MCP use test

MCP开发工具

提供方 skylight-9

开发工具 stdio · 本地进程 无需鉴权 社区 / 第三方
查看接入方式

基于mcp-use的测试框架,用于记录和回放MCP工具调用,支持中文自然语言测试用例和pytest集成。

一句话选型结论

按资料字段整理

MCP use test 属于开发工具类 MCP 服务器,stdio · 本地进程,无需鉴权,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 鉴权无需鉴权 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

适用场景

测试框架Python本地部署MCP工具自然语言测试pytest集成调试工具

安装与配置

stdio · 本地进程 无需鉴权
客户端在本机拉起子进程,数据不出本机
pip install -r requirements.txt

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 Node.js 等运行时,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。
  • 资料标注无需鉴权,装好就能连。

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。
  • 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。
  • 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。
  • 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
MCP use test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skylight-9上游标注的维护方 skylight-9
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
鉴权方式无需鉴权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 · 未标注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

9.1 KB
来自项目仓库与上游目录的原文,未做删改

MCP测试框架(基于MCP使用)

基于以下内容构建的测试框架 mcp使用 用于记录和回放MCP工具调用。

中文文档

主要特点

  1. mcp使用集成:基于mcp使用构建,用于强大的mcp服务器管理
  2. 中间件记录:用于拦截和记录所有工具调用的自定义中间件
  3. 呼叫链回放:将调用链保存为JSON,并在没有LLM的情况下回放
  4. 自然语言测试:以JSON或INI格式定义数据驱动测试的测试场景
  5. 中文语言支持:完全支持使用INI格式的中文自然语言测试用例
  6. pytest集成:完全支持pytest和测试生成

为什么是这个框架?

该框架利用 mcp-use的中间件系统 提供:

  • 透明记录工具调用
  • 无需LLM参与的回放功能
  • 易于调试和测试的工作流程
  • 数据驱动的测试场景

建筑```

mcp_use_test/
├── src/
│ ├── config.py # Configuration management
│ ├── mcp_manager.py # MCP server connection manager
│ ├── middleware.py # Call recording middleware
│ ├── call_chain.py # Call chain save/replay
│ └── nl_executor.py # Natural language test executor
├── tests/
│ ├── conftest.py # pytest fixtures
│ ├── test_config.py # Configuration tests
│ ├── test_middleware.py # Middleware tests
│ ├── test_call_chain.py # Call chain tests
│ └── test_data/
│ └── scenarios.json # Test scenarios
├── examples/
│ ├── basic_usage.py # Basic usage example
│ ├── record_and_replay.py # Record/replay example
│ └── natural_language_test.py # NL testing example
├── call_chains/ # Saved call chains
├── mcp_config.json # MCP server configuration
└── requirements.txt # Python dependencies


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

# Or install in development mode
pip install -e .

配置

编辑 mcp_config.json 要配置MCP服务器,请执行以下操作:```json
{
"servers": {
"filesystem": {
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-filesystem", "/tmp"],
"env": {}
},
"git": {
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-git"],
"env": {}
}
}
}


## 用法

### 基本用法```python
import asyncio
from src.config import Config
from src.mcp_manager import MCPManager
from src.middleware import CallRecorderMiddleware

async def main():
config = Config.from_file("mcp_config.json")
middleware = CallRecorderMiddleware(enabled=True)

async with MCPManager(config) as manager:
# List available tools
tools = manager.get_all_tools()
print(f"Available tools: {len(tools)}")

# Call a tool with recording
async def call_func(arguments, **kwargs):
return await manager.call_tool(
tool_name="list_directory",
arguments=arguments,
server_name="filesystem"
)

wrapped_call = middleware.wrap_call(call_func, "list_directory", "filesystem")
result = await wrapped_call({"path": "."})

# Print statistics
middleware.print_summary()

asyncio.run(main())

记录和回放呼叫链```python

from src.call_chain import CallChain, CallChainManager

After recording with middleware

chain = CallChain.from_calls(
calls=middleware.recorded_calls,
name="my_workflow",
description="Test workflow"
)

chain_manager = CallChainManager()
await chain_manager.save_chain(chain)

Later, replay the chain

loaded_chain = await chain_manager.load_chain(chain.id)
results = await chain_manager.replay_chain(loaded_chain, manager)


### 自然语言测试

#### JSON格式(英文)

用JSON定义测试场景:```json
{
"scenarios": [
{
"name": "filesystem_operations",
"description": "Test filesystem operations",
"tags": ["filesystem", "basic"],
"steps": [
{
"action": "List files in directory",
"tool": "list_directory",
"server": "filesystem",
"arguments": {"path": "/tmp"},
"validate": {"not_null": true}
}
]
}
]
}

INI格式(中文自然语言)

使用自然中文以INI格式定义测试场景:```ini

中文自然语言测试用例

[scenario_daily_workflow]
name = 日常工作流程测试
description = 模拟用户的日常文件操作工作流程
tags = 日常使用, 工作流程
expected_outcomes =
用户能够顺利完成文件管理任务
所有操作都应该符合预期

step_1 = 1. 查看当前工作目录有哪些文件
step_2 = 2. 创建一个工作笔记文件记录今天的任务
step_2_tool = write_file
step_2_args = path=work_notes.txt,content=今天的工作任务
step_3 = 3. 读取刚才创建的笔记确认内容正确


