🚀 AI驱动的网络测试工具
这个项目是一个由AI驱动的网络测试工具，借助自然语言指令实现网络测试任务的自动化执行与管理。它支持测试步骤的记录、执行和发现，还集成了MCP协议，能通过配置的AI编码助手进行交互。
🚀 快速开始
本项目是一个AI驱动的网络测试工具，可通过自然语言指令自动化执行和管理网络测试任务。以下为你介绍如何快速开启使用。
✨ 主要特性
- 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
- 克隆仓库：
git clone
cd
- 创建虚拟环境（推荐）：
python -m venv venv
source venv/bin/activate # Linux/macOS
# venv\Scripts\activate # Windows
- 安装依赖项：
pip install -r requirements.txt
- 安装Playwright浏览器支持：
playwright install --with-deps # 安装浏览器和系统依赖
📚 详细文档
配置说明
- 将项目根目录下的.env.example文件重命名为.env。
- 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。
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。
📄 许可证
本项目在APACHE-2.0下许可。
🔗 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。