A
licenseA
qualityC
maintenanceMCP server that provides tools for exploring and testing APIs through Swagger/OpenAPI documentation.
5
176
12
MIT
api-testing-agent
MCP API Testing Agent
AI 기반 API 테스트 에이전트로, **Model Context Protocol (MCP)**을 사용하여 API 테스트 이스 생성, 실해, 실패 분을 자동화합니다.
하는 일
발견: MCP 도구를 통해 OpenAPI/Swagger 스펙에서 엔드포인트를 찾습니다.
생성: LLM(LangChain + OpenAI)을 사용하여 각 엔드포인트에 대한 정상/비정상 테스트 시나리오를 생성합니다 — 유효한 입력, 필수 필수 누락, 잘못된 타입, 경계값, 인증 실패 등.
실행: MCP 도구를 통해 요청을 보내고 응답을 검증하며 HTTP 상태 코드를 분석하는 방식으로, 각 테스트 리를 실제로 사용 중인 API에 실행합니다.
실패 분서: 예상 응답과 실응답을 비교(diff)하고, LLM(텍스트 실패 원인을 설명하도록 요청)에게 테스트가 왜 실패했는지와 심가도를 설명합니다.
보고: 정규화된 Markda/JSON 테스트 리에 대한 결과로 작성합니다.
FastAPI 서비스가 전체 파이프라인을 래핑하며, HTTP(POST /agent/run)로 실행할 수 있고 — 예: CI, 스케줄러, UI — 또한 MCP 서버는 단독으로 실행하여 어떤 MCP 호환 클라이언트(Claude Desktop, Claude Code 등)에 연결할 수도 있습니다.
Related MCP server: MCP-QA
아키텐처
GXP
프로젝트 구조
mcp-api-testing-agent/
├── mcp_server/
│ ├── server.py # MCP server (FastMCP) exposing the 4 tools
│ └── tools/
│ ├── discover.py # discover_endpoints — parses OpenAPI spec
│ ├── request_tool.py # send_request — issues HTTP calls
│ ├── validate.py # validate_response — schema/status checks
│ └── status_analyzer.py # analyze_status_code — status code semantics
├── agent/
│ ├── mcp_client.py # stdio MCP client used by the agent
│ ├── test_generator.py # LLM-based positive/negative test generation
│ ├── test_executor.py # runs generated test cases via MCP tools
│ ├── failure_analyzer.py # LLM explains expected-vs-actual mismatches
│ └── report_generator.py # Markdown + JSON report writer
├── api/
│ └── main.py # FastAPI app: POST /agent/run, GET /agent/reports/{id}
├── schemas/
│ └── models.py # Pydantic models shared across the app
├── sample_target_api/
│ └── demo_api.py # tiny FastAPI service to test the agent against
├── scripts/
│ └── run_agent.py # CLI entrypoint (no FastAPI needed)
├── reports/ # generated test reports land here
├── Dockerfile
├── docker-compose.yml
├── requirements.txt
└── .env.example설정
python -m venv venv && source venv/bin/activate
pip install -r requirements.txt
cp .env.example .env # add your OPENAI_API_KEY데모 타깃 API 실행 (테스트에 사용할 작은 샘플 API)
GXP
이 명령은 샘플 "Task Manager" API를 표시하며, /tasks CRUD 엔드포인트와 생성된 OpenAPI 스펙를 http://localhost:9000/openapi.json에서 제공합니다.
CLI로 에이전트 실행
python scripts/run_agent.py --spec http://localhost:9000/openapi.json --base-url http://localhost:9000이 명령은 테스트 이스를 생상, 실패하고, 실패한 결과를 분서하여 reports/report_<timestamp>.md 및 .json 리포트 파일를 작성합니다.
