"自动化测试" 标签

基于 Model Context Protocol 的 MCP 服务器实现，暴露 Claude Code Starter Kit 的命令与代理为可通过 JSON-RPC 调用的工具，供 MCP 客户端集成使用。

基于 Model Context Protocol (MCP) 的一组模块化 MCP 服务器实现，提供资源管理、工具注册/执行、以及提示模板等能力，用于向大型语言模型（LLM）客户端以标准化方式提供上下文与功能，支持多种传输与场景的后端服务体系。

基于 Model Context Protocol (MCP) 的后端服务器实现，提供资源管理、工具执行、提示模板渲染等能力，供 LLM 客户端通过 JSON-RPC/HTTP 等方式访问并进行意图解析与执行任务的上下文服务。

基于 Model Context Protocol 的 MCP 服务器实现，提供用于 Pyxel 的资源、工具和提示模板的管理、注册与执行能力，并通过 JSON-RPC 与客户端通信，支持会话管理与多传输协议，以便在 LLM 场景下为后端上下文提供稳定、可扩展的服务。

基于 Model Context Protocol（MCP）的后端服务器，将BLE设备的上下文、工具和协议规范以标准化的JSON-RPC方式提供给LLM客户端，支持资源管理、工具注册/执行以及协议模板的渲染，采用stdio传输实现无网络端口的会话式通信。

基于 Model Context Protocol 的标准化后端服务器实现，提供对资源、工具和提示的管理与执行能力，通过 JSON-RPC（基于 STDIO 的 MCP 服务器）与客户端通信，支持与 MUD 服务器的 TCP 连接、日志监控和自动化测试能力。

基于 Model Context Protocol (MCP) 的后端服务器实现，提供 MCP 协议的工具注册、HTTP 接入以及与 Databricks 应用的整合能力，适用于向大语言模型客户端暴露上下文、资源和工具。

基于 Model Context Protocol (MCP) 的后端服务器实现，向大语言模型客户端提供 Polkadot（ ink! 合约与链开发）相关的上下文、资源、工具与提示模板等能力，采用 JSON-RPC 进行通信，支持多种传输方式并管理会话与权限。

基于 Model Context Protocol (MCP) 的服务器实现，使用 OpenAPI/FastMCP 将 mcpproxy 的控制接口暴露为 MCP 工具，支持工具注册、路由过滤、以及与 MCP 客户端的 JSON-RPC 通信，便于对 MCPProxy 的安全、可扩展后端服务提供上下文和控制能力。

基于 Model Context Protocol (MCP) 的服务器实现，提供用于自动化测试代码生成的上下文资源、工具与提示模板，供客户端（如 GitHub Copilot 等）通过 JSON-RPC 调用获取上下文、执行工具、渲染提示模板，从而生成 Playwright/API 测试代码。

基于 Model Context Protocol (MCP) 的后端实现，作为 MCP 服务器为 LLM 客户端提供统一的上下文服务与功能入口，涵盖日志与网络缓冲、设备调试工具、应用内代码执行、以及与 Metro、ADB/Simctl 等交互的工具集，支持通过标准的 JSON-RPC 进行请求/响应与通知传输。该项目提供一个可运行的服务器端实现，并附带通过标准输出进行的 STDIO 传输和可选的本地调试网页仪表板。

基于 Model Context Protocol (MCP) 的后端服务器实现，向 LLM 客户端以统一的 JSON-RPC 形式暴露内核构建、配置、运行与测试等工具，帮助自动化地进行内核开发与验证流程。

