为大模型提供读取Allure报告的能力,MCP-Allure server
功能:读取 Allure 测试报告并返回 JSON 格式的数据输入参数report_dir:Allure HTML 测试报告的路径返回值字符串,格式化的 JSON 数据,示例结构如下:],],"steps": [],"steps": [
·
地址
https://github.com/crisschan/mcp-allure
MCP-Allure 是一个 MCP 服务器,能够读取 Allure 测试报告并将其转化为适合大语言模型(LLM)处理的高效格式。
开发动机
随着人工智能和大语言模型(LLM)在软件开发中变得越来越不可或缺,如何将传统的测试报告与 AI 辅助分析更好地结合起来成为一个迫切需求。传统的 Allure 测试报告虽然对人类阅读友好,但并未针对 LLM 的处理需求进行优化。
MCP-Allure 通过将 Allure 测试报告转换为 LLM 友好的格式来应对这一挑战。这种转换让 AI 模型能够更深入地理解、分析测试结果并提供洞察,从而帮助开发者:
- 生成有意义的测试总结和洞察
- 识别测试失败中的模式
- 为失败的测试提供潜在的修复建议
- 提升 AI 辅助调试的效率
- 简化自动化测试文档的生成
通过优化测试报告以适应 LLM 的需求,MCP-Allure 助力开发团队充分发挥 AI 工具在测试流程中的潜力,从而实现更高效、更智能的测试分析与维护。
解决的问题
- 效率:传统测试报告格式未针对 AI 优化,导致测试分析和维护效率低下。
- 准确性:AI 模型在处理非优化格式的测试报告时,可能会在理解和分析上遇到困难。
- 成本:将测试报告手动转换为 LLM 友好格式既耗时又成本高昂。
核心功能
- 格式转换:将 Allure 测试报告转化为 LLM 友好的格式。
- 优化设计:针对 AI 处理需求优化测试报告。
- 高效处理:快速完成测试报告的转换。
- 低成本:以较低的成本实现报告转换。
- 高准确性:确保报告转换的精准度。
安装方法
通过 uv 安装 mcp-repo2llm 的步骤如下:
{
"mcpServers": {
"mcp-allure-server": {
"command": "uv",
"args": [
"run",
"--with",
"mcp[cli]",
"mcp",
"run",
"/Users/crisschan/workspace/pyspace/mcp-allure/mcp-allure-server.py"
]
}
}
}
工具介绍
get_allure_report
- 功能:读取 Allure 测试报告并返回 JSON 格式的数据
- 输入参数:
report_dir:Allure HTML 测试报告的路径
- 返回值:
- 字符串,格式化的 JSON 数据,示例结构如下:
{
"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": [
]
}
]
}
]
}
]
}
火山引擎开发者社区是火山引擎打造的AI技术生态平台,聚焦Agent与大模型开发,提供豆包系列模型(图像/视频/视觉)、智能分析与会话工具,并配套评测集、动手实验室及行业案例库。社区通过技术沙龙、挑战赛等活动促进开发者成长,新用户可领50万Tokens权益,助力构建智能应用。
更多推荐
所有评论(0)