七月 8, 2026
测试用例生成中的上下文问题
生成测试是 AI coding agent 最常见的实际应用场景之一。然而，如果没有运行时代码覆盖数据，AI coding agent 在推断测试缺口时只能静态分析源文件和测试文件，以推测哪些代码可能已被覆盖。这种方法并不可靠：agent 无法区分一个通过多层间接调用的函数和一个从未执行过的函数，也无法可靠地检测死代码。
代码覆盖率解决方案（如 Coco）可将真实测试运行中精确到每个插桩点的执行数据作为上下文 提供给 agent。后续调用 Coco 可以构建反馈循环，推动测试代码生成工作流在搜索空间中朝着覆盖目标持续迭代。
在本系列博客的第一篇 第 1 部分 中，我们借助 Coco CLI 工具实现了上述工作流，用于生成单元测试并最大化代码覆盖率。现在，我们正式发布 Coco MCP Server Preview，开发者、测试工程师、管理者以及 CI/CD 流水线均可在生成式 AI 驱动的工作流中加以使用。
Coco MCP Server 介绍
Coco MCP Server是一个 模型上下文协议（MCP）服务器，它将 Coco 命令行界面（CLI）工具封装在一个结构化接口中。Agent无需直接调用 cmreport 和 cmcsexeimport 并解析返回输出，而是调用 MCP 服务器中专门构建的工具，获取结构化数据并高效处理，同时不会污染上下文窗口。
MCP 是连接 AI coding agent 与外部工具和数据源的事实行业标准。所有主流 AI coding agent 均支持该协议并充当 MCP 主机，包括 VS Code 中的 GitHub Copilot 和 Claude Code——因此 Coco MCP 服务器可跨所有 MCP 主机使用，无需对工作流提示词做任何修改。下图展示了具体配置：
Coco MCP 服务器的优势包括：
- Token 敏感性 通过去除覆盖率摘要中的冗余字段，以及对覆盖报告各节采用流式传输而非全量加载，降低所需的 token 数量并限制上下文规模。Coco MCP 服务器还通过渐进式披露的方式暴露覆盖率数据，使 AI coding agent 最初仅接收最少的有用信息，随后在需要时获取更精准、更详细的内容。
- CLI 工具易用性 Coco CLI 参数标志较为繁琐，相关复杂性已封装在 MCP 工具调用中。
- 内置工作流 Coco MCP Server 内置了使用代码覆盖时必须定义的工作流。
我们认为上述功能对于大型项目尤为实用——对于小型项目，AI coding agent 直接使用 Coco CLI 工具仍然可以取得良好效果。
Coco MCP 服务器暴露的工具
如前所述，工具集经过结构化设计，使 agent 仅获取当前决策所需的数据量，从而保持响应简洁，并使 agent 的上下文窗口保持专注。
check_coverage_summary
import_execution_report
通过 cmcsexeimport 将 .csexe 执行报告合并到 .csmes 数据库中。此调用完成后，后续所有工具均可获取覆盖率数据。
get_coverage_overview
返回全局覆盖率百分比、每文件明细以及可选的每函数明细——足以使 agent 识别哪些文件和函数值得深入调查。Agent 以此进行优先级排序，无需逐一查看每个文件的详情。
示例输出（判定覆盖率，parser 示例）：
|
文件 |
覆盖率 |
判定点 |
复杂度 |
|
parser.cpp |
47.6% |
137/288 |
121 |
|
error.cpp |
25.0% |
9/36 |
19 |
|
variablelist.cpp |
47.1% |
8/17 |
11 |
|
functions.cpp |
0.0% |
0/17 |
7 |
|
parser.h |
100% |
9/9 |
7 |
|
error.h |
100% |
4/4 |
4 |
|
Global |
45.0% |
167/371 |
— |
get_file_coverage_detail
返回按覆盖状态分组的精确 file:line 位置（unexecuted、dead-code、executed）。Agent 以此精确定位编写新测试时需要针对的具体行，无需读取整个源文件并推断可能缺少的内容。
status_filter 将响应范围缩小到 agent 需要处理的状态 (通常为 ["unexecuted"])。对于大型代码库，已执行的行数量庞大，否则将主导响应内容，而其中并无可操作的信息。
当 include_tests=True 时，响应还会将每个插桩点映射到执行它的测试名称列表。这在 agent 修改特定代码段前需要了解现有测试覆盖情况，或在针对性更改后决定运行哪些测试时非常有用。
analyze_patch_coverage / analyze_patch_coverage_from_diff
该工具暴露了 Coco 的补丁分析功能：给定统一差异（unified diff），它返回覆盖已修改行的现有测试集合及其当前通过/失败状态。Agent 以此判断代码变更后哪些测试面临风险——实现精准的针对性重新执行，而非运行完整测试套件。该工具接受补丁文件路径或内联差异字符串，因此 agent 可直接从 git diff 的输出中调用，无需写入中间文件。
工作流示例
以下是 AI coding agent 在 Coco parser 示例上使用 Coco MCP 服务器的示例会话。
提示词： "构建 parser 示例并分析其当前判定覆盖率"
|
步骤 |
Coco MCP 服务器 |
结果 |
|
构建插桩二进制文件 |
- |
生成 unittests.exe + unittests.exe.csexe |
|
健全性检查 |
check_coverage_summary |
has_coverage_data: false — 尚未导入结果 |
|
合并测试结果 |
import_execution_report |
.csexe 已合并至 .csmes |
|
确认数据可用 |
check_coverage_summary |
has_coverage_data: true |
|
获取判定覆盖率 |
get_coverage_overview（decision，global + source-tree + function-tree） |
全局 45.0%；functions.cpp 0%，error.cpp 25%，parser.cpp 47.6% |
提示词： "提升 parser.cpp 的覆盖率"
|
步骤 |
MCP 工具 |
结果 |
|
读取源码和现有测试 |
- |
读取 parser.cpp、unittests.cpp 以了解结构 |
|
获取精确未执行行 |
get_file_coverage_detail (status_filter: unexecuted, file: parser.cpp) |
识别出 151 个未执行插桩点 |
|
编写针对性测试 |
- |
针对位运算、比较、算术、数学和三角函数运算符添加了新测试用例 |
|
重新构建插桩二进制文件 |
- |
生成更新后的 unittests.exe.csexe |
|
合并更新结果 |
import_execution_report |
新执行数据已合并 |
|
验证改善效果 |
get_coverage_overview（decision，global + source-tree） |
parser.cpp 47.6% → 88.9%；全局 45.0% → 80.1% |
后续计划
我们将持续向 MCP 服务器中添加并暴露更多 Coco 功能。近期候选项包括 变更风险反模式（Change Risk Anti-Patterns，CRAP）指标、对 Python 的支持、集成 agent 技能 以及 QML 的代码覆盖率支持。
了解更多信息
如需了解 Coco 的更多信息，请访问我们的 产品页面 和 产品文档。Qt 开发者可参阅 QML 示例 和 Qt 操作指南。
如有反馈或建议，请联系 James.Vance@qt.io。 James 是 Coco 项目的高级软件工程师。
