mcp-benchmark-hygiene

mcp-name: io.github.sudo-ai-git/mcp-benchmark-hygiene

对会静默破坏 agent-benchmark / 函数评分的 pytest 配置泄漏进行确定性检测。

无需 LLM。无需网络。一个问题，可靠回答：

如果我在这个工作区内运行 python -m pytest <tests>，它是否会继承 宿主机上的覆盖率/中止门控，从而将通过的代码误判为失败？

此工具捕获的缺陷

自动化 agent 评估框架通常会在目标工作区内运行 python -m pytest <hidden_tests>。如果该工作区嵌套在带有 pytest addopts 的仓库根目录之下——例如：

[tool.pytest.ini_options]
addopts = "--cov=harness --cov-report=term-missing:skip-covered --cov-fail-under=80"

pytest 会将宿主机上的 pyproject.toml 解析为其 rootdir，继承其中的 addopts，并因宿主机自身的覆盖率门控而失败（harness 的覆盖率为 0% → 低于阈值 → 非零退出）。随后，评估框架将功能上 PASSING 的代码记录为 FAILED。

这正是 sudo-ai-git/vulcanbench-findings 中记录的缺陷：VulcanBench 的声明式评分器因此将每个功能任务误评为 0.0；而用 -o addopts= 中和该泄漏后，同样的工作区 10/10 全部通过。

Related MCP server: Debug Companion MCP

它交给你的修复方案

当工作区被标记为 CORRUPTED 时，该工具会返回修正后的命令：

python -m pytest -o addopts= <tests>

-o addopts= 会剥离继承而来的覆盖率/中止门控。（或者从仓库根目录之外运行评分器。）

工具

确定性核心（零依赖）

该分析会从工作区目录向上遍历到文件系统根目录，按 pytest 最先找到的顺序读取 pyproject.toml / pytest.ini / tox.ini / setup.cfg，并提取 addopts。标记项：

• 覆盖率门控 — --cov, --cov-fail-under, --cov-report, --cov-config

• 中止/严格门控 — --maxfail, -x, --strict, --strict-markers, --pdb, --ff

只有会改变退出码/中止评分的门控才会被标记。无害的 addopts 会连同其确切字符串一起报告为 CLEAN。

安装与运行（MCP stdio）

一条命令（推荐）——直接从仓库安装，无需 PyPI token：

uv tool install git+https://github.com/sudo-ai-git/mcp-benchmark-hygiene
mcp-benchmark-hygiene                        # run stdio server
mcp-benchmark-hygiene --http --port 8137     # or Streamable HTTP

或者使用 pipx：pipx install git+https://github.com/sudo-ai-git/mcp-benchmark-hygiene

直接从源码安装（备选方案）：

{ "mcpServers": {
    "benchmark-hygiene": { "command": "python3", "args": ["/abs/path/to/mcp_server.py"] }
}}

需要官方的 mcp Python 包（pip install mcp）。确定性核心（inspect_workspace / check_addopts / summarize）以零依赖即可导入并运行——mcp 包仅用于 stdio 服务器。

Streamable HTTP（远程/可发布到 Smithery）

python3 mcp_server.py --http --port 8137   # serves on http://<host>:8137/mcp/

使用 --http 运行，即可通过 Streamable HTTP（远程 MCP 端点）提供服务，而非 stdio。这正是 smithery mcp publish <url> 进行基于 URL 的发布时所期望的传输方式——因此一旦存在 Smithery 服务 token，该服务器即可原样部署。

示例

inspect_workspace(path="/home/runner/vulcanbench/workspace/task-1")
→ {
    "ok": true,
    "workspace": "/home/runner/vulcanbench/workspace/task-1",
    "ini_chain": [{"file": "/home/runner/vulcanbench/pyproject.toml",
                   "addopts": "--cov=harness ... --cov-fail-under=80"}],
    "effective_addopts": "--cov=harness ... --cov-fail-under=80",
    "will_corrupt_grading": true,
    "verdict": "CORRUPTED",
    "fixed_command": ["python3", "-m", "pytest", "-o", "addopts=", "<tests>"],
    "reasons": ["coverage gate(s) present: ['--cov', '--cov-fail-under']"]
}

验证

• python3 test_detector.py — 5/5 项核心检测检查（根门控、嵌套继承、干净、中止门控、pyproject-no-pytest）

• python3 test_e2e.py — 驱动真实的 MCP stdio 传输（initialize → tools/call），并断言 CORRUPTED / CLEAN 能在线路上完整传递

同系列项目

这是 sudo-ai-git 推出的三个确定性、无 LLM 的 agent 信任 MCP 服务器之一：

• mcp-skill-sec — 安装前的技能/安全审计

• mcp-verify-claim — 以证据为门槛、诚实分级的声明报告

• mcp-benchmark-hygiene — pytest 配置泄漏 / 评估诚实性检测（本仓库）

许可证与出处

MIT。独立衍生自文档记载的 VulcanBench #79 发现；不暗示获得 morganlinton/VulcanBench 的认可或与其存在关联。

定制集成服务

需要将此连接到你的内部系统（认证、日志、安全扫描通过、托管）？请提交一个 custom-build request。无论采用哪种方式，MIT 参考资产均可免费使用。