AI导哈

多代理AI自动化框架

一个基于模型上下文协议（MCP）的多代理AI自动化框架，用于执行UI流程、API验证、文件操作和跨系统认证工作流。

  • by sarthak1095
  • 本地部署
  • 16 星标
  • 更新于
在 GitHub 查看 sarthak1095/Redefining-QA-Multi-Agent-AI-Automation-Using-MCP-Protocol

使用说明

使用MCP协议重新定义QA多代理AI自动化

该项目演示了如何使用模型上下文协议（MCP）构建多代理AI自动化框架。该设置使LLM（在本例中为Claude AI）能够通过标准化的工具界面自主执行UI流、API验证、文件操作和跨系统身份验证工作流

主要特点

  • 多代理系统：

    • Web自动化代理 –通过MCP服务器使用Playwright自动化浏览器工作流程。
    • API和文件系统代理 –执行API测试并与本地数据交互。
    • Excel代理 –读取和写入Excel文件，用于场景驱动的数据管理。

  • 端到端测试场景：

    1. 注册验证工作流程 –确保对空/无效注册进行正确验证。
    2. 完全注册+身份验证（UI和API） –验证双重身份验证流程并保存凭据。
    3. 密码恢复和跨通道身份验证 –通过UI和API自动化密码重置和重新身份验证。

  • 综合报告：

    • 测试摘要仪表板
    • 详细的执行报告
    • 测试工件
    • 测试覆盖率分析和矩阵
    • 主要观察结果

  • 代理AI编排：

    • 使用Claude AI作为客户端的协调多代理工作流
    • 智能提示驱动执行
    • 跨UI、API和文件系统的无缝同步

入门指南

先决条件

  • Python 3.10+
  • Node.js（用于剧作家）
  • Claude AI客户端访问
  • 已配置MCP服务器

安装

  1. 克隆存储库：
git clone https://github.com/sarthak1095/Redefining-QA-Multi-Agent-AI-Automation-Using-MCP-Protocol.git
  1. 导航到项目目录：
cd Redefining-QA-Multi-Agent-AI-Automation-Using-MCP-Protocol
  1. 安装依赖项：
pip install -r requirements.txt
  1. 配置 config.json 使用MCP服务器端点和凭据。

用法

  1. 运行多代理测试工作流：
python run_tests.py
  1. 查看 综合测试执行报告 Markdown/HTML格式。
  2. 检查 Excel输出 在...之下 newdata.xlsx 用于测试数据结果。

测试场景和结果

  1. 空注册验证： 所有字段级验证均已成功触发。
  2. 完整注册+身份验证： UI和API登录流经过验证，凭据持久保存到Excel。
  3. 密码恢复和重新身份验证： 通过UI和API验证端到端密码重置，验证注销。

✅ 总体状态： 所有场景均已通过（成功率100%）

贡献

欢迎投稿！请创建一个问题或拉取请求，以修复错误、改进或新的测试场景。

参考文献

  • 学习代理人工智能-构建多代理自动化工作流Rahul Shetty
  • MCP协议文件——人类学

相关 MCP