带有AI的Selenium MCP服务器
这 JAVA MAVEN测试项目 在Java中实现了一个Selenium主控制程序（MCP）服务器，该服务器通过使用语言模型（LLM）将自然语言测试步骤转换为Selenium WebDriver命令来执行浏览器自动化任务。服务器支持本地Ollama或远程LLM端点，并可通过属性文件进行配置。包含一个基于TestNG的客户端，用于发送测试提示和记录结果。
项目结构
- src/main/java/McpServer.java：处理HTTP请求、LLM交互和Selenium命令执行的主服务器类。
- src/main/java/LlmClient.java：处理与LLM（Ollama或远程API）的通信。
- src/test/java/硒测试客户端.java：TestNG客户端，将测试步骤发送到服务器并记录结果。
- config.properties：服务器设置（端口、浏览器、LLM端点）的配置文件。
- 硒操作特性：定义支持的Selenium操作及其所需参数。
- pom.xml文件：具有依赖关系的Maven配置。
应用流:
- 步骤1：客户端向MCP服务器输入自然语言测试步骤
- 步骤2：MCP服务器处理输入，LLM通过增强的PROMPT调用
- 步骤3：LLM用MCP命令响应
- 步骤4：MCP服务器使用响应并在浏览器上执行Selenium命令
先决条件
- Java：17或更晚
- 梅文：3.6.0或更高版本
- WebDriver：已安装ChromeDriver或FirefoxDriver（与您的浏览器版本匹配）并添加到PATH
- LLM：或者：
- 当地Ollama跑步http://localhost:11434（默认）使用类似llama3的模型 - 具有API密钥的远程LLM端点（例如，与OpenAI兼容的API）
- 浏览器：已安装Chrome或Firefox
- 测试NG：通过Maven包含，无需单独安装
设置
步骤1：
- 克隆项目：
- 克隆
- 镉硒mcp
安装依赖项：运行以下命令下载依赖项： 根项目上进行构建
配置服务器：编辑项目根目录中的config.properties以设置：
- 服务器端口：HTTP服务器端口（默认值：8080）
- 浏览器：浏览器类型（chrome或firefox，默认：chrome）
- llm端点：LLM API URL（默认值：http://localhost:11434Ollama）
- llm模型：LLM模型名称（默认值：llama3）
- llm.apiKey：远程LLM的API密钥（为Ollama保留为空）
config.properties示例：
- 服务器端口=8080
- 浏览器=chrome
- llm端点=http://localhost:11434
- llm.型号=骆驼3
- llm.apiKey=
步骤2：
- 使用启动服务器 McpServerJava
- 运行selenium客户端文件以查看测试执行情况 硒测试客户端Java
配置Selenium操作：selenium_operations.properties文件定义了支持的selenium命令及其参数。它包括start_browser、navigation、click_element等操作。如果需要，请修改此文件以添加或更改操作。 示例
- 硒操作属性：
- start_browser=无头浏览器
- 导航=url
- click_element=by、value、超时
…（其他操作）
设置Ollama（如果使用本地LLM）:
安装Ollama（请参阅Ollama文档）。 启动Ollama服务器：
ollama serve
确保拉动指定型号（例如，llama3）：拉动llama3
运行服务器
启动服务器：运行McpServer类：
mvn exec:java -Dexec.mainClass="McpServer"
或者，使用IDE运行McpServer.java。 服务器将在配置的端口上启动（默认：http://localhost:8080)并监听/执行POST请求。
验证服务器：检查控制台是否： MCP服务器在端口8080上启动
运行客户端
运行测试：执行TestNG客户端以发送测试步骤并生成结果： 运行测试
或者，使用TestNG插件在IDE中运行SeleniumTestClient.java。 客户端发送一个示例测试提示（例如，导航到https://example.com，单击链接并验证文本），并使用TestNG记录结果。
查看测试结果：TestNG在测试输出/目录（HTML和XML格式）中生成报告，其中包含通过/失败状态和详细信息。 SeleniumTestClient.java中的示例测试步骤：
输入自然语言测试步骤=“导航到en.wikipedia.org。搜索印度。截图”；
LLM输出示例 LLM必须将测试步骤转换为与selenium_operations.properties中的操作匹配的JSON命令数组。例子：
\[
{“type”：“start_browser”，“browser”：“chrome”，“headless”：“false”}，
{“type”：“navigation”，“url”：https://example.com"},
{“type”：“click_element”，“by”：“xpath”，“value”：“//a\[text（）=‘更多信息’\]”，“timeout”：“10000”}，
{“type”：“get_element_text”，“by”：“xpath”，“value”：“//body”，“timeout”：“10000”}，
{“type”：“close_session”}
\]
支持的Selenium操作: 服务器支持以下操作（定义于 硒操作特性):
- start_browser：启动浏览器会话（浏览器，无头）。
- 导航：导航到URL（URL）。
- find_element：查找元素（by、value、timeout）。
- click_element：单击元素（by、value、timeout）。
- send_keys：向元素发送文本（by、value、text、timeout）。
- get_element_text：检索元素文本（by、value、timeout）。
- 悬停：将鼠标悬停在元素上（by、value、timeout）。
- 拖放：将一个元素拖动到另一个元素（by、value、targetBy、targetValue、timeout）。
- 双重点击：双击元素（by、value、timeout）。
- 右_点击：右键单击元素（by、value、timeout）。
- 按键：模拟按键（key）。
- 上传文件：上传文件（by、value、filePath、timeout）。
- take_screenshot：以base64格式捕获屏幕截图（outputPath可选）。
- 关闭会话：关闭当前浏览器会话。
备注
LLM配置：确保LLM返回与selenium_operations.properties中的操作匹配的结构化JSON命令。如果需要，调整McpServer.java中的提示。 WebDriver兼容性：确保ChromeDriver或GeckoDriver与您的浏览器版本匹配。 文件上传：upload_File操作需要服务器可访问的有效文件路径。 截图：take_screenshot操作返回base64数据，以避免服务器端文件系统依赖。 错误处理：服务器捕获并报告响应中每个命令的错误。 扩展操作：向selenium_Operations.properties添加新操作，并根据需要更新McpServer.java中的executeCommand。
故障排除
服务器启动失败：请检查config.properties中的有效设置，并确保LLM终结点可访问。 WebDriver错误：验证ChromeDriver/GeckoDriver是否在PATH中并且与您的浏览器兼容。 LLM问题：确保Ollama正在运行，或者远程LLM端点和API密钥正确。 测试失败：检查测试输出中的TestNG报告/以获取详细的错误消息。
许可证 该项目根据MIT许可证获得许可。