JMeter MCP Sunucusu

“JMeter” MCP Sunucusu ne yapar?

JMeter MCP Sunucusu, Apache JMeter’ı yapay zeka odaklı iş akışlarıyla birleştirmek için tasarlanmış bir Model Context Protocol (MCP) sunucusudur. Yapay zeka asistanlarının ve uyumlu istemcilerin JMeter testlerini programlı olarak çalıştırmasını, test sonuçlarını analiz etmesini ve performans testlerini doğrudan otomatikleştirilmiş geliştirme süreçlerine entegre etmesini sağlar. JMeter’ın işlevselliğini araçlar ve kaynaklar olarak sunan bu sunucu, geliştiricilerin yük testlerini otomatikleştirmesine, raporları almasına ve test çıktılarıyla sorunsuzca etkileşim kurmasına olanak tanır. JMeter MCP Sunucusu, GUI ve GUI dışı test yürütmelerini destekleyerek çıktıları yakalar ve kapsamlı performans panoları üretir; böylece modern yapay zeka destekli geliştirme ortamlarında performans mühendisliği görevlerini kolaylaştırır.

Prompt Listesi

Depoda açıkça tanımlanmış prompt şablonları bulunmamaktadır.

Kaynak Listesi

• JMeter Rapor Panosu
  Test yürütmesinden sonra oluşturulan JMeter rapor panosuna erişim sağlar.
• Yürütme Çıktısı
  Bir JMeter testinin çalıştırılmasından elde edilen çıktı günlüğünü veya sonuçlarını döndürür.
• Örnek Test Planı
  Şablon veya başlangıç noktası olarak bir örnek JMeter .jmx test planı sunar.

Araç Listesi

• JMeter Testi Çalıştır (GUI Dışı Mod)
  Bir JMeter testini GUI dışı modda çalıştırır; otomasyon ve CI/CD entegrasyonları için uygundur.
• JMeter’ı Başlat (GUI Modu)
  Manuel test oluşturma veya hata ayıklama için JMeter uygulamasını GUI modunda başlatır.
• JMeter Raporu Oluştur
  Performans sonuçlarını özetleyen bir JMeter rapor panosu üretir.
• Test Sonuçlarını Analiz Et
  İçgörüler için çıktı günlüklerini veya sonuç dosyalarını işler ve analiz eder.

Bu MCP Sunucusunun Kullanım Alanları

• Otomatik Performans Testi
  Sürekli yük ve performans testi için JMeter test yürütmesini yapay zeka iş akışlarına ve CI/CD boru hatlarına entegre edin.
• Performans Sonuçları Analizi
  Yapay zeka asistanları aracılığıyla JMeter test sonuçlarından hızlıca eyleme dökülebilir içgörüler alın ve analiz edin.
• Anlık Test Yürütme
  Geliştiricilerin veya yapay zeka ajanlarının yeni servisler veya uç noktalar için anlık JMeter testleri tetiklemesine izin verin.
• QA için Rapor Oluşturma
  Her test döngüsünden sonra otomatik olarak performans panoları oluşturup kalite güvence incelemeleri için dağıtın.
• Yapay Zeka Destekli Test Orkestrasyonu
  LLM’lerin karmaşık test senaryolarını koordine etmesini, toplu testler çalıştırmasını ve JMeter yapılandırmalarını programlı olarak yönetmesini sağlayın.

Nasıl kurulur

Windsurf

1. Sisteminizde Python ve JMeter’ın kurulu olduğundan emin olun.
2. jmeter-mcp-server deposunu klonlayın veya indirin.
3. Windsurf yapılandırma dosyanızı düzenleyerek JMeter MCP sunucusunu ekleyin.
4. Aşağıdaki JSON parçasını mcpServers bölümüne ekleyin:

   {
     "jmeter-mcp": {
       "command": "python",
       "args": ["main.py"]
     }
   }
   

5. Yapılandırmayı kaydedin ve Windsurf’u yeniden başlatın.
6. Sunucunun çalıştığını ve Windsurf’ten erişilebilir olduğunu doğrulayın.

Claude

1. Gerekli önkoşulları (Python, JMeter) yükleyin.
2. JMeter MCP sunucusunu indirin ve main.py dosyasının çalıştırılabilir olduğundan emin olun.
3. Claude araç yapılandırmanızı MCP sunucusunu içerecek şekilde güncelleyin.
4. Yapılandırmanıza şunu ekleyin:

   {
     "jmeter-mcp": {
       "command": "python",
       "args": ["main.py"]
     }
   }
   

5. Claude’u yeniden başlatın ve MCP sunucu entegrasyonunu kontrol edin.

Cursor

1. Python ve JMeter’ı kurun.
2. Depoyu indirin veya klonlayın.
3. Cursor ayarlarına erişip MCP sunucu yapılandırmasını bulun.
4. Şunu ekleyin:

   {
     "jmeter-mcp": {
       "command": "python",
       "args": ["main.py"]
     }
   }
   

5. Kaydedin ve Cursor’u yeniden başlatın.

Cline

1. Python ve JMeter’ı kurun.
2. MCP sunucu dosyalarını edinin ve Python bağımlılıklarının kurulu olduğundan emin olun.
3. MCP sunucusunu kaydetmek için Cline yapılandırmasını düzenleyin:

   {
     "jmeter-mcp": {
       "command": "python",
       "args": ["main.py"]
     }
   }
   

4. Kaydedin ve Cline’ı yeniden başlatın.

API Anahtarlarının Güvenliği Notu:
API anahtarı gibi hassas verileri korumak için ortam değişkenleri kullanabilirsiniz. Örnek:

{
  "jmeter-mcp": {
    "command": "python",
    "args": ["main.py"],
    "env": {
      "JMETER_API_KEY": "${JMETER_API_KEY}"
    },
    "inputs": {
      "api_key": "${JMETER_API_KEY}"
    }
  }
}

Bu MCP’nin akışlarda kullanımı

FlowHunt’ta MCP Kullanımı

MCP sunucularını FlowHunt iş akışınıza entegre etmek için, öncelikle MCP bileşenini akışınıza ekleyin ve yapay zeka ajanınıza bağlayın:

MCP bileşenine tıklayarak yapılandırma panelini açın. Sistem MCP yapılandırma bölümünde, aşağıdaki JSON formatını kullanarak MCP sunucu detaylarınızı ekleyin:

{
  "jmeter-mcp": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

Yapılandırdıktan sonra, yapay zeka ajanı artık bu MCP’yi bir araç olarak tüm işlevlerine ve yeteneklerine erişerek kullanabilir. “jmeter-mcp” adını kendi MCP sunucunuzun adıyla ve URL’yi kendi MCP sunucu adresinizle değiştirmeyi unutmayın.

Genel Bakış

Bizim görüşümüz

JMeter MCP Sunucusu, performans testlerini otomatikleştirmek ve JMeter’ı yapay zeka destekli iş akışlarına entegre etmek isteyen ekipler için uygundur. Belgelerde farklı platformlar için özellikler ve kurulum açıklanmış, ancak açıkça tanımlanmış prompt şablonları ile detaylı örnekleme/kök desteği eksik. Araç ve kaynak sunumu performans mühendisliği görevleri için güçlüdür.

MCP Puanı

Puan: 6/10
Sunucu, temel MCP işlevselliği ve net kurulum rehberi sunar; ancak belgelenmiş prompt şablonları, LICENSE ve açık örnekleme/kök desteği eksiktir. Bu eksikler, ürünü daha üretime hazır ve açık kaynak dostu yapardı.