Gitlab Testplan Generator

MCP开发工具

提供方 Atm06

开发工具 stdio · 本地进程 Token 社区 / 第三方 Cursor
查看接入方式

一个基于AI的MCP服务器,通过本地Ollama AI模型从GitLab合并请求生成全面的UI测试计划,确保代码不离开用户机器。

一句话选型结论

按资料字段整理

Gitlab Testplan Generator 属于开发工具类 MCP 服务器,stdio · 本地进程,Token,可直接接入 Cursor,有可直接执行的安装命令。接入前先确认权限范围;涉及写入、删除或付款的操作,建议先在测试环境验证。

分类开发工具 传输方式stdio · 本地进程 鉴权Token 部署方式本地部署
GitHub 星标 0 仓库热度,无公开仓库时显示未标注
工具数 未标注 暴露给模型的工具数量
资源 / 提示词 0 / 0 资源与提示词模板数量
维护方 社区 / 第三方 核验等级 仅资料核对

工具与能力

开发工具
数量来自来源目录的标注,具体工具清单以官方文档为准
工具数量未标注暴露给模型可调用的工具个数
资源数量0可读取的资源条目
提示词数量0内置提示词模板数量

能力标签

支持客户端

适用场景

AI测试Python本地部署GitLab集成本地AIUI测试自动化测试

安装与配置

stdio · 本地进程 Token
客户端在本机拉起子进程,数据不出本机
python3 -m venv .venv

这条命令只是入口,具体启动参数请按官方文档补齐,不要直接照搬到别的服务器。

  1. 1
    准备运行环境

    stdio 服务在本地起进程,需要先装好 Python,再按安装命令拉取依赖。

  2. 2
    安装服务

    复制上面的安装命令执行;命令里带占位符的位置,换成自己的密钥或路径。

  3. 3
    写入客户端配置

    在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4
    验证是否可用

    连接成功后随便调一个只读工具,确认能返回结果,再接入正式流程。

典型使用场景

3 类
按分类与标签整理的常见用法,具体以官方文档为准
代码与仓库操作

在对话里直接查代码、提 issue、走 PR,省掉来回切工具。

本地命令与脚本

把构建、测试、格式化这类重复命令交给模型执行。

接口联调与测试

让模型调你的接口、跑一遍用例,快速定位问题。

选择建议

选之前先看这几条
按条目字段给出的判断,不替你决定用不用

值得选的地方

  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。
  • 已适配 Cursor,换客户端不用重新研究配置。

先想清楚的地方

  • stdio 方式要求本地装好运行时(如 Node.js),换机器要重新装一遍。
  • 使用前要准备好Token对应的凭据,并按最小权限配置。
  • 资料没标注工具数量,实际能力要装好后确认。
  • 版本更新与行为细节以官方仓库为准。

更适合

  • 需要在开发工具场景里让模型直接调用外部能力的人。
  • 已经在用 Cursor 的用户,接入路径最短。
  • 想先快速试一下、能接受在本地或自有环境跑服务的人。

不太适合

  • 完全不想在本地装环境的人。
  • 不方便管理密钥或第三方授权的人。
  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

6 个同类
同分类里挑最接近的几条,字段以各自详情页为准
MCP 服务器工具数传输方式部署方式安装命令最后核验
Gitlab Testplan Generator当前 未标注 stdio · 本地进程 本地部署 有 2026-05-17
Git 838e2ec1 12 stdio · 本地进程 本地部署 有 2026-05-17
Markitdown MCP 2c653a5f 1 stdio · 本地进程 本地部署 有 2026-05-17
JavaGuide 未标注 stdio · 本地进程 本地部署 有 2026-04-11
awesome-claude-skills 未标注 stdio · 本地进程 本地部署 有 2026-04-26
Context7 831acf40 未标注 stdio · 本地进程 本地部署 有 2026-05-17

服务器档案

开发工具
字段来自项目仓库与公开索引,中文说明由本站标注
提供方Atm06上游标注的维护方 Atm06
分类开发工具本站按上游分类展示
连接方式stdio · 本地进程客户端在本机拉起子进程,数据不出本机
鉴权方式Token远程服务建议用最小权限凭据
维护方社区 / 第三方核验等级 仅资料核对
包名 / 运行时未标注 · Python本地安装时用到的包标识与运行时
部署类型本地部署上游给出的部署形态
最近核验2026-05-17上游最后核验时间

