。

🚀 快速開始

本工具是AI驅動的網絡測試工具，與AI編碼助手集成，支持自然語言控制，可執行自動化測試記錄、迴歸測試等多種任務，為開發者提供高效測試輔助。

✨ 主要特性

• 自動化測試記錄：只需簡單的文本指令，就能自動執行網絡交互操作。
• 迴歸測試執行：運行已保存的測試文件，還能生成詳細的執行報告。
• 測試步驟發現：智能分析網站結構，推薦合適的測試步驟。
• MCP協議支持：與AI編碼助手深度集成，提供高效的開發輔助。

📦 安裝指南

先決條件

• Python 3.10+版本
• LLM訪問權限（建議使用_gemini 2.0 flash_）
• 安裝MCP（通過pip install mcp[cli]）
• 安裝Playwright瀏覽器（運行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：

   playwright install --with-deps # 安裝瀏覽器和操作系統依賴項
   

📚 詳細文檔

配置

1. 將.env.example重命名為項目根目錄中的.env文件。
2. 添加LLM API密鑰和其他必要信息：

   # .env
   LLM_API_KEY="YOUR_LLM_API_KEY"
   

   • 替換YOUR_LLM_API_KEY為實際密鑰。

添加MCP服務器配置

在您的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"]
    }
  }
}

保持此服務器運行狀態，以便與AI編碼助手交互。

使用方法

通過您的MCP功能啟用的AI編碼助手使用自然語言與該代理互動。

示例用法：

• 記錄測試：

  "前往https://practicetestautomation.com/practice-test-login/，在用戶名字段中輸入'student'，在密碼字段中輸入'Password123'，點擊提交按鈕，並驗證文本'Congratulations student'是否可見。"

  • （代理將自動執行這些操作並在output/目錄中保存一個test_....json文件）
• 執行測試：

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

  • （代理將執行指定文件中的步驟並報告PASS/FAIL狀態，包括錯誤和詳細信息。）
• 發現測試步驟：

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

  • （代理將爬取網站、分析頁面並返回每個頁面的建議測試步驟。）
• 列出記錄的測試：

  "列出可用的記錄網絡測試。"

  • （代理將返回output/目錄中的.json文件列表。）

輸出結果：

• 記錄的測試：以JSON格式保存在output/目錄中（請參見test_schema.md瞭解格式）。
• 執行結果：以JSON對象形式返回，包含狀態、錯誤和詳細信息。
• 發現步驟：生成結構化的測試步驟文檔。

項目結構

.
├── README.md          # 項目說明
├── mcp_server.py     # MCP服務器實現
├── requirements.txt  # 依賴項清單
└── .env.example      # 環境變量示例

參考資料

• MCP協議文檔
• Playwright官方文檔
• AI編碼助手集成指南

📄 許可證

[項目許可證信息]

貢獻者

[貢獻者名單]