MCP Allure Server

🚀 MCP-Allure

MCP-Allure 是一款 MCP 服务器，可读取 Allure 测试报告，并以对大语言模型（LLM）友好的格式返回结果，助力开发团队借助 AI 进行更高效的测试分析。

🚀 快速开始

MCP-Allure 致力于解决传统测试报告与 AI 分析之间的适配问题，它能将 Allure 测试报告转换为 LLM 友好格式，让 AI 模型更好地理解和分析测试结果，为开发团队提供更有价值的见解。

✨ 主要特性

• 转换：能够将 Allure 测试报告转换为 LLM 友好格式。
• 优化：对测试报告进行优化，使其更适合 AI 消费。
• 效率：高效完成测试报告的转换工作。
• 成本：以较低成本实现测试报告的转换。
• 准确性：高精度地转换测试报告，确保信息准确传递。

📦 安装指南

使用 uv 安装 mcp-repo2llm，具体配置如下：

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

💻 使用示例

基础用法

get_allure_report

该工具可读取 Allure 报告并返回 JSON 数据。

• 输入：
  • report_dir：Allure HTML 报告路径
• 返回：
  • 字符串形式的格式化 JSON 数据，示例如下：

{
    "test-suites": [
        {
            "name": "测试套件名称",
            "title": "套件标题",
            "description": "套件描述",
            "status": "通过",
            "start": "时间戳",
            "stop": "时间戳",
            "test-cases": [
                {
                    "name": "测试用例名称",
                    "title": "用例标题",
                    "description": "用例描述",
                    "severity": "正常",
                    "status": "通过",
                    "start": "时间戳",
                    "stop": "时间戳",
                    "labels": [

                    ],
                    "parameters": [

                    ],
                    "steps": [
                        {
                            "name": "步骤名称",
                            "title": "步骤标题",
                            "status": "通过",
                            "start": "时间戳",
                            "stop": "时间戳",
                            "attachments": [

                            ],
                            "steps": [

                            ]
                        }
                    ]
                }
            ]
        }
    ]
}

📚 详细文档

动机

随着人工智能和大型语言模型 (LLMs) 在软件开发中的作用日益重要，将传统测试报告与 AI 分析之间架桥补壑的需求不断增加。传统的 Allure 测试报告格式虽然适合人类阅读，但并不是为 LLM 消费和处理而优化的。

MCP-Allure 解决了这一难题，它将 Allure 测试报告转换为 LLM 友好格式。这种转换使 AI 模型能够更好地理解、分析并提供测试结果的见解，从而更轻松地：

• 生成有意义的测试摘要和洞察
• 识别测试失败中的模式
• 建议可能的测试失败修复方法
• 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供 LLM 消费，MCP-Allure 帮助开发团队充分利用 AI 工具在测试工作流程中的潜力，从而实现更高效和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 模型可能难以解读和分析不适合 LLM 消费的测试报告。
• 成本：将测试报告转换为 LLM 友好格式可能会耗费大量时间和资源。