分析代码变更对测试用例的影响。基于 impact-rules.conf.json 中配置的文件→测试映射规则， 自动匹配变更文件对应的测试模块，返回受影响测试用例的优先级排序列表。

使用方式: impact_analysis(name="gh-backend") — 分析从水位到 HEAD 的变更 impact_analysis(name="gh-backend", from="abc", to="def") — 指定 SHA 范围 impact_analysis(module="用户中心") — 按模块分析

前提:

• 仓库已通过 repo_monitor(action='check') 初始化水位

• 已编辑 impact-rules.conf.json 配置文件→测试映射规则（可选，未配置则自动推断）

【首次使用必调】TIA (Test Impact Analysis) 初始化引导工具。

远程 HTTP 客户端在接入 TIA MCP Server 后，必须先调用此工具完成初始化：

1. 自动签发 API KEY（写入客户端 MCP 配置）

2. 自动判断客户端 Agent 类型（X-Agent-Type 请求头 > agentType 参数） ClaudeCode → Claude Code 命令文件 CodeX → Codex (OpenAI) 技能文件 OpenCode → OpenCode 命令文件

3. 自动返回 TIA 命令文件内容，由客户端 LLM 写入本地

调用前提：客户端 IP 已在服务端白名单中。 IP 不在白名单 → 403 + 联系人信息。

可重复调用：已持有效 API KEY 时跳过签发步骤，仅返回命令文件。

统一仓库监控工具。仓库列表在 monitors.conf.json 中配置（直接编辑即可，无需 MCP 工具）。

三种操作（通过 action 参数选择）:

• status — 查看仓库水位、快照、上次检查时间

• check — 检查新提交（首次自动初始化水位），驱动水位更新 + seenShas 去重

• reset — 重置水位到指定 MR/日期。sinceDate 模式自动定位迭代第一个 MR 的 base commit

范围定位（二选一，不传则遍历全部）:

• name — 仓库别名

• module — 模块名（批量操作该模块下所有仓库）

配合 CronCreate 定时监控: /cron "*/15 * * * *" "repo_monitor(action='check')"

敏捷迭代重置: repo_monitor(action="reset", module="订单系统", label="Sprint 25 kickoff", sinceDate="2026-06-13")

克隆监控仓库的代码到本地。可用于初始化（首次拉取分支代码）或更新全量代码，也可增量拉取 MR。

定位方式（二选一）:

• name = 克隆单个仓库

• module = 克隆该模块下的所有仓库（按 repoType 各自归位）

克隆模式（通过 mode 参数控制）:

• mode=full — 全量克隆分支代码（初始化 / 强制覆盖更新）

• mode=incremental — 增量克隆 MR：sinceDate 拉取日期后合入的 MR / sinceMrId 拉取指定 MR 后合入的 MR

存储路径（由 repoType 决定）:

• frontend → Repository/Frontend repository/{repo-name}/

• backend → Repository/Backend repository/{repo-name}/

行为模式（自动判断，无需用户干预）:

• stdio transport → 本地模式：MCP Server 直接执行 git clone

• http transport → 远程模式：返回结构化 git 指令，由客户端在自己本地执行 远程模式下可通过 clientBaseDir 指定客户端本地存储路径

增量模式前提:

• 仓库必须配置了 repoType

• 需要平台支持 MR 查询（GitHub / Generic 需 mrApiTemplate）

• local 平台仅支持 sinceDate 模式

基于代码变更智能推荐测试用例执行顺序。在 Phase 2 影响分析结果上计算推荐分， 按优先级排序测试用例，生成最小可行测试集（覆盖所有高风险模块的最少测试）。

test_recommendation(name="gh-backend") — 分析从水位到 HEAD test_recommendation(module="用户中心") — 按模块分析

推荐分 = 风险权重(h=100/m=50/l=20) × 置信度(0-100) 强烈建议(≥7000) | 建议(≥2000) | 可选(<2000)

量化代码变更风险，生成风险评分（0-100）与缓解建议。 综合文件变更数量、受影响模块的风险等级分布、置信度三个维度计算。

risk_assessment(name="gh-backend") — 评估从水位到 HEAD 的风险 risk_assessment(module="用户中心") — 按模块评估

评分: files(0-60) + modules(0-40) + confidencePenalty(0-20) = 0-100 等级: 0-30=低风险 | 31-60=中等 | 61-85=高风险 | 86-100=严重