MCP Multiagent Framework

🤖 基于模型上下文协议的Agent AI多Agent测试自动化平台

由Claude AI和剧作家提供技术支持

一个尖端的测试自动化平台，通过模型上下文协议利用多个人工智能代理和真正的浏览器自动化，自主生成、执行和智能分析测试。

______________________________________________________________________

📋 目录

• 概述
• 主要特点
• 建筑
• 先决条件
• 安装
• 配置
• 用法

- 方法一：全AI流水线 - 方法2：直接提示执行器

• 输出和报告
• 项目结构
• 路线图
• 故障排除
• 可用命令

______________________________________________________________________

🌟 概述

该框架结合了 AI代理 （由克劳德提供动力） 模型上下文协议（MCP） 用于浏览器自动化，以创建端到端的智能测试自动化系统。

是什么让它独一无二？

• 🤖 4个AI代理 在管道中协同工作 克劳德·艾
• 🎭 REAL浏览器自动化 -没有模拟！通过MCP的实际剧作家浏览器
• 🌐 真正的MCP集成 -使用官方的模型上下文协议SDK
• 📊 AI驱动的分析 具有漂亮的HTML报告
• 🔄 两种执行模式 -全AI流水线或直接提示执行器
• � 环境驱动 -零硬编码值，全部来自环境变量
• 🎨 美丽的视觉报告 提供人工智能见解和建议
• ✅ 生产就绪 -在Windows上进行了测试，实现了真正的浏览器自动化

______________________________________________________________________

✨ 主要特点

🤖 多代理架构

• 代理1（故事分析师）：使用分析用户故事 克劳德3.5十四行诗
• 代理2（测试生成器）：使用生成全面的测试用例 克劳德3.5十四行诗
• 代理人3（测试执行人）：对执行测试 真实浏览器 通过 剧作家MCP （无需人工智能）
• 代理4（结果分析器）：使用以下工具提供人工智能驱动的见解 克劳德3俳句

重要：代理3使用 REAL MCP浏览器自动化 -不是模拟的！通过模型上下文协议控制的实际剧作家浏览器。

🎭 真正的浏览器自动化

• 由...驱动 剧作家 通过 模型上下文协议（MCP）
• 真实浏览器 -Chromium、Firefox或WebKit（无模拟/模拟）
• 使用官方 @模型上下文协议/sdk 用于标准化工具界面
• 支持有头（可见）和无头模式
• 调试慢动作模式
• Windows兼容固定生成处理（节点+tsx直接执行）
• StdioClientTransport用于可靠的过程通信

📊 智能报告

• 具有AI洞察力的精美HTML报告
• 用于进一步分析的JSON数据文件
• 覆盖间隙检测
• 趋势分析
• 智能推荐
• 风险等级评估

🔄 灵活执行

• 完整的AI管道：完成从故事到执行的工作流程
• 直接快速执行者：从预先生成的测试用例快速执行

______________________________________________________________________

🏗️ 建筑

┌─────────────────────────────────────────────────────────────┐
│                   USER STORY INPUT                          │
└──────────────────┬──────────────────────────────────────────┘
                   │
                   ▼
┌─────────────────────────────────────────────────────────────┐
│  AGENT 1: Story Analyst (Claude 3.5 Sonnet)                │
│  • Analyzes user story                                      │
│  • Extracts requirements                                    │
│  • Identifies test scenarios                                │
└──────────────────┬──────────────────────────────────────────┘
                   │
                   ▼
┌─────────────────────────────────────────────────────────────┐
│  AGENT 2: Test Generator (Claude 3.5 Sonnet)               │
│  • Generates test cases                                     │
│  • Creates test data                                        │
│  • Defines test steps                                       │
└──────────────────┬──────────────────────────────────────────┘
                   │
                   ▼
┌─────────────────────────────────────────────────────────────┐
│  AGENT 3: Test Executor (Playwright MCP)                   │
│  • Initializes browser via MCP                             │
│  • Executes test steps                                      │
│  • Captures results & errors                                │
│  • Takes screenshots                                        │
└──────────────────┬──────────────────────────────────────────┘
                   │
                   ▼
┌─────────────────────────────────────────────────────────────┐
│  AGENT 4: Results Analyzer (Claude 3 Haiku)                │
│  • Analyzes test results                                    │
│  • Detects patterns & trends                                │
│  • Identifies coverage gaps                                 │
│  • Generates recommendations                                │
│  • Creates beautiful HTML reports                           │
└─────────────────────────────────────────────────────────────┘

有关详细的体系结构文档，请参阅 建筑.md.

