API Health Checker

API健康检查自动化

一个使用MCP（模型上下文协议）、LLM分析和Streamlit UI进行自动化API健康测试的项目。

特性

• 🔍 实时API测试：命中任何API端点并分析响应
• 🤖 LLM动力分析：使用GPT-4/Claude进行智能健康评估
• 📊 历史数据分析：预测延迟模式和潜在故障
• 🎨 交互式用户界面：用户友好的Streamlit界面
• 🔌 MCP集成：FastMCP服务器，用于可扩展的工具集成

建筑

┌─────────────────┐
│  Streamlit UI   │ ← User Input (API URL, Headers, etc.)
└────────┬────────┘
         │
         ↓
┌─────────────────┐
│   MCP Server    │ ← Tools: test_api, analyze_health, predict_failures
└────────┬────────┘
         │
         ├─→ API Testing Module
         ├─→ LLM Analysis Module
         └─→ Historical Data Analyzer

设置

1. 安装依赖项:

pip install -r requirements.txt

1. 配置环境:

cp .env.example .env
# Edit .env and add your API keys

1. 运行应用程序:

streamlit run app.py

用法

1. 输入要测试的API终结点
2. 配置请求参数（方法、标头、正文）
3. 点击“测试API运行状况”
4. 查看实时结果和LLM分析
5. 检查延迟和故障模式的历史预测

项目结构

APIHealthCheck/
├── app.py                 # Streamlit UI entry point
├── mcp_server.py          # FastMCP server with tools
├── src/
│   ├── api_tester.py      # API testing logic
│   ├── llm_analyzer.py    # LLM integration for analysis
│   ├── historical.py      # Historical data analysis
│   └── config.py          # Configuration management
├── data/
│   └── historical_data.json  # Sample historical API data
└── requirements.txt

MCP工具

• test_api：执行API请求并收集指标
• analyze_health：LLM驱动的健康评估
• predict_failures：根据历史数据预测潜在问题

许可证

麻省理工学院