QA-MCP

🚀 人工智能辅助网络测试 vibe

这是一款由AI驱动的网络测试工具，它能与GitHub Copilot等AI编码助手完美集成。借助MCP协议，用户只需通过自然语言指令，就能让代理执行复杂的网络测试任务，极大提升测试效率。

🚀 快速开始

本工具是AI驱动的网络测试工具，与AI编码助手集成，支持自然语言控制，可执行自动化测试记录、回归测试等多种任务，为开发者提供高效测试辅助。

✨ 主要特性

• 自动化测试记录：只需简单的文本指令，就能自动执行网络交互操作。
• 回归测试执行：运行已保存的测试文件，还能生成详细的执行报告。
• 测试步骤发现：智能分析网站结构，推荐合适的测试步骤。
• MCP协议支持：与AI编码助手深度集成，提供高效的开发辅助。

📦 安装指南

先决条件

• Python 3.10+版本
• LLM访问权限（建议使用_gemini 2.0 flash_）
• 安装MCP（通过pip install mcp[cli]）
• 安装Playwright浏览器（运行playwright install）

安装步骤

1. 克隆仓库：

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

2. 创建虚拟环境（推荐）：

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

3. 安装依赖项：

   pip install -r requirements.txt
   

4. 安装Playwright浏览器：

   playwright install --with-deps # 安装浏览器和操作系统依赖项
   

📚 详细文档

配置

1. 将.env.example重命名为项目根目录中的.env文件。
2. 添加LLM API密钥和其他必要信息：

   # .env
   LLM_API_KEY="YOUR_LLM_API_KEY"
   

   • 替换YOUR_LLM_API_KEY为实际密钥。

添加MCP服务器配置

在您的MCP配置中添加以下内容：

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

保持此服务器运行状态，以便与AI编码助手交互。

使用方法

通过您的MCP功能启用的AI编码助手使用自然语言与该代理互动。

示例用法：

• 记录测试：

  "前往https://practicetestautomation.com/practice-test-login/，在用户名字段中输入'student'，在密码字段中输入'Password123'，点击提交按钮，并验证文本'Congratulations student'是否可见。"

  • （代理将自动执行这些操作并在output/目录中保存一个test_....json文件）
• 执行测试：

  "运行回归测试output/test_practice_test_login_20231105_103000.json"

  • （代理将执行指定文件中的步骤并报告PASS/FAIL状态，包括错误和详细信息。）
• 发现测试步骤：

  "从https://practicetestautomation.com/practice/开始发现潜在的测试步骤。"

  • （代理将爬取网站、分析页面并返回每个页面的建议测试步骤。）
• 列出记录的测试：

  "列出可用的记录网络测试。"

  • （代理将返回output/目录中的.json文件列表。）

输出结果：

• 记录的测试：以JSON格式保存在output/目录中（请参见test_schema.md了解格式）。
• 执行结果：以JSON对象形式返回，包含状态、错误和详细信息。
• 发现步骤：生成结构化的测试步骤文档。

项目结构

.
├── README.md          # 项目说明
├── mcp_server.py     # MCP服务器实现
├── requirements.txt  # 依赖项清单
└── .env.example      # 环境变量示例

参考资料

• MCP协议文档
• Playwright官方文档
• AI编码助手集成指南

📄 许可证

[项目许可证信息]

贡献者

[贡献者名单]