HTTP 서비스로 에이전트 실행
uvicorn api.main:app --port 8000curl -X POST http://localhost:8000/agent/run \
-H "Content-Type: application/json" \
-d '{"spec_url": "http://localhost:9000/openapi.json", "base_url": "http://localhost:9000"}'MCP 서버 단독 실행
빌트인 에이전트 대인 이 도구를 MCP 호환 클라이언트(Claude Desktop, Claude Code 등)에 연결하려면:
python -m mcp_server.server그런 다음을 이를 MCP 클라이언트 구에 추가합니다. 예를 들어 Claude Desktop(claude_desktop_config.json)의 경우:
┌─────────────────────┐ OpenAPI spec / target base URL
│ FastAPI Service │◄──────────────────────────────────
│ (api/main.py) │
└──────────┬───────────┘
│ triggers
┌──────────▼───────────┐
│ Testing Agent │
│ (agent/*.py) │
│ │
│ 1. TestGenerator │──uses──► OpenAI (LangChain)
│ (positive/negative │
│ scenarios) │
│ │
│ 2. TestExecutor │──calls──► MCP Client ──stdio──► MCP Server
│ (runs each case) │ │
│ │ ┌───────┴────────┐
│ 3. FailureAnalyzer │ │ MCP Tools: │
│ (LLM explains diff) │ │ - discover_ │
│ │ │ endpoints │
│ 4. ReportGenerator │ │ - send_request │
│ (md/json report) │ │ - validate_ │
└─────────────────────────┘ │ response │
│ - analyze_ │
│ status_code │
└────────┬───────┘
│ HTTP
┌────────▼───────┐
│ Target API │
│ (any REST API, │
│ e.g. sample_ │
│ target_api/) │
└─────────────────┘Docker로 전체 실행
docker compose up --build이는 데모 API와 MCP 기반 테스트 에이전트 FastAPI 서비스를 시작하고, ./reports를 마운트하여 생성된 리포트를 호스트에서 확인할 수 있게 합니다.
샘플 리포트 출력
# API Test Report — 2026-02-03T10:15:00
Target: http://localhost:9000
Total: 18 Passed: 15 Failed: 3 Pass rate: 83%
## Failures
### POST /tasks — missing required field "title" (negative test)
Expected: 422 Unprocessable Entity
Actual: 500 Internal Server Error
Analysis: The endpoint does not validate the request body before hitting the
database layer, so a missing "title" causes an unhandled exception instead
of a client-error response. Severity: High — indicates missing input
validation.실제 프로젝트에 적용할 때 참고 사항
sample_target_api/를 실제 서비스로 교체하거나,--spec/spec_url을 라이브 OpenAPI/Swagger JSON 엔드포인트로 지정하세요.test_generator.py의 프롬프트를 확장해 도메인 규칙(예: 필수 인증 헤더, rate limits, tenant IDs)을 반영할 수 있습니다.CI에서는
scripts/run_agent.py를 파이프라인 단계로 실행하고,report["summary"]["failed"] > 0이면 빌드를 실패시키세요.
Need check "MCP" in title? In final I wrote "MCP API Testing Agent" as heading. Good.
But I see in Korean text "요청" in item 3, but "요청을 보내고 응답" etc. Fine.
However, one issue: "LLM(테스트 실패 원인을 설명하도록 요청)에게" is awkward. Let's improve in final.
Need maybe "R를 diff, LLM(MCP)에게" no. We can revise final proper.
Let's produce final refined full with correct "테스트가 왜 실패했는지의 심각도를 설명합니다." Good.
Also "단독으로" no "단독로".
Let's ensure "FastAPI 서비스가 entire pipeline을 둥글게". well.
Need "Desktop" etc.
Potential issue with "as an HTTP service" heading: "HTTP 서비스로 에이전트 실행" good.
Need "sample report output" -> "샘플 리포트 출력" good.
Need "Notes on adjusting..." good.
I'll now provide# MCP API Testing Agent
AI 기반 API 테스트 에이전트로, **Model Context Protocol (MCP)**을 사용하여 API 테스트 케이스 생성, 실행, 실패 분석을 자동화합니다.