详细介绍

7.1 KB
来自项目仓库与上游目录的原文,未做删改

GitLab UI测试计划生成器

一个由AI驱动的MCP服务器,使用本地Ollama AI模型从GitLab合并请求中生成全面的UI测试计划。你的代码永远不会离开你的机器。

🏗️ 项目结构```

gitlab-testplan-generator/
├── mcp-server/
│ ├── src/gitlab_mcp/ # Main package
│ │ ├── server.py # MCP server with ui_test_plan_from_mr tool
│ │ ├── analyzer.py # GitLab MR analysis with AI
│ │ ├── test_planner.py # AI-powered test plan generation
│ │ ├── ai_service.py # Local Ollama AI integration
│ │ └── models.py # Pydantic data models
│ ├── examples/ # Usage examples
│ │ ├── demo_analysis.py # Demo script
│ │ ├── example_usage.py # Example usage patterns
│ │ └── test_ollama.py # AI agent verification test
│ ├── docs/ # Documentation
│ ├── main.py # Entry point
│ ├── requirements.txt # Dependencies
│ └── .env # Environment configuration
└── venv/ # Virtual environment


## 🔧 特性

### 🤖 **AI驱动的分析**

- 使用本地Ollama AI模型进行智能代码分析
- 分析GitLab合并请求以识别受影响的UI区域
- 基于代码更改生成上下文感知测试场景
- 隐私第一:所有分析都在您的机器上本地进行

### 📋 **综合测试计划**

- 通过特定步骤生成以UI为中心的测试场景
- 每个测试场景的风险评估(高/中/低)
- 预期结果和验收标准
- 处理正面和边缘案例测试场景

### 🔗 **无缝集成**

- 通过MCP协议与Cursor IDE直接集成
- 简单 `@ui_test_plan_from_mr` 命令用法
- 适用于GitLab.com和自托管GitLab实例
- 没有外部API调用-一切都在本地运行

## 🚀 快速开始

### 1.先决条件

- Python 3.8+
- 没有 已安装并正在运行
- GitLab个人访问令牌
- 光标IDE

### 2.安装```bash
# Navigate to the project
cd gitlab-testplan-generator

# Create and activate virtual environment
python3 -m venv .venv
source .venv/bin/activate  # On Windows: .venv\Scripts\activate

# Install dependencies
cd mcp-server
pip install -r requirements.txt

3.配置

在中设置您的GitLab凭据 mcp-server/.env:```env
GITLAB_URL=https://gitlab.cee.redhat.com # Your GitLab instance
GITLAB_TOKEN=your-personal-access-token # GitLab PAT with api, read_repository scopes
GITLAB_SSL_VERIFY=false # For internal GitLab instances


### 4.在游标中安装

添加到您的 `~/.cursor/mcp.json`:```json
{
"mcpServers": {
"gitlab-ui-test-plan-generator": {
"command": "/path/to/gitlab-testplan-generator/venv/bin/python",
"args": ["/path/to/gitlab-testplan-generator/mcp-server/main.py"],
"env": {
"GITLAB_URL": "https://gitlab.cee.redhat.com"
}
}
}
}
```````

### 5. Start Ollama

