rf-log-mcp

Ein MCP-Server zur Überprüfung von Robot Framework-Ergebnisdateien, der LLMs eine prägnante Sicht auf die Beweise bietet.

Funktionsübersicht

Unterstützte Eingaben:

• output.xml: Robot / Rebot 6.0.x / 6.1+ / 7.x

• output.json: Robot / Rebot 7.2+

Exponierte MCP-Fähigkeiten:

• Tools

  • parse_result

  • get_view

  • search_messages

• Ressourcen

  • rf://runs/{run_id}/summary

  • rf://runs/{run_id}/tests/{test_id}

Unterstützte Ansichten:

• summary

• failure_path

• step_window

Wichtige Hinweise

• Dieses Projekt ist ein MCP stdio server

• LLMs rufen das Wheel nicht direkt auf

• Der korrekte Weg ist: Der MCP-Host startet den rf-log-mcp-Prozess und ruft dann über stdio die Werkzeuge und Ressourcen auf.

Identifikationsdesign

• Externer run_id: Ganzzahliger Primärschlüssel

• Interner content_hash: Hash des Dateiinhalts, nur zur internen Deduplizierung des Dienstes

Empfohlene Vorgehensweise:

1. Zuerst parse_result(path) aufrufen

2. Die zurückgegebene Ganzzahl run_id speichern

3. Im weiteren Verlauf einheitlich diese run_id verwenden

Schnellstart

1. Abhängigkeiten installieren

uv sync

2. Direkt aus dem Quellcode starten

uv run python -m rf_log_mcp

3. Beispiel für MCP-Konfiguration

{
  "mcpServers": {
    "rf-log-mcp": {
      "command": "uv",
      "args": ["run", "python", "-m", "rf_log_mcp"]
    }
  }
}

Verpackung und Installation

Build

uv build

Nach dem Build werden folgende Dateien generiert:

• dist/rf_log_mcp-0.1.0-py3-none-any.whl

• dist/rf_log_mcp-0.1.0.tar.gz

Wheel installieren

uv pip install dist/rf_log_mcp-0.1.0-py3-none-any.whl

Nach der Installation kann es direkt gestartet werden:

rf-log-mcp

Beispiel für MCP-Konfiguration bei installiertem Paket

{
  "mcpServers": {
    "rf-log-mcp": {
      "command": "rf-log-mcp",
      "args": []
    }
  }
}

Beispiel für expliziten Pfad unter Windows

{
  "mcpServers": {
    "rf-log-mcp": {
      "command": "D:\\project\\rf_log_mcp\\.venv\\Scripts\\rf-log-mcp.exe",
      "args": []
    }
  }
}

Typischer Ablauf eines Aufrufs

Schritt 1: Ergebnisdatei parsen

parse_result(path="tests/fixtures/single_failure_611.xml")

Typische Rückgabe:

{
  "ok": true,
  "run_id": 1,
  "source_format": "xml"
}

Schritt 2: Zusammenfassung abrufen

get_view(run_id=1, view="summary")

Schritt 3: Fehlerpfad abrufen oder Nachrichten durchsuchen

get_view(run_id=1, view="failure_path")
search_messages(run_id=1, query="timeout")

Umgebungsvariablen

RF_LOG_MCP_DB

Wird verwendet, um den Standardpfad der SQLite-Datenbank zu überschreiben.

PowerShell-Beispiel:

$env:RF_LOG_MCP_DB="D:\data\rf-log-mcp\store.sqlite3"
rf-log-mcp

Beispiel für MCP-Konfiguration:

{
  "mcpServers": {
    "rf-log-mcp": {
      "command": "rf-log-mcp",
      "args": [],
      "env": {
        "RF_LOG_MCP_DB": "D:\\data\\rf-log-mcp\\store.sqlite3"
      }
    }
  }
}

Lokales Debugging

Wenn Sie nur die Dienstausgabe überprüfen möchten, ohne den stdio-Transport zu starten, können Sie Folgendes verwenden:

uv run python debug_service.py --fixture tests/fixtures/single_failure_611.xml --action summary
uv run python debug_service.py --fixture tests/fixtures/single_failure_72.json --action failure_path --selector s1-t2
uv run python debug_service.py --fixture tests/fixtures/errors_and_long_72.json --action search --query "collected line" --limit 2

Häufig gestellte Fragen

1. Warum kann das Wheel nicht direkt an das LLM übergeben werden?

Weil das LLM den MCP-Server-Prozess aufruft, nicht die Python-Paketdatei selbst.

2. Warum wird die Verwendung der Ganzzahl run_id empfohlen?

Weil sie kürzer ist und sich besser für LLMs, mehrstufige Dialoge und manuelle Fehlerbehebung eignet; der lange Hash wird nur intern zur Deduplizierung beibehalten.

3. Können get_view / search_messages Dateipfade entgegennehmen?

Ja. Wenn die Datei bereits geparst wurde, wandelt der Dienst den Pfad in die entsprechende run_id um, bevor er die Abfrage durchführt. Es wird jedoch weiterhin empfohlen, vorrangig die von parse_result() zurückgegebene Ganzzahl run_id zu verwenden.

4. In welchen Fällen kann dieses Projekt nicht direkt verwendet werden?

Wenn Ihre LLM-Plattform:

• kein MCP unterstützt

• oder das Starten lokaler Prozesse nicht unterstützt

Dann kann keine direkte Anbindung erfolgen, und es ist eine zusätzliche Integrationsschicht erforderlich.

Entwicklungsprüfung

uv run ruff check .
uv run pytest