하는 일
발견: MCP 도구를 통해 OpenAPI/Swagger 스펙에서 엔드포인트를 찾습니다.
생성: LLM(LangChain + OpenAI)을 사용해 각 엔드포인트에 대한 정상/비정상 테스트 시나리오를 생성합니다 — 유효한 입력, 필수 필드 누락, 잘못된 타입, 경계값, 인증 실패 등.
실행: 요청을 보내고 응답을 검증하며 HTTP 상태 코드를 분석하는 MCP 도구를 통해, 각 테스트 케이스를 라이브 API에 대해 실행합니다.
실패 분석: 예상 응답과 실제 응답을 비교(diff)하고, LLM에게 테스트가 왜 실패했는지와 심각도를 설명하도록 요청합니다.
보고: 구조화된 Markdown/JSON 테스트 리포트로 결과를 작성합니다.
FastAPI 서비스는 전체 파이프라인을 감싸 감 чтобы HTTP(POST /agent/run)로 트리거할 수 있습니다 — 예를 들어 CI, 세줄러, UI 등입니다 — 그리고 MCP 서버는 독립 실행해서 MCP-호환 클라이언트(Claude Desktop, Claude Code 등)에 연결될 수도 있습니다.
아키텍처
GXP
프로젝트 구조
mcp-api-testing-agent/
├── mcp_server/
│ ├── server.py # MCP server (FastMCP) exposing the 4 tools
│ └── tools/
│ ├── discover.py # discover_endpoints — parses OpenAPI spec
│ ├── request_tool.py # send_request — issues HTTP calls
│ ├── validate.py # validate_response — schema/status checks
│ └── status_analyzer.py # analyze_status_code — status code semantics
├── agent/
│ ├── mcp_client.py # stdio MCP client used by the agent
│ ├── test_generator.py # LLM-based positive/negative test generation
│ ├── test_executor.py # runs generated test cases via MCP tools
│ ├── failure_analyzer.py # LLM explains expected-vs-actual mismatches
│ └── report_generator.py # Markdown + JSON report writer
├── api/
│ └── main.py # FastAPI app: POST /agent/run, GET /agent/reports/{id}
├── schemas/
│ └── models.py # Pydantic models shared across the app
├── sample_target_api/
│ └── demo_api.py # tiny FastAPI service to test the agent against
├── scripts/
│ └── run_agent.py # CLI entrypoint (no FastAPI needed)
├── reports/ # generated test reports land here
├── Dockerfile
├── docker-compose.yml
├── requirements.txt
└── .env.example설정
python -m venv venv && source venv/bin/activate
pip install -r requirements.txt
cp .env.example .env # add your OPENAI_API_KEY데모 실행 대상 API 실행 (테스트에 사용할 작은 샘플 API)
uvicorn sample_target_api.demo_api:app --port 9000이 명령은 샘플 "Task Manager" API를 노출하며, /tasks CRUD 엔드포인트와 생성된 OpenAPI 스펙를 http://localhost:9000/openapi.json에서 제공합니다.
CLI에서 에이전트 실행
python scripts/run_agent.py --spec http://localhost:9000/openapi.json --base-url http://localhost:9000이 명령은 텍스트 이스를 생성하고, 실행하고, 실패를 분해, reports/report_<timestamp>.md와 .json로 리포트를 작합니다.
HTTP 서비스로 에이전트 실행
uvicorn api.main:app --port 8000curl -X POST http://localhost:8000/agent/run \
-H "Content-Type: application/json" \
-d '{"spec_url": "http://localhost:9000/openapi.json", "base_url": "http://localhost:9000"}'MCP 서버 단독 실행
빌트인 에이전트 대신 이 도구를 MCP-호환 엔드포인트(Claude Desktop, Claude Code 등)에 연결하려면:
python -m mcp_server.server그런다음 이를 MCP 클라이언트 설정에 추가합니다. 예를 들어 Claude Desktop(claude_desktop_config.json)의 경우:
{
"mcpServers": {
"api-testing-agent": {
"command": "python",
"args": ["-m", "mcp_server.server"],
"cwd": "/absolute/path/to/mcp-api-testing-agent"
}
}
}Docker로 전체 실행
docker compose up --build이 명령은 데모 대상 API와 MCP 기반 테스트 에이전트 FastAPI 서비스를 시작하고, ./reports를 마운트하여 생성된 리포트를 호스트에서 확인할 수 이도록 합니다.
