mcpField
M
Mcp Allure Server

Mcp Allure Server

本地服务
github.com/crisschan开发工具1252 周前更新

关于 Mcp Allure Server

Mcp Allure Server 面向需要分析测试结果的开发者,可读取 Allure HTML 报告并返回适合大模型处理的结构化 JSON。

主要功能

  1. 01读取 Allure HTML 报告
  2. 02以 JSON 返回报告数据
  3. 03将结果整理为适合大模型分析的格式

适用场景

  1. 01借助 AI 总结测试结果
  2. 02检查测试失败模式
  3. 03辅助 AI 调试

MCP 相关

向 MCP 客户端提供 `get_allure_report` 工具,接收 Allure 报告目录并返回格式化的 JSON 数据。

配置

本地服务的配置在各客户端中通用,复制后粘贴到客户端的 MCP 配置文件即可。

暂未收录安装方式

我们还没有获取到这个服务的安装包或远程地址,请按项目 README 中的说明安装。

代码仓库

工具

还没有获取到工具列表

本地服务需要在你的电脑上运行后才能读取工具,维护者暂未提供工具列表。

详细介绍

MCP-Allure

MCP-Allure 是一个 MCP 服务,可读取 Allure 报告并以便于大模型处理的格式返回报告内容。

动机

随着 AI 和大语言模型(LLM)日益成为软件开发的重要组成部分,我们越来越需要弥合传统测试报告与 AI 辅助分析之间的差距。传统的 Allure 测试报告格式虽然便于人类阅读,却并未针对大模型的使用和处理进行优化。

MCP-Allure 通过将 Allure 测试报告转换为便于大模型处理的格式,解决了这一问题。借助这种转换,AI 模型能够更好地理解和分析测试结果,并提供见解,从而更轻松地:

  • 生成有意义的测试摘要和见解
  • 识别测试失败中的模式
  • 为失败的测试提出潜在修复方案
  • 实现更有效的 AI 辅助调试
  • 促进自动生成测试文档

通过针对大模型的使用优化测试报告,MCP-Allure 帮助开发团队在测试工作流中充分发挥 AI 工具的潜力,从而实现更高效、更智能的测试分析和维护。

解决的问题

  • 效率:传统测试报告格式未针对 AI 使用进行优化,导致测试分析和维护效率低下。
  • 准确性:AI 模型可能难以解读和分析未采用 AI 优化格式的测试报告。
  • 成本:将测试报告转换为便于大模型处理的格式可能耗时且成本高昂。

主要功能

  • 转换:将 Allure 测试报告转换为便于大模型处理的格式。
  • 优化:针对 AI 使用优化测试报告。
  • 效率:高效转换测试报告。
  • 成本:以低成本转换测试报告。
  • 准确性:高准确度地转换测试报告。

安装

使用 uv 安装 mcp-repo2llm:

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

工具

get_allure_report

  • 读取 Allure 报告并返回 JSON 数据
  • 输入:
    • report_dir:Allure HTML 报告路径
  • 返回:
    • 字符串,格式化的 JSON 数据,例如:
{
    "test-suites": [
        {
            "name": "test suite name",
            "title": "suite title",
            "description": "suite description",
            "status": "passed",
            "start": "timestamp",
            "stop": "timestamp",
            "test-cases": [
                {
                    "name": "test case name",
                    "title": "case title",
                    "description": "case description",
                    "severity": "normal",
                    "status": "passed",
                    "start": "timestamp",
                    "stop": "timestamp",
                    "labels": [

                    ],
                    "parameters": [

                    ],
                    "steps": [
                        {
                            "name": "step name",
                            "title": "step title",
                            "status": "passed",
                            "start": "timestamp",
                            "stop": "timestamp",
                            "attachments": [

                            ],
                            "steps": [

                            ]
                        }
                    ]
                }
            ]
        }
    ]
}

评论

支持 Markdown

第一次接触 MCP?

从协议是什么,到在客户端里装上第一个服务,这几条回答覆盖了大多数入门问题。

一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。