MCP监管代理平台
该项目构建了一个本地MCP（模型上下文协议）服务器生态系统，该生态系统使用自然语言提示自动化API测试。用户通过Streamlit界面进行交互以触发监督代理，该代理从GitHub读取BRD指令，并与连接的MCP工具协调，以测试具有阳性和阴性情况的API。
🧠 概述
主管代理协调多个MCP工具。
Streamlit UI支持API测试的自然语言交互。
GitHub Integration允许获取BRD文档作为输入。
MCP工具处理端点验证和测试用例生成。
部署：MCP服务器在本地运行，Streamlit客户端部署在AWS上。
🧩 项目结构 ├── 前端/#流式UI文件\ ├── api_testing_cdk/#基础设施的AWS cdk设置\ ├── authenticate_customer.py#身份验证逻辑\ ├── chatbot.py#自然语言界面\ ├── jira_agent_server.py#与jira相关的自动化代理\ ├── github代理获取BRD和配置\ ├── postman_agent_server.py#用于API端点测试的工具\ ├── supervisor_agent_server.py#主主管协调MCP工具\ ├── app.py#Streamlit接口的入口点\ ├── Dockerfile\*#针对不同组件的Docker构建\ ├── deploy.sh/destroy.sh#部署脚本\ ├── requirements-streamlit.txt#streamlit依赖项\ ├── requirements-cdk.txt#cdk依赖关系\ └── README.md#项目文档
⚙️ 技术栈
语言：Python
LLM API：AWS Bedrock（Sonet模型）
接口：Streamlit
基础设施：AWS CDK、Docker
MCP工具：通过MCP协议进行通信的本地服务器
🚀 运作原理
用户在Streamlit上输入提示（例如，“从BRD F01测试工资API”）。
Supervisor Agent从GitHub获取BRD文档。
MCP工具（Postman、GitHub、Jira代理）生成并执行API测试用例。
结果通过Streamlit仪表板显示给用户。
🐳 本地运行
克隆仓库
git clone\ cd\
安装依赖项
pip安装-r要求-streamlit.txt
运行Streamlit
streamlit运行app.py
🧱 部署
每个组件都可以使用其Dockerfile进行容器化。
docker build-f Dockerfile.streamlit-t streamlit客户端。 docker run-p 8501:8501流媒体客户端