______________________________________________________________________

📦 先决条件

• Node.js：v18或更高版本
• npm：v8或更高版本
• TypeScript：v5.x
• 无烟煤API密钥：从 拟人控制台

______________________________________________________________________

🚀 安装

1.克隆存储库

git clone https://github.com/ravikaanthe/MCP-MultiAgent-Framework.git
cd MCP-MultiAgent-Framework

2.安装依赖项

npm install

3.安装Playwright浏览器

npx playwright install chromium

______________________________________________________________________

⚙️ 配置

1.创建环境文件

创建一个 .env 项目根目录中的文件：

# Anthropic API Key (Required for AI Agents)
ANTHROPIC_API_KEY=sk-ant-api03-your-api-key-here

2.配置测试环境

该框架使用 环境变量 对于所有配置（零硬编码值）。

编辑您的 .env 配置测试环境的文件：

# ParaBank Test Environment Configuration
BASE_URL=https://parabank.parasoft.com/parabank
LOGIN_URL=https://parabank.parasoft.com/parabank/index.htm
OPEN_ACCOUNT_URL=https://parabank.parasoft.com/parabank/openaccount.htm

# Valid Test Credentials
VALID_USERNAME=ficusroot
VALID_PASSWORD=katal@n@ravi

# Invalid Test Credentials (for negative testing)
INVALID_USERNAME=invaliduser
INVALID_PASSWORD=invalidpass

# Test Data
VALID_SOURCE_ACCOUNT=29217
INVALID_SOURCE_ACCOUNT=12345
DEFAULT_ACCOUNT_TYPE=SAVINGS

环境管理器 (src/config/environments.ts)提供集中访问：

import EnvironmentManager from './config/environments.js';

// Get credentials
const validCreds = EnvironmentManager.getValidCredentials();
// { username: 'ficusroot', password: 'katal@n@ravi' }

// Get URLs
const urls = EnvironmentManager.getUrls();
// { baseUrl: '...', loginUrl: '...', ... }

______________________________________________________________________

🎯 用法

方法1：全AI流水线（4个代理）

从用户故事到执行和分析的完整工作流程。

命令

npm test --  [--headed]

例子

# Execute in headless mode (default)
npm test -- AUTH-001

# Execute with visible browser
npm test -- AUTH-001 --headed

# Execute account management story
npm test -- ACCT-002 --headed

发生了什么：

1. ✅ 代理1分析用户故事
2. ✅ 代理2生成测试用例
3. ✅ Agent 3通过Playwright MCP执行测试
4. ✅ Agent 4使用AI洞察力分析结果
5. ✅ 生成漂亮的HTML报告

输出位置：

outputs/
├── test-cases/{module}/{STORY_ID}-tests.md
└── test-results/{module}/{STORY_ID}-results-{timestamp}.{html|json}

______________________________________________________________________

方法2：直接提示执行器

从预先生成的测试用例快速执行。

命令

npm run prompt -- "
"

例子

# Execute authentication tests
npm run prompt -- "outputs/test-cases/authentication/AUTH-001-tests.md"

# Execute account management tests
npm run prompt -- "outputs/test-cases/account-management/ACCT-002-tests.md"

发生了什么：

1. ✅ 从markdown文件读取测试用例
2. ✅ 通过Playwright MCP（可见浏览器）执行测试
3. ✅ 使用AI分析结果（Agent 4）
4. ✅ 生成HTML+JSON报告

输出位置：

outputs/test-results/{module}/{STORY_ID}-results-{timestamp}.{html|json}

______________________________________________________________________

📊 输出和报告

报告类型

两种执行方法都会生成相同的综合报告：

1. JSON报告 （机器可读）

{
  "storyId": "AUTH-001",
  "module": "authentication",
  "executionTime": "2025-12-05T18:48:31.806Z",
  "totalDuration": 55881,
  "summary": {
    "totalTests": 5,
    "passed": 4,
    "failed": 1,
    "passRate": 80
  },
  "analysis": {
    "summary": "...",
    "riskLevel": "medium",
    "coverageGaps": [...],
    "trends": [...],
    "recommendations": [...]
  },
  "results": [...]
}

2. HTML报告 （精美的视觉报告）

特征：

• 📊 包含指标的执行摘要
• 🎨 颜色编码测试结果
• 📈 通过率可视化
• 🚨 突出关键问题
• 💡 基于人工智能的推荐
• 🔍 覆盖差距分析
• 📉 趋势检测
• ⏱️ 逐步计时

在浏览器中打开：

file:///path/to/outputs/test-results/{module}/{STORY_ID}-results-{timestamp}.html

______________________________________________________________________

📁 项目结构

Multi-Agent Test Automation Framework/
├── src/
│   ├── agents/               # 4 AI Agents
│   │   ├── story-analyst.ts      # Agent 1: Analyzes user stories
│   │   ├── test-generator.ts     # Agent 2: Generates test cases
│   │   ├── test-executor.ts      # Agent 3: Executes tests
│   │   └── results-analyzer.ts   # Agent 4: Analyzes results
│   ├── core/                 # Core framework
│   │   ├── orchestrator.ts       # Orchestrates 4-agent pipeline
│   │   └── types.ts              # TypeScript interfaces
│   ├── config/               # Configuration
│   │   └── environments.ts       # Environment management
│   ├── executors/            # Execution engines
│   │   └── prompt-executor.ts    # Direct execution from markdown
│   ├── mcp/                  # Model Context Protocol
│   │   └── playwright-mcp-server.ts  # Playwright MCP server
│   ├── managers/             # Utility managers
│   │   └── test-prompt-manager.ts    # Test case & results manager
│   └── cli/                  # CLI tools
├── user-stories/             # User story input files
│   ├── authentication/
│   └── account-management/
├── outputs/                  # Generated outputs
│   ├── test-cases/              # Generated test cases
│   └── test-results/            # Test results & reports
├── .env                      # Environment variables (API keys)
├── package.json              # Dependencies & scripts
├── tsconfig.json             # TypeScript configuration
├── README.md                 # This file
└── ARCHITECTURE.md           # Detailed architecture docs

