coverage-mcp
# coverage-mcp
把 `tool/` 那套 Bash + 内嵌 Python 的 JaCoCo 分支覆盖率能力,抽成 **Python 全栈内核 + MCP server**,
定位「Java 分支级、按测试类、能指到未覆盖行的 agent 覆盖率反馈器」,填补现有 MCP
(test-coverage-mcp 只给%、se333 instruction/方法/全量)的精确缺口。
## 进度
- **M0 解析层** ✅ csv/xml/surefire + 未覆盖分支行,搬成可单测纯函数(对 optaplanner 真实报告快照锁定)。
- **M1 端到端** ✅ runner 复刻 maven 覆盖率链路;与 bash `run-module-test.sh` 对同一 case 逐字段一致(含未覆盖行)。
- **M2 MCP 壳** ✅ FastMCP 暴露 `coverage_check`,返回紧凑 JSON。
- **M3 按包自动收集 + JSON 瘦身** ✅ `--package fanya/schedule` 一条测整包;uncovered 的 file 相对模块路径省 token。
- **M4 去耦合** ✅ 砍掉对 `tool/env.sh`、git bash、IDEA 集成参数的依赖;maven 发现 + 配置走纯 Python(`env.py` + `jacov.toml`);跨平台 subprocess 直调 mvn。已独立 git 仓 + CI + entry points。
## 结构
```
src/jacov/
model.py 数据模型 + 阈值兼容(80 / 0.8)
jacoco.py 解析 jacoco.csv / jacoco.xml / surefire(对齐 run-module-test.sh 三段)
runner.py 复刻 maven 覆盖率链路(复用 tool/env.sh 的 Maven 环境)
check.py 编排 + 人读输出 + 结构化组装(check_coverage / build_result)
server.py FastMCP server(coverage_check 工具)
tests/ 14 个用例(解析层 11 + 组装层 3),fixture 取自 optaplanner 真实报告
```
## 跑测试
```bash
cd coverage-mcp
python -m pytest -q # 免安装(pyproject 配 pythonpath=src)
```
## 命令行用(人类用法)
> 适用于 PowerShell / CMD / Git Bash。命令**一行写完**最省事,不要用 bash 的 `\` 换行。
### 第 0 步:装一次(只做一次)
```
pip install -e coverage-mcp
```
装完后 `python -m jacov.check` 在**任何目录**都能用——不用设 `PYTHONPATH`,也不用 `cd` 进 coverage-mcp。
### 最常用:测一个业务包(自动收集该包的测试类 + 业务类)
在项目根目录执行:
```
python -m jacov.check --module-dir fanyajwproject-course-v2\fanyajwproject-course-v2 --package fanya/schedule --min-branch 80
```
`--package fanya/schedule` 会自动找该包下所有 `*Test.java` 当测试、所有 `.java` 当业务类,不用手列一长串。
### 或者:手动指定测试类 / 业务类
```
python -m jacov.check --module-dir optaplanner-jxjy\optaplanner-jxjy --tests TeacherDayOfWeekParseStrategyTest --cover CommonMethods --min-branch 80
```
### 参数
| 参数 | 必填 | 含义 |
| --- | --- | --- |
| `--module-dir` | 是 | 模块目录(含 `pom.xml`);相对当前目录或绝对路径都行 |
| `--package` | 与 `--tests` 二选一 | 业务包(如 `fanya/schedule`),自动收集测试类 + 业务类 |
| `--tests` | 与 `--package` 二选一 | 测试类,逗号分隔(如 `FooTest,BarTest`) |
| `--cover` | 否 | 卡覆盖率的业务类,逗号分隔;不填 = 整模块汇总 |
| `--min-branch` | 否 | 最低分支覆盖率,写 `80` 或 `0.8`;默认 0(只看不卡) |
| `--no-compile` | 否 | 跳过编译(代码已编译时更快) |
| `--no-reuse` | 否 | 每个测试类用独立 JVM(严格隔离,多测试类时慢) |
### 看懂输出
```
测试结果汇总 → 总数 / 通过 / 失败
分支覆盖率汇总 → 每个业务类 [PASS/FAIL] 分支总数 / 已覆盖 / 未覆盖 / 覆盖率
未完全覆盖分支 → 文件:行号 + MISS(全没覆盖)/ PARTIAL(只覆盖一半)+ 源码
```
退出码:全通过且达标 = `0`,否则 = `1`(可用于 CI / 脚本判断成败)。
### ⚠️ PowerShell 用户注意
- **别**抄 bash 写法:`PYTHONPATH=src python ...`(PS 不支持这种前缀赋值)和行尾 `\` 换行(PS 续行符是反引号 `` ` ``)——都会报 `Missing expression after unary operator '--'`。
- 装好包后**一行命令**最干净,什么前缀都不用加。
## 配置(jacov.toml,可选)
不放 `jacov.toml` 时走默认:maven 从 PATH / `MAVEN_HOME` 自动发现、JaCoCo 0.8.11、JDK17 add-opens、settings 和本地仓用 maven 默认(`~/.m2`)。
需要自定义时,把 `jacov.example.toml` 复制为 `jacov.toml`(已被 `.gitignore`,因含机器相关路径):
```toml
[maven]
home = "/path/to/maven3" # 本机没有 mvn/mvnw 时,指向 maven 安装根(其下有 bin/mvn)
settings = "/path/to/settings.xml" # 私有仓 / 镜像 / 凭据
local_repo = "/path/to/.m2/repository"
[jacoco]
version = "0.8.11"
excludes = "com.sun.proxy.*" # instrument 排除(动态代理类,避免污染覆盖率)
[test]
add_opens = ["java.base/java.lang"] # fork 测试 JVM 的 --add-opens(JDK17+)
```
查找顺序:从 `--module-dir` 上溯 → 包目录。
## 全量纯测试(像 Jenkins,不跑覆盖率)
只想跑测试看通过/失败、不要覆盖率(更快),用 `jacov.runtests`:
