MCP Allure 转换器
一种将Allure测试报告转换为LLM友好格式的服务器,使AI模型能够更好地分析测试结果,并提供关于测试失败和潜在修复的见解。
MCP 服务配置
复制以下 JSON 到 OPClaw 或其他 MCP 客户端的配置文件中即可使用
{
"mcpServers": {
"mcp-allure-server": {
"args": [
"run",
"--with",
"mcp[cli]",
"mcp",
"run",
"/Users/crisschan/workspace/pyspace/mcp-allure/mcp-allure-server.py"
],
"command": "uv"
}
}
}
服务介绍
MCP-Allure
MCP-Allure 是一个 MCP 服务器,它读取 Allure 报告并以适合大型语言模型(LLM)的格式返回。
动机
随着人工智能和大型语言模型(LLMs)在软件开发中变得越来越重要,传统测试报告与 AI 辅助分析之间的差距需要被弥合。传统的 Allure 测试报告格式虽然对人类可读,但并不适合 LLM 的消费和处理。
MCP-Allure 通过将 Allure 测试报告转换为适合 LLM 的格式来解决这一挑战。这种转换使 AI 模型能够更好地理解、分析并提供关于测试结果的见解,从而更容易地:
- 生成有意义的测试摘要和见解
- 识别测试失败中的模式
- 建议可能的修复方案
- 实现更有效的 AI 辅助调试
- 促进自动化测试文档生成
通过优化测试报告以便于 LLM 消费,MCP-Allure 帮助开发团队在其测试工作流程中充分利用 AI 工具的潜力,从而实现更高效和智能的测试分析和维护。
解决的问题
- 效率:传统的测试报告格式不适合 AI 消费,导致测试分析和维护效率低下。
- 准确性:AI 模型可能难以解释和分析未优化为 AI 消费格式的测试报告。
- 成本:将测试报告转换为适合 LLM 的格式可能是耗时且昂贵的。
主要功能
- 转换:将 Allure 测试报告转换为适合 LLM 的格式。
- 优化:优化测试报告以便于 AI 消费。
- 效率:高效地转换测试报告。
- 成本:以低成本转换测试报告。
- 准确性:以高准确性转换测试报告。
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,如下所示:
{
"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": [
]
}
]
}
]
}
]
}