项目介绍

WHartTest 是基于 Django REST Framework 与现代大模型技术打造的 AI 驱动测试自动化平台。平台聚合自然语言理解、知识库检索与嵌入搜索能力，结合 LangGraph 与 MCP（Model Context Protocol） 工具调用，实现从需求到可执行测试用例的自动化生成与管理，帮助测试团队提升效率与覆盖率。

功能介绍

🤖 AI 智能测试用例生成

• AI 生成的测试用例自动保存和管理，基于大语言模型的智能测试用例自动生成
• 支持多种 LLM 供应商（OpenAI、Anthropic、Claude 等），可灵活配置
• 通过 MCP 工具调用，实现测试用例的智能分析和生成，支持自定义工具集
• 自然语言描述转换为结构化测试用例，结合知识库提升准确性
• 支持测试步骤、预期结果的自动生成，并可进行 AI 辅助优化
• 支持多种嵌入服务（OpenAI、Azure OpenAI、Ollama 等），增强语义理解
• 用例导出功能（Excel 格式），支持直接导入 MeterSphere 平台

💬 智能对话系统

• 基于 LangChain 和 LangGraph 的 AI 对话功能
• 支持流式响应和聊天历史管理
• 与测试用例生成深度集成

📋 项目管理

• 多项目支持，实现数据隔离
• 基于角色的权限控制（Owner、Admin、Member）
• 项目成员管理和权限分配
• 项目级别的资源访问控制

🔧 MCP 工具集成

• 支持多种 MCP 传输方式（目前不支持 stdio，仅支持 HTTP、SSE）
• 远程 MCP 服务器连接
• 工具调用日志和监控
• 与 AI 测试用例生成系统深度集成
• 提供测试用例生成专用工具集

🧠 知识库管理

• 支持创建和管理多个知识库，基于项目隔离
• 文档导入与自动分片、向量化处理（支持 PDF, DOCX, TXT 等多种格式）
• 多种嵌入服务支持：OpenAI、Azure OpenAI、Ollama
• 基于语义的高效检索和相似度匹配
• 与 AI 对话和测试用例生成深度集成，提供上下文感知能力
• 知识库内容管理与更新 # 如何部署

一、下载、克隆项目

Github 地址：https://github.com/MGdaasLab/WHartTest

Gitee 地址：https://gitee.com/mgdaas-lab/wharttest

项目文档地址：WHartTest

快速开始

Docker 部署（推荐 - 开箱即用）

# 1. 克隆仓库
git clone https://github.com/MGdaasLab/WHartTest.git
cd WHartTest

# 2. 准备配置（使用默认配置，包含自动生成的API Key）
cp .env.example .env

# 3. 一键启动（自动拉取预构建镜像）
docker-compose up -d

# 4. 访问系统
# 前端：http://localhost:8913
# 后台：http://localhost:8912/admin (admin/admin123456)

就这么简单！ 系统会自动创建默认 API Key，MCP 服务开箱即用。

主要配置

一、LLM 配置（大模型配置）

二、MCP 配置

配置好后，点击测试连通性，如图中所示则表示此 mcp 可用（也可以去对话窗口，询问当前有什么工具）

三、生成测试用例

1、新建项目

2、上传知识库文档

3、上传需求文档并解析模块

4、设置对应的提示词

5、生成用例

执行过程和结果可到 LLM 对话中查看（点击确定的时候会有小弹窗也可直接跳转）

执行结束后，可到用例管理对应模块查看

四、执行用例

1、执行用例之前需要配置 playwright MCP
2、配置对应提示词，即可对话窗口执行对应的用例

3、AI 会自动调用工具，进行步骤截图，并上传到执行的用例详情中。

五、需求评审

1、初始化提示词（如果上面初始化了，就不用了一次就行）
2、确认需求文档的模块是表示是 H 几（重要！！！），推荐使用标题等级来进行需求拆分
3、点击评审，结果展示

写在最后

如果这个项目对您有用请点 “Star” 支持一下，非常感谢，后续更新更多功能。

项目地址：

Github 地址：https://github.com/MGdaasLab/WHartTest

Gitee 地址：https://gitee.com/mgdaas-lab/wharttest

项目文档地址：WHartTest