🚀 MCP RAG Agent – AI-платформа для тестирования API

📌 Обзор

MCP RAG Agent — это модульная платформа для тестирования на базе ИИ, которая объединяет:

• 🔎 RAG (Retrieval Augmented Generation) — поиск контекста на основе базы знаний

• ⚙️ MCP Layer (движок выполнения инструментов) — динамическое выполнение инструментов

• 🧪 API Testing Agent — автоматизация проверки API, подобно Postman

Система обеспечивает процесс: естественный язык → выполнение API → проверка → генерация интеллектуального ответа.

🧠 Архитектура системы

graph TD
A[User Query] --> B[API Agent - NLP Parser]
B --> C[MCP Server - Tool Router]
C --> D[RAG Engine - Knowledge Retrieval]
C --> E[API Execution Tool]
D --> C
E --> F[External API / System]
F --> G[Response Validation Layer]
G --> H[Final AI Response]

Related MCP server: sentinel-mcp

🧩 Пояснение архитектуры

1️⃣ Уровень API-агента

• Принимает ввод на естественном языке

• Преобразует запрос в структурированный тест-кейс API

2️⃣ Уровень MCP-сервера

• Центральный уровень оркестрации

• Маршрутизирует запросы к соответствующим инструментам

3️⃣ Уровень RAG

• Извлекает контекстные знания из документов

• Улучшает логику проверки API

4️⃣ Уровень выполнения

• Выполняет вызовы API (GET/POST/PUT/DELETE)

• Захватывает полезную нагрузку ответа

5️⃣ Уровень проверки

• Сравнивает ожидаемый ответ с фактическим

• Возвращает структурированный результат теста

🔁 Сквозной процесс (End-to-End Flow)

User Input
   ↓
API Agent (Intent Detection)
   ↓
MCP Server (Tool Selection)
   ↓
RAG (Context Injection)
   ↓
API Execution Engine
   ↓
Response Validation
   ↓
Final Result Output

⚙️ Руководство по установке

1️⃣ Клонирование репозитория

git clone https://github.com/karthikeyanramu/MCP_RAG_AGENT.git
cd MCP_RAG_AGENT

2️⃣ Создание виртуального окружения

python -m venv venv

Активация:

# Windows
venv\Scripts\activate

# Mac/Linux
source venv/bin/activate

3️⃣ Установка зависимостей

pip install -r requirements.txt

4️⃣ Запуск MCP-сервера

python server/mcp_server.py

Ожидаемый результат:

MCP Server running on http://localhost:5000

5️⃣ Запуск API-агента

python -m qa_agent.api_agent_runner

🧪 Интеграция с Postman (поддержка ручного тестирования)

Несмотря на то, что эта система управляется ИИ, она поддерживает тестирование API в стиле Postman.

📌 Пример запроса

🔹 Эндпоинт

POST http://localhost:5000/execute

🔹 Заголовки

{
  "Content-Type": "application/json",
  "Authorization": "Bearer <token-if-needed>"
}

🔹 Пример полезной нагрузки

{
  "tool": "api_executor",
  "method": "POST",
  "url": "https://api.example.com/login",
  "headers": {
    "Content-Type": "application/json"
  },
  "body": {
    "username": "test_user",
    "password": "Test@123"
  }
}

📌 Пример ответа

{
  "status": 200,
  "message": "Login Successful",
  "token": "eyJhbGciOiJIUzI1NiIs...",
  "validation": "PASSED"
}

🔄 CI/CD конвейер (модель зрелости QA)

Эта система может быть интегрирована в CI/CD конвейеры для автоматизированной проверки API.

🚀 Поток конвейера

graph LR
A[Code Push] --> B[CI Trigger - GitHub Actions]
B --> C[Install Dependencies]
C --> D[Run API Tests via MCP Agent]
D --> E[RAG Validation Layer]
E --> F[Test Report Generation]
F --> G[Deploy / Fail Pipeline]

🧪 Преимущества CI/CD

✔ Автоматизированное регрессионное тестирование API ✔ Проверка на базе ИИ (снижает нагрузку на ручное QA) ✔ Раннее обнаружение дефектов ✔ Внедрение предметных знаний через RAG ✔ Масштабируемое выполнение тестов

📌 Пример рабочего процесса GitHub Actions

name: MCP API Tests

on: [push]

jobs:
  test:
    runs-on: ubuntu-latest

    steps:
      - uses: actions/checkout@v3

      - name: Setup Python
        uses: actions/setup-python@v4
        with:
          python-version: 3.10

      - name: Install dependencies
        run: pip install -r requirements.txt

      - name: Run MCP API Agent
        run: python -m qa_agent.api_agent_runner

🧰 Доступные инструменты

📊 Реальные сценарии использования

• Автоматизация банковских API (AML / KYC)

• Тестирование систем управления обеспечением

• Регрессионное тестирование микросервисов

• Фреймворки для автоматизации QA на базе ИИ

⚠️ Устранение неполадок

❌ Конфликт портов

netstat -ano | findstr :5000
taskkill /PID <pid> /F

❌ Ошибка модуля

pip install -r requirements.txt

🚀 Будущие улучшения

• Интеграция с OpenAI / LLM

• Панель управления (UI) для выполнения тестов

• Развертывание в Kubernetes

• Продвинутый RAG на основе эмбеддингов

• Автоматический импорт коллекций Postman

👨💻 Итоги

Этот проект демонстрирует:

✔ Тестирование API на базе ИИ ✔ Оркестрацию инструментов на основе MCP ✔ Проверку с улучшением через RAG ✔ Архитектуру автоматизации QA корпоративного уровня