MCP-얼루어

MCP-Allure는 Allure 보고서를 읽고 LLM 친화적인 형식으로 반환하는 MCP 서버입니다.

동기 부여

AI와 대규모 언어 모델(LLM)이 소프트웨어 개발에 점점 더 중요해짐에 따라, 기존 테스트 보고와 AI 지원 분석 간의 격차를 메울 필요성이 커지고 있습니다. 기존 Allure 테스트 보고서 형식은 사람이 읽을 수 있지만 LLM 사용 및 처리에 최적화되어 있지 않습니다.

MCP-Allure는 Allure 시험 보고서를 LLM 친화적인 형식으로 변환하여 이러한 과제를 해결합니다. 이러한 변환을 통해 AI 모델은 시험 결과를 더 잘 이해하고 분석하며 통찰력을 제공할 수 있게 되어 다음과 같은 작업을 더 쉽게 수행할 수 있습니다.

의미 있는 테스트 요약 및 통찰력 생성
테스트 실패 패턴 식별
실패한 테스트에 대한 잠재적인 수정 사항 제안
더욱 효과적인 AI 지원 디버깅을 활성화하세요
자동화된 테스트 문서 생성을 용이하게 합니다.

MCP-Allure는 LLM 소비를 위한 테스트 보고서를 최적화하여 개발팀이 테스트 워크플로에서 AI 도구의 모든 잠재력을 활용할 수 있도록 돕고, 이를 통해 더욱 효율적이고 지능적인 테스트 분석과 유지 관리를 가능하게 합니다.

문제 해결

효율성 : 기존 테스트 보고 형식은 AI 소비에 최적화되어 있지 않아 테스트 분석 및 유지 관리가 비효율적입니다.
정확성 : AI 모델은 AI 소비에 최적화된 형식이 아닌 테스트 보고서를 해석하고 분석하는 데 어려움을 겪을 수 있습니다.
비용 : 시험 보고서를 LLM 친화적인 형식으로 변환하는 데는 시간이 많이 걸리고 비용도 많이 듭니다.

주요 특징

변환 : Allure 시험 보고서를 LLM 친화적인 형식으로 변환합니다.
최적화 : AI 소비를 위해 테스트 보고서를 최적화합니다.
효율성 : 테스트 보고서를 효율적으로 변환합니다.
비용 : 저렴한 비용으로 테스트 보고서를 변환합니다.
정확도 : 높은 정확도로 테스트 보고서를 변환합니다.

설치

uv를 사용하여 mcp-repo2llm을 설치하려면:

지엑스피1

도구

겟_얼루어_리포트

Allure 보고서를 읽고 JSON 데이터를 반환합니다.
입력:
- report_dir: Allure HTML 보고서 경로
반품:
- 문자열, 다음과 같이 포맷된 JSON 데이터:

{ "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": [ ] } ] } ] } ] }