```bash
# Install and start Ollama
ollama serve

# Pull the AI model (in another terminal)
ollama pull qwen2.5-coder:1.5b````

### 6.验证AI代理(可选但推荐)

```bash
# Navigate to examples directory
cd mcp-server/examples

# Run AI agent verification test
python test_ollama.py```

该测试验证:

- ✅ Ollama服务器状态和版本
- ✅ 所需AI模型可用性
- ✅ 人工智能生成能力

**预期产量:**

=== Ollama AI Agent Status Check ===
✅ Ollama server is running (version: 0.9.6)
✅ Required model 'qwen2.5-coder:1.5b' is available
✅ AI generation successful!
🎉 All tests passed! Your AI agent is running correctly on Ollama.```

演示和示例

# Verify AI agent is working correctly
python examples/test_ollama.py

# Run demo analysis (works offline without GitLab credentials)
python examples/demo_analysis.py

# Run with real GitLab connection
# (requires configured .env file)
python examples/demo_analysis.py```

## 📋 可用的MCP工具

### `ui_test_plan_from_mr`

**从GitLab合并请求生成UI测试计划的主要工具。**

**游标中的用法:**

@ui_test_plan_from_mr https://gitlab.cee.redhat.com/project/-/merge_requests/123```

它的作用:

  1. 🔍 分析合并请求并提取代码更改
  2. 🤖 使用本地AI了解变化的影响
  3. 🎯 识别受影响的UI区域和组件
  4. 📋 生成具有特定步骤的全面测试场景
  5. ⚠️ 为每种情况提供风险评估

💡 使用示例

在光标中:

@ui_test_plan_from_mr https://gitlab.cee.redhat.com//merge_requests/12345

@ui_test_plan_from_mr https://gitlab.cee.redhat.com/project/-/merge_requests/123/diffs```

### 输出示例:

该工具生成:

- **MR职务**:\[JIRA-ID\]:MR标题描述
- **受影响的页面**:受影响的页面和组件
- **测试场景**:2-5个AI生成的场景
- **风险等级**:每个场景的高/中/低
- **详细步骤**:具体行动和预期成果
- **AI洞察**:变更和用户影响摘要

## 🔧 建筑

### 核心组件

- **`CodeAnalyzer`**:分析GitLab合并请求并计算复杂性/风险分数
- **`UITestPlanGenerator`**:根据变更分析创建全面的测试计划
- **`MCP Server`**:通过模型上下文协议公开功能
- **`Models`**:用于类型安全和验证的Pydantic数据模型

### 成分分析

系统会根据文件模式自动识别组件:

- **认证**: `/auth/`, `/login/`, `/user/` 文件
- **数据库**: `.sql`、迁移文件, `/models/`, `/db/` 文件
- **API**: `/api/`, `/endpoints/`, `/routes/` 文件
- **前端**: `.js`, `.ts`, `.vue`, `.html`, `.css` 文件
- **后端**: `.py`, `.java`, `.cpp`, `.go` 文件
- **配置**: `/config/`, `.env`, `.yaml`, `.json` 文件
- **安全**: `/security/`, `/ssl/` 文件

### 风险评估

服务器自动评估风险等级:

- **高风险**:安全文件、数据库迁移、配置文件、复杂更改(>100行)
- **中等风险**:API文件、服务文件、中等复杂度(50-100行)
- **低风险**:文档,简单更改(\<50行)

## 📖 文档

- **[安装指南](SETUP_GUIDE.md)**:详细的设置说明
- **[例子](../examples/)**:工作代码示例和验证脚本

## 🤝 贡献

1. 分叉存储库
1. 创建要素分支: `git checkout -b feature-name`
1. 手动进行更改和测试
1. 验证AI代理功能: `python examples/test_ollama.py`
1. 使用真实的GitLab合并请求进行测试
1. 提交拉取请求

### 开发设置

```bash
# Install dependencies
pip install -r requirements.txt

# Verify setup
python examples/demo_analysis.py```

## 📝 许可证

MIT许可证-有关详细信息,请参阅许可证文件。

## 🆘 故障排除

### 常见问题

1. **导入错误**:确保您已安装了以下软件包 `pip install -e .`
1. **GitLab连接**:验证您的令牌是否具有正确的权限并且尚未过期
1. **MCP安装**:确保Cursor启用了MCP支持

### 调试模式

```bash
# Run with debug logging
export PYTHONPATH=src
python -m gitlab_mcp.server --log-level debug

准备好开始了吗? 看看 安装指南 详细说明!
```

常见问题

8 问
答案由本站依据条目字段整理,不引用上游原文
Gitlab Testplan Generator 怎么安装?

在客户端按下面的安装命令接入:python3 -m venv .venv。装完在客户端配置里引用同一个包或端点。

Gitlab Testplan Generator 怎么在 Cursor 里配置?

它的传输方式是stdio · 本地进程,在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,配置才会生效。

Gitlab Testplan Generator 收费吗?

本站不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

Gitlab Testplan Generator 需要 API Key 吗?

资料标注需要Token认证,使用前准备好对应凭据,并按最小权限配置。

Gitlab Testplan Generator 支持哪些客户端?

资料标注支持 Cursor;其他客户端只要能配置 MCP Server,也能用同样的命令或地址接入。

Gitlab Testplan Generator 能提供哪些能力?

资料显示能力标签包括 本地AI、Python、Cursor、自动化测试。具体工具清单以官方文档为准。

Gitlab Testplan Generator 需要什么运行环境?

运行时为 Python;属于本地进程,需要在本机装好运行环境。

Gitlab Testplan Generator 是本地还是远程?

它是本地进程(stdio),由客户端在本机拉起。传输方式为stdio · 本地进程。

热门专题

按标签挑服务器
全部专题 →

服务器信息以作者仓库与官方文档为准;分类、传输方式与鉴权方式的中文说明为中文整理,最近核验 2026-05-17。