Loadrunner Cloud Mcp Server

开发 JavaScript

🚀 LRC-MCP 服务器

本项目提供了一个模型上下文提供程序（MCP）服务器，用于与 LoadRunner Cloud（LRC）API 集成。它支持以自动化、程序化的方式访问 LRC 资源和测试数据，便于构建性能工程工作流、仪表盘和 AI 集成。

🚀 快速开始

前提条件

Node.js（需要 v18 及以上版本，推荐 v20 及以上版本）
npm（随 Node.js 一同安装）

安装步骤

克隆此仓库并进入项目目录。
安装依赖项：
```
npm install
```
复制示例环境文件，并使用真实凭证进行编辑：
```
cp .env.example .env
# 然后编辑 .env 文件，填写你的 LRC_TENANT_ID、LRC_CLIENT_ID 和 LRC_CLIENT_SECRET
```
.env.example 文件为所需的环境变量提供了模板。你必须按照上述步骤创建 .env 文件，并提供实际凭证，服务器才能正常运行。

启动服务器

启动 MCP 服务器：

node mcpServer.js

你也可以启动支持服务器发送事件（SSE）的服务器：

node mcpServer.js --sse

✨ 主要特性

LRC - MCP 服务器提供了一组与 LoadRunner Cloud 交互的工具，包括：

获取项目、负载测试、脚本和测试运行信息
获取测试运行的事务详细信息、摘要和 HTTP 响应
自动化性能数据收集和报告

该服务器与任何 MCP 客户端（如 Claude Desktop 或 Cursor）兼容，并可根据需要扩展以支持更多 LRC API。

📦 可用工具

以下是可用于与 LoadRunner Cloud 交互的工具：

get_projects：检索租户中的所有项目。
test_runs_getActiveTestRuns：从 LoadRunner Cloud 获取活动的测试运行。
test_runs_getTestRunTransactions：列出测试运行中的所有事务信息。
test_runs_getTestRunSummary：获取测试运行的摘要。
test_runs_getHttpResponses：获取测试运行的 HTTP 响应。
projects_getLoadTests：检索项目中的负载测试。
projects_getLoadTestScripts：检索项目中负载测试的脚本。
projects_getLoadTestRuns：检索项目中负载测试的运行信息。

💻 使用示例

基础用法

你可以从任何兼容 MCP 的客户端调用这些工具。以下是 JavaScript 示例：

// 获取所有项目
await get_projects();

// 获取项目的负载测试
await projects_getLoadTests({ projectId: '10' });

// 获取项目中负载测试的脚本
await projects_getLoadTestScripts({ projectId: '10', loadTestId: '2159' });

// 获取项目中负载测试的运行信息
await projects_getLoadTestRuns({ projectId: '10', loadTestId: '2159' });

// 获取测试运行的 HTTP 响应
await test_runs_getHttpResponses({ runId: '16287' });

📚 详细文档

获取绝对路径（Shell 和 Windows）

要获取 node 的完整路径：

在 Unix/Linux/macOS 系统上，运行：
```
which node
```

在 Windows PowerShell 中，运行：

Get-Command node | Select-Object Source

要检查 node 版本，运行：

node --version

要获取 mcpServer.js 的绝对路径，运行：

在 Unix/Linux/macOS 系统上：
```
realpath mcpServer.js
```
在 Windows PowerShell 中（从项目目录运行）：
```
Resolve-Path mcpServer.js
```

MCP 客户端配置

你可以将 MCP 服务器连接到任何 MCP 客户端。以下是针对 Claude Desktop 和 Cursor 的配置说明。

Claude Desktop

记录上一步中 node 和 mcpServer.js 的完整路径。
打开 Claude Desktop → 设置 → 开发者 → 编辑配置，并添加一个新的 MCP 服务器：
```
{
"mcpServers": {
"<服务器名称>": {
"command": "",
"args": [""]
}
}
}
```
重启 Claude Desktop 以激活更改。确保新的 MCP 已开启，并且旁边有一个绿色圆圈。

⚠️ 重要提示

如果你没有为 node 提供 v18 及以上版本的绝对路径，Claude（以及其他 MCP 客户端）可能会回退到系统中其他旧版本的 node。在这种情况下，fetch API 将不可用，工具调用将无法正常工作。如果发生这种情况，你可以 a) 安装较新版本的 node 并在命令中指向它，或者 b) 将 node-fetch 作为 fetch 导入到每个工具中，并确保在 package.json 中添加 node-fetch 依赖项。

Cursor

如上述步骤记录 node 和 mcpServer.js 的完整路径。
在 Cursor 中，转到设置 → AI 工具 → MCP 服务器（或类似的 MCP 集成部分）。
添加新的 MCP 服务器配置：
```
{
"command": "",
"args": [""]
}
```
保存并启用服务器。确保服务器正在运行，并且可在 Cursor 中进行工具调用。

Docker 部署

对于生产环境部署，你可以使用 Docker：

docker build -t lrc-mcp-server .

🔧 技术细节

模型上下文提供程序（MCP）是一种向 AI 和自动化客户端公开程序化工具的协议。此服务器实现了用于 LoadRunner Cloud API 的 MCP 协议。

更多信息请参阅源代码和工具文档。

0 条评论
分类：开发