项目介绍

概述

这个项目是一个AI驱动的网络测试工具，旨在通过自然语言指令自动化执行和管理网络测试任务。它支持记录、执行和发现测试步骤，并与MCP协议集成，可以通过配置的AI编码助手进行交互。

核心功能

• 测试录制：根据自然语言描述自动执行浏览器操作并保存为JSON格式。
• 测试执行：加载已录制的测试用例并验证其结果。
• 测试发现：分析网页结构并生成潜在测试步骤建议。
• MCP协议支持：通过配置可以在AI编码助手中直接调用。

安装指南

先决条件

• Python 3.10+
• LLM API访问（推荐使用Gemini 2.0 Flash）
• 已安装的MCP CLI工具 (pip install mcp[cli])
• Playwright浏览器支持 (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浏览器支持：

playwright install --with-deps # 安装浏览器和系统依赖

配置说明

1. 将项目根目录下的.env.example文件重命名为.env。
2. 添加LLM API密钥和其他必要信息：

# .env
LLM_API_KEY="YOUR_LLM_API_KEY"

• 请将YOUR_LLM_API_KEY替换为实际的API密钥。

使用说明

MCP服务器配置

在你的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"]
    }
  }
}

请保持该服务器运行状态以便与AI编码助手交互。

常用命令示例

• 录制测试：

"记录一个测试：访问https://practicetestautomation.com/practice-test-login/，输入'student'到用户名字段，输入'Password123'到密码字段，点击提交按钮，并验证文本'Congratulations student'可见。"

• 执行测试：

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

• 发现测试步骤：

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

• 列出已录制测试：

"列出可用的网络测试记录。"

输出说明

• 录制的测试：保存为JSON文件在output/目录中（请参见test_schema.md了解格式）。
• 执行结果：返回一个JSON对象总结运行状态（状态、错误、证据路径）。完整的运行结果也保存到output/execution_result_....json。
• 发现结果：返回包含已发现URL和建议步骤的JSON对象。完整的发现结果保存到output/discovery_results_....json。

开发与贡献

欢迎贡献！请参考CONTRIBUTING.md了解如何开始、报告问题以及提交拉取请求。

许可证

本项目在APACHE-2.0下许可。