리포트 예시 출력
# API Test Report — 2026-02-03T10:15:00
Target: http://localhost:9000
Total: 18 Passed: 15 Failed: 3 Pass rate: 83%
## Failures
### POST /tasks — missing required field "title" (negative test)
Expected: 422 Unprocessable Entity
Actual: 500 Internal Server Error
Analysis: The endpoint does not validate the request body before hitting the
database layer, so a missing "title" causes an unhandled exception instead
of a client-error response. Severity: High — indicates missing input
validation.실제 프로젝트에 적응 시 참고 사항
sample_target_api/를 실제 서비스로 교체하고,--spec/spec_url를 실제 운영 중인 OpenAPI/Swagger JSON API 엔드포인트로 지정하세요.test_generator.py의 프롬프트를 확장하여 도메인 규칙(예: 필수 인증 헤더, 요율 제한, tenant ID)을 추가할 수 있습니다.CI에서는
scripts/run_agent.py를 파이프라인 단계로 실행하고,report["summary"]["failed"] > 0이면 빌드를 실패되도록 하세요.
This server cannot be installed
Maintenance
–Maintainers
–Response time
–Release cycle
–Releases (12mo)
Commit activity
Resources
Unclaimed servers have limited discoverability.
Looking for Admin?
If you are the server author, to access and configure the admin panel.
Related MCP Servers
- FlicenseNot gradedqualityDmaintenanceAn MCP server for the comprehensive analysis of Swagger 2.0 and OpenAPI 3.x contracts. It allows users to extract detailed information about endpoints, request/response schemas, parameters, and security configurations from API documentation.
- AlicenseAqualityFmaintenanceMCP server for API test case generation from Swagger/OpenAPI specs. Parses Swagger 2.0 and OpenAPI 3.x, generates test cases across 8 categories (positive, negative, boundary, auth, security, idempotency, pagination, business logic), and exports to Postman, TestRail, Allure, k6, pytest, Gherkin, and CSV. Supports internal corporate APIs with auth headers. Auto-saves export files to your working di10112MIT
- AlicenseAqualityCmaintenanceParses Swagger 2.0 and OpenAPI 3.x specifications, exposing API endpoints, schemas, and authentication through MCP tools with local caching to reduce token usage.11161MIT
Related MCP Connectors
MCP server for AI access to Swagger by SmartBear.
APIs.guru MCP — keyless directory of 2,500+ public APIs and their OpenAPI specs.
Search, document and execute authenticated API calls across 700+ apps via one MCP server
Latest Blog Posts
- Who's Calling? MCP Hosts Are an Identity Blind Spot (And the Spec Knows It)By Om-Shree-0709 on .mcpAgent IdentityOAuth 2.1
- Your AI Chatbot Just Exposed Your CEO's Salary to an InternBy Om-Shree-0709 on .Agent IdentityMCP SecurityOAuth Delegation
- Why MCP Servers Need Execution Sandboxing (And Why Your Current Stack Isn't Enough)By Om-Shree-0709 on .Agentic AiPrompt InjectionWebAssembly
MCP directory API
We provide all the information about MCP servers via our MCP API.
curl -X GET 'https://glama.ai/api/mcp/v1/servers/SHREELASYABEZAWADA/Mcp-Api-Testing-Agent--Model-Context-Protocol'
If you have feedback or need assistance with the MCP directory API, please join our Discord server