```
# 全量:模块下所有 *Test.java(相当于 mvn test)
python -m jacov.runtests --module-dir fanyajwproject-course-v2\fanyajwproject-course-v2
# 只测某个包 / 某几个类
python -m jacov.runtests --module-dir fanyajwproject-course-v2\fanyajwproject-course-v2 --package fanya/schedule
python -m jacov.runtests --module-dir fanyajwproject-course-v2\fanyajwproject-course-v2 --tests FooTest,BarTest
```
- 跑的过程**实时显示**编译(`Building`/`Compiling`)和每个测试类(`Running XxxTest` / `Tests run: N`),不会静默——能看到跑到哪、卡在哪。
- 结尾 Jenkins 式汇总:套件 / 用例 / 通过 / 失败 / 错误 / 跳过 + 失败套件清单;退出码 0(全过)/ 1(有失败)。
- ⚠️ 全量可能慢(course-v2 ~1900 用例、~3 分钟,大头是少数连外部/DB 的集成测试);只验证某块用 `--package` 秒级。
## 项目编译(Python 版)
`jacov.compile` 把旧 `tool/compile.sh` 的项目编译策略迁到 Python,适合 CLI 和 MCP 共用。
```bash
# 默认双层项目:clean → compile
python -m jacov.compile fanyajwproject-course-v2 --workspace-root C:\Users\lin\IdeaProjects
# shared-jar:clean → install -Dmaven.test.skip=true
python -m jacov.compile fanyajw-shared-jar --workspace-root C:\Users\lin\IdeaProjects
# rpc:按旧脚本 7 步串联 clean/install/compile
python -m jacov.compile fanyajwproject-rpc --workspace-root C:\Users\lin\IdeaProjects
```
装包后也可以直接用:
```bash
jacov-compile fanyajwproject-course-v2 --workspace-root C:\Users\lin\IdeaProjects
```
编译日志统一写到 `<workspace-root>/target/maven-logs/`,避免 `mvn clean` 删除模块自身 `target` 时把正在写入的日志删掉。执行过程中会打印当前步骤、总步骤数、已耗时、单步开始/结束时间和单步耗时。
> Git Bash 下 Windows 路径请用正斜杠,例如 `--workspace-root C:/Users/lin/IdeaProjects`。不要写
> `C:\Users\lin\IdeaProjects`,反斜杠会被 Git Bash 当转义符吞掉。
## 性能与开关
覆盖率合并成**单条 maven 命令**(prepare-agent → 测试 → report),避免多次 JVM 冷启动;多测试类默认复用 fork JVM。
| 开关(CLI 反向) | 默认 | 说明 |
| --- | --- | --- |
| `compile_first`(`--no-compile`) | True | True 含增量编译(测最新代码);False 用 `surefire:test` 跳过编译 |
| `reuse_forks`(`--no-reuse`) | True | True 多测试类复用同一 fork JVM(快 ~4x);False 每类独立 JVM(严格隔离) |
实测 course-v2 schedule 包 21 测试:拆 3 次 maven + 独立 JVM 会超时 → 合并 1 条 + 复用 fork **12s**(覆盖率逐字段一致)。
若怀疑测试间静态状态污染导致覆盖率异常,用 `--no-reuse` 切独立 JVM 对照。
## 接入 Claude Code(MCP)
1. 装包:`pip install -e coverage-mcp`(带 mcp 依赖)。
2. 在项目 `.mcp.json` 的 `mcpServers` 里加一个 `jacov` 条目(command 用本机 python.exe 绝对路径,与装包的解释器一致;已有别的 server 就并列加):
```json
{
"mcpServers": {
"jacov": {
"command": "<python.exe 绝对路径>",
"args": ["-m", "jacov.server"]
}
}
}
```
3. 重启 Claude Code(或 `/mcp` 重连)。之后可调 `coverage_check(module_dir, tests, cover, min_branch)`。
> 注:`coverage_check` 首次调用会真跑 maven(编译 + 测试 + JaCoCo),耗时分钟级。
> 返回紧凑 JSON:`status / tests / coverage / uncovered(行号+MISS·PARTIAL+源码) / reports`。
TDQS
Scored across 2 tools
The two tools have clearly distinct purposes: compile_project handles Maven compilation with fallback strategies, while coverage_check runs tests and evaluates branch coverage. There is no overlap or ambiguity.
Both tool names follow a consistent snake_case verb_noun pattern: compile_project and coverage_check. The naming is predictable and clear.
With only 2 tools, the server feels minimal. While the tools themselves are substantial and cover core compilation and testing, the count is at the low end of typical MCP servers.
The server lacks essential features for a complete coverage workflow, such as listing projects, retrieving historical coverage data, or managing configurations. Agents must re-run checks to get results, limiting usability.