______________________________________________________________________

🐛 故障排除

问题：“ANTHROPIC_API_KEY未设置”警告

原因：缺少Anthropic API密钥或密钥无效

解决方案:

1. 创建 .env 项目根目录中的文件
2. 添加API密钥： ANTHROPIC_API_KEY=sk-ant-api03-your-key-here
3. 重新启动应用程序

没有API密钥会发生什么：

• ✅ 测试仍在执行（代理3不需要API）
• ✅ 计算基本指标
• ❌ 人工智能见解不可用（Agent 4退回到基本分析）

______________________________________________________________________

问题：Windows上出现“spawn EINVAL”错误

状态: ✅ 固定的 最新版本！

怎么了：Windows无法生成 .cmd 文件与 {shell: false} 通过stdioclienttransport

我们如何修复它:

// OLD (BROKEN on Windows):
const transport = new StdioClientTransport({
  command: 'npx.cmd',
  args: ['tsx', 'src/mcp/playwright-mcp-server.ts', '--headed']
});

// NEW (WORKING on Windows):
const command = 'node';
const tsxLoaderPath = path.resolve(process.cwd(), 'node_modules', 'tsx', 'dist', 'cli.mjs');
const transport = new StdioClientTransport({
  command: command,
  args: [tsxLoaderPath, mcpServerPath, '--headed']
});

结果：MCP服务器现在通过REAL浏览器自动化在Windows上可靠启动！

______________________________________________________________________

问题：浏览器无法打开

原因：MCP服务器未启动或配置错误

解决方案:

1. 检查是否安装了Playwright： npx playwright install chromium
2. 验证执行器文件中的MCP服务器路径
3. 与一起跑步 --headed 标记以查看可见浏览器
4. 检查MCP服务器初始化的控制台日志

______________________________________________________________________

问题：“由于API错误，分析不可用”

原因:

1. API密钥无效
2. API密钥没有信用
3. 网络连接问题
4. API煤率限值

解决方案:

1. 在验证API密钥 console.anthropic.com
2. 检查API使用情况和信用
3. 测试网络连接
4. 如果速率受限，请等待并重试

后备方案：即使没有人工智能，框架也能提供基本分析

______________________________________________________________________

�️ 路线图

✅ 第1阶段：UI测试自动化（完成）

• \[x\] 带Claude的多代理AI架构（4个专用代理）
• \[x\] 模型上下文协议与Playwright的集成
• \[x\] 真正的浏览器自动化（Chromium/Firefox/WebKit）
• \[x\] 从用户故事中自主生成测试
• \[x\] 基于AI的结果分析，具有洞察力
• \[x\] 环境驱动配置（零硬编码值）
• \[x\] 跨平台支持（Windows/Mac/Linux）
• \[x\] 带有AI建议的HTML报告
• \[x\] 两种执行模式（全流水线+直接提示）

🔄 第二阶段：API和规模（正在进行中-2026年第一季度）

• \[\]REST API测试支持
• \[\]GraphQL测试支持
• \[\]混合UI+neneneba API测试场景
• \[\]身份验证处理（OAuth、JWT、API密钥）
• \[\]并行测试执行
• \[\]规模化的工人池管理
• \[\]跨并行运行的测试结果聚合

🔄 第三阶段：企业整合（计划-2026年第二季度）

• \[\]CI/CD模板（GitHub操作、Jenkins、GitLab CI）
• \[\]Docker容器化与Docker compose
• \[\]Kubernetes部署示例
• \[\]测试数据管理和播种
• \[\]数据库夹具支持
• \[\]高级报告仪表板
• \[\]趋势分析和故障模式检测

🔮 第4阶段：高级功能（未来）

• \[\]可视化回归测试集成
• \[\]自愈测试功能（自动更新选择器）
• \[\]性能测试集成（负载/压力测试）
• \[\]多应用程序测试工作流
• \[\]移动测试支持（iOS/Android）
• \[\]测试管理工具集成（Jira、TestRail）

想要一个功能？ 打开一个问题 或者通过pull请求进行贡献！

______________________________________________________________________

�📝 可用命令

______________________________________________________________________

🔗 相关文件

• 建筑深潜 -详细的技术文档
• 无烟煤API -Claude AI文档
• 模型上下文协议 -MCP规范
• 剧作家 -浏览器自动化文档

______________________________________________________________________

📄 许可证

该项目根据ISC许可证获得许可。

______________________________________________________________________

📧 联系

• 仓库:
• 问题:

______________________________________________________________________

由...制作❤️ 使用AI代理、MCP和剧作家