为AI代理提供交互式测试文件创建功能的MCP服务器

用于自动化LLM红队测试的MCP服务器，提供HTTP API和MCP工具两种接口

一个生产就绪的Astro网站，集成了MCP服务器功能，为LLM客户端提供对数据库操作、浏览器测试、设计系统集成和认证管理的上下文与工具访问。

将 Xray Cloud 的测试管理功能通过 MCP 协议暴露给 LLM 客户端，实现智能化的测试管理和自动化。

Rocketship AI上下文服务为LLM代理提供关于Rocketship测试框架的上下文信息、工具和最佳实践，助力智能生成和管理测试。

连接您的 Expo 应用与 AI 助手，实现屏幕截图的自动捕捉、管理与智能分析。

将OWASP ZAP安全测试能力通过Model Context Protocol (MCP) 集成到AI助手和LLM客户端，实现AI驱动的自动化漏洞扫描。

PDD 是一个 AI 驱动的命令行工具，通过管理提示词、生成代码和测试，实现提示词驱动开发，并提供一个 MCP 服务器接口供 LLM 客户端集成和调用。

HUD Python是一个开源工具包，用于构建、评估和训练AI智能体，通过将软件封装为基于MCP协议的交互式环境，实现本地或大规模的基准测试和强化学习。

为LLM客户端提供与Sauce Labs测试平台集成的Model Context Protocol (MCP) 服务器，支持自然语言管理测试、设备和分析数据。

Selenium MCP Server是一个强大的工具，它将Selenium WebDriver的丰富功能转化为AI助手可直接调用的MCP工具，实现高效的浏览器自动化、网页抓取和自动化测试。

基于WebdriverIO，让AI模型通过MCP协议控制和自动化网页浏览器。

AI驱动的测试规约（Spec）验证工具的后端实现，通过HTTP接收指令，管理和执行代码分析及测试流程。

一个基于MCP协议的服务端，通过对比前后端修改的截图，利用视觉AI评估UI编辑是否符合用户请求。

使AI编码助手通过MCP协议自动化进行网页测试的记录、执行和发现。

BrowserStack MCP 服务器将 BrowserStack 测试平台的功能集成到 MCP 客户端，提供应用和网站测试能力。

ZAP-MCP服务器作为OWASP ZAP与AI模型之间的桥梁，通过MCP协议提供安全扫描和分析能力。

基于MCP协议实现的HarmonyOS设备控制服务器，提供应用管理、UI操作和媒体控制等工具，支持LLM智能体进行设备交互。

一个MCP服务器，为LLM客户端提供与Bazel构建系统交互的工具，包括构建、依赖查询、反向依赖查询、源码查找和测试功能。

Unity-MCP是一个开源项目，实现了用于Unity游戏开发的Model Context Protocol (MCP)，旨在通过标准化接口连接Unity环境与AI助手，实现AI辅助游戏开发、自动化测试和运行时调试等功能。

自动化生成Playwright Page Object Model (POM) 的服务器，加速端到端测试自动化流程。

基于 MCP 协议实现的 Web 应用 UX/UI 评估服务器，通过 LLM 驱动的智能体进行自动化网页调试和用户体验评估。

通过 Model Context Protocol (MCP) 协议连接 TestRail，为 LLM 应用提供 TestRail 测试管理工具集。

一个基于 Model Context Protocol (MCP) 的服务器，允许 LLM 客户端通过工具调用来执行 k6 性能测试。

一个 MCP 服务器，允许 LLM 客户端通过工具调用来执行 JMeter 性能测试，并返回测试结果。

允许AI助手通过MCP协议远程执行和管理JMeter性能测试，提供标准化的性能测试服务接口。

一个基于 Model Context Protocol 的服务器，通过 Selenium WebDriver 提供浏览器自动化功能，使 LLM 客户端能够控制浏览器进行网页交互。

该项目是一个MCP服务器，作为测试管理系统(TMS)的适配器，为LLM应用提供访问TMS测试用例和文档的能力，并支持基于TMS数据生成测试代码。

连接Qase API的MCP服务器，提供测试项目和结果管理功能，支持LLM通过工具进行交互。

codemcp是一个MCP服务器，旨在通过Claude Desktop直接在本地代码库上进行代码编辑、重构和测试等任务，提升AI编程助手的使用体验。

Stealth Browser MCP Server是一个基于Model Context Protocol的后端应用，通过集成Playwright和反bot检测技术，为LLM客户端提供隐身浏览和网页截图功能。

Tox Testing MCP Server 是一个基于 Model Context Protocol 的服务器，允许 LLM 客户端通过工具调用在指定 Python 项目中执行 Tox 测试，并返回测试结果。

Test Runner MCP 是一个 MCP 服务器，用于运行和解析多种测试框架的测试结果，为 LLM 应用提供统一的测试执行接口。

Xcode MCP Server允许LLM应用通过标准协议远程构建和测试Xcode项目，并获取构建日志和测试报告。

UI Test MCP 是一个基于 Model Context Protocol 的服务器，提供通过 AI 驱动的 Stagehand 工具对 React 组件进行自动化 UI 测试的功能。

Postman MCP Server是一个MCP服务器，允许LLM通过Newman运行和分析Postman Collection的API测试结果。

该项目是一个MCP服务器，旨在为LLM客户端提供本地开发环境管理能力，支持AI自动化配置和管理开发环境。