$ loading_
协调测试执行与未覆盖符号分析，提升代码覆盖率
复制安装指令，让 AI 自动完成配置 · 推荐新手
"coverage-orchestrator-mcp" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请分析当前工作区测试覆盖率瓶颈，并协调运行相关测试来推动覆盖率达到目标阈值。
给出需要运行的测试与覆盖率提升方向。
结合工作区测试执行结果和未覆盖符号分析，列出最值得补测的代码符号。
输出未覆盖符号清单及优先补测建议。
请在每轮测试后重新评估未覆盖区域，并继续协调后续测试，直到接近目标覆盖率。
输出分轮推进的测试与覆盖率改进结果。
测试覆盖率低于目标时，开发者可以用它协调测试执行，并结合未覆盖符号分析定位优先补测区域。这样能更有针对性地推进覆盖率。
在发布或回归前，团队可以先找出关键未覆盖部分，再驱动相关测试运行，减少遗漏风险。
它通过协调工作区测试执行，并结合 code-tree-mcp 的未覆盖符号分析，推动测试覆盖率达到目标阈值。
从描述看，它需要工作区测试执行能力，以及 code-tree-mcp 提供的未覆盖符号分析。更细节请见源码仓库。
用于分析 Java 分支覆盖率，定位未覆盖代码并按测试类反馈结果。
本地保存代码覆盖率快照，并供大模型高效查询历史覆盖数据
编排多模型智能体，自动完成规划、编码、评审到交付流程。
通过 JSON 配置快速搭建自定义分析型 MCP 工具，并内置安全与质量保障。
提供结构化代码分析与 Git 提交智能，帮助高效理解仓库并显著节省上下文 token。
编排多个MCP服务器工具，支持带循环与条件的复杂Python自动化流程