执行场景:```python
from src.nl_executor import NaturalLanguageExecutor

executor = NaturalLanguageExecutor(manager, middleware)

# Execute JSON scenarios
results = await executor.execute_scenarios_from_file(
"tests/test_data/scenarios.json",
save_chains=True
)

# Execute INI scenarios (Chinese)
results = await executor.execute_scenarios_from_file(
"test_scenarios.ini",
save_chains=True
)

# Filter by tags
results = await executor.execute_scenarios_from_file(
"test_scenarios.ini",
filter_tags=["基础测试"]
)

运行测试```bash

Run all tests

pytest

Run with coverage

pytest --cov=src --cov-report=html

Run specific test file

pytest tests/test_middleware.py

Run tests with specific markers

pytest -m "not integration"


## 示例

这 `examples/` 目录包含完整的工作示例:

1. **basic_usage.py**:基本MCP连接和工具调用
1. **record_and_replay.py**:录制和回放呼叫链
1. **natural_language_test.py**:使用自然语言进行数据驱动测试
1. **chinese_nl_test.py**:INI格式的中文自然语言测试

运行示例:```bash
python examples/basic_usage.py
python examples/record_and_replay.py
python examples/natural_language_test.py
python examples/chinese_nl_test.py

关键组件

MCPManager

管理与多个MCP服务器的连接:```python
config = Config.from_file("mcp_config.json")
async with MCPManager(config) as manager:

Get all tools across all servers

tools = manager.get_all_tools()

Call a tool

result = await manager.call_tool("tool_name", {"arg": "value"})


### CallRecorder中间件

记录工具调用以进行分析和回放:```python
middleware = CallRecorderMiddleware(enabled=True)
wrapped_call = middleware.wrap_call(func, "tool_name", "server_name")

# Get statistics
stats = middleware.get_statistics()
middleware.print_summary()

呼叫链管理器

管理已保存的呼叫链:```python
chain_manager = CallChainManager(storage_dir="call_chains")

Save a chain

await chain_manager.save_chain(chain)

List all chains

chains = await chain_manager.list_chains()

Replay a chain

results = await chain_manager.replay_chain(chain, manager)

Export as pytest test

await chain_manager.export_chain_to_test(chain, "test_output.py")


### 自然语言执行人

执行数据驱动的测试场景:```python
executor = NaturalLanguageExecutor(manager, middleware)

# Load and execute scenarios
scenarios = await executor.load_scenarios("scenarios.json")
result = await executor.execute_scenario(scenarios[0])

# Or execute all scenarios from file
results = await executor.execute_scenarios_from_file("scenarios.json")

用例

1.调试和开发

在开发过程中记录工具调用序列,并在不涉及LLM的情况下回放以进行调试:```python

During development - record calls

middleware = CallRecorderMiddleware(enabled=True)

... perform operations ...

Save the chain

chain = CallChain.from_calls(middleware.recorded_calls, "debug_session")
await chain_manager.save_chain(chain)

Later - replay for debugging

loaded_chain = await chain_manager.load_chain("debug_session_...")
await chain_manager.replay_chain(loaded_chain, manager)


### 2.自动化测试

用自然语言编写测试场景并自动执行:```json
{
"scenarios": [
{
"name": "user_workflow",
"steps": [
{"action": "Create file", "tool": "write_file", ...},
{"action": "Read file", "tool": "read_file", ...},
{"action": "Delete file", "tool": "delete_file", ...}
]
}
]
}

3.集成测试

跨多个MCP服务器的测试工作流程:```python

Test a workflow using filesystem, git, and database servers

executor = NaturalLanguageExecutor(manager, middleware)
results = await executor.execute_scenarios_from_file("integration_tests.json")


### 4.回归测试

将记录的呼叫链导出为用于回归测试的pytest测试:```python
await chain_manager.export_chain_to_test(chain, "tests/test_regression.py")

益处

  1. LLM独立重播:一旦记录,呼叫链可以在没有LLM参与的情况下重放
  2. 数据驱动测试:以自然语言JSON或INI格式定义测试
  3. 中文语言支持:使用INI格式用自然中文编写测试用例
  4. 可观测性:通过计时和错误跟踪全面了解工具调用
  5. 调试:通过调用链回放轻松调试
  6. 测试自动化:与CI/CD管道的pytest集成
  7. 多服务器:跨多个MCP服务器的测试工作流

贡献

欢迎投稿!请随时提交问题或拉取请求。

许可证

MIT许可证

常见问题

7 问
答案由本站依据条目字段整理,不引用上游原文
MCP use test 怎么安装?

在客户端按下面的安装命令接入:pip install -r requirements.txt。装完在客户端配置里引用同一个包或端点。

MCP use test 怎么在客户端里配置?

它的传输方式未标注,在客户端 MCP 配置里按官方文档填写启动命令和参数,保存后重启客户端生效。

MCP use test 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。

MCP use test 需要 API Key 吗?

资料标注为无需认证,装好就能连;如果实际调用时报鉴权错误,按官方文档补上凭据。

MCP use test 能提供哪些能力?

资料显示能力标签包括 测试框架、调试工具、Python。具体工具清单以官方文档为准。

MCP use test 需要什么运行环境?

属于本地进程,需要在本机装好运行环境。

MCP use test 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。