test-quality

该技能是针对 modelcontextprotocol/python-sdk 仓库的测试与代码质量规范，用于编写、评审和设计测试时参考，也可供 agent 驱动的工作流程使用。测试名需是可观察结果的行为句，如 test_elicit_form_decline_returns_no_content；使用顶层 test_* 函数，不用 Test 类（旧文件中的也不要照抄）。docstring 用 1–2 句说明行为并交代来源，如规范强制、SDK 定义或已知缺口，便于失败时定位。定义按依赖顺序书写，不前置引用；客户端与服务端测试按 handler→服务端构造→客户端建立→动作→断言的顺序阅读。尽量把服务端或同等设置内联到测试中，只有同文件多个测试真正共享时才提到文件级 fixture，禁止跨文件共享。抽象层级上，应通过能观察该属性的最高层公开 API 驱动；手工构造的线上请求脆弱且不能证明用户可见契约，仅当断言无法由高层 API 观察（如状态码、头部、线上分帧）时才降到原始 HTTP；用原始流脚本化对端是最后手段，且 docstring 必须说明公开 API 无法做到的原因。优先内存或进程内测试，HTTP、SSE 和认证类行为可通过进程内 ASGI 传输驱动，线程仅在必要时、子进程仅在进程边界本身是被测对象时使用。测试应像真实用户代码，断言必须证明往返，不能依赖侧信道状态。转换类断言用全对象 snapshot 相等，通过 --inline-snapshot=fix 重新生成，不得手改快照字面量；透传值用同一变量做身份断言；错误用 pytest.raises 加 .code 对命名常量断言，SDK 消息做快照，绝不 match= 消息文本，第三方文本只用稳定前缀。确定性方面禁止 sleep，用 anyio.Event 协调等待，用 anyio.fail_after(5) 限制不定等待，禁止断言墙钟时间；并发测试必须用事件门证明真正交错，不要过度同步；异步测试用 anyio 而非 asyncio。行为哲学是固定当前行为、绝不 xfail，规范不足处固定分歧输出并记录缺口。卫生方面默认不新增 pragma、type: ignore、noqa，测试中警告是待修项，未调用的注册 handler 应 raise NotImplementedError，测试工作不应副作用修改 src/，唯一机械例外是删除新测试已覆盖的 pragma。流程上以 ≤10 个测试为一批、多 agent 时每 agent ≤5 个，设计、评审、实现分步进行，高风险区引入新的对抗性评审者；验证用 uv run --frozen pytest <file> -q、pyright、ruff，集成时跑全量测试、覆盖率与 ./scripts/test（改动 src/ 时）。具体适用场景、收费与平台支持暂未提供。