基于LangChain手工测试用例转接口自动化测试生成工具！

接口自动化测试用例是一个老生常谈的问题，在未引入人工智能之前，也有非常多的生成方案，比如如下所示，通过har生成接口自动化测试用例：

但是以上的生成方式依然是有一些弊端，比如 har 本身虽然能表述一定的接口信息和业务信息，但是毕竟无法用来表述全部的应用场景与用例场景。而大部分的应用场景和用例场景，均是通过自然语言进行描述的。而解析自然语言，则是大语言模型擅长做的事情。

实践演练

需求说明

以下内容为3条接口测试用例：

测试模块	测试标题	测试步骤	预期结果
接口功能	正常情况下的请求	发送一个正常的GET请求	响应状态码为 200 ，并返回请求者的IP地址
接口功能	非法请求方法	发送一个非GET请求，如POST或者PUT	响应状态码为 405
接口功能	无效的请求路径	发送一个不存在的路径	响应状态码为404

以下为一个获取ip接口的har文件：

• 接口Har文件(需要可留言领取)

实现原理

接下来，将通过这两个数据文件自动生成对应的测试用例。

通过功能用例生成测试脚本

在这个过程中，测试用例本身是自然语言，自然语言的解析与处理本身就是大模型非常擅长的工作。而可以通过 LangChain 简化整个的实现的过程。

编写的提示词模版信息如下所示：

template = """你是一个自动化测试工程师，精通的技术栈为 Python pytest requests库以下是这个接口的具体信息，
{context}
Question: {input}"""

通过功能测试用例生成的自动化测试脚本如下所示：

#1. Test case: 正常情况下的请求import pytestimport requests
def test_normal_request():    url = 'http://example.com/normal_request'    response = requests.get(url)    assert response.status_code == 200    assert response.json()['ip_address'] == 'requester_ip'#2. Test case: 非法请求方法import pytestimport requestsdef test_invalid_request_method():    url = 'http://example.com/invalid_request_method'    response = requests.post(url)    assert response.status_code == 405# 3. Test case: 无效的请求路径import pytestimport requestsdef test_invalid_request_path():    url = 'http://example.com/invalid_request_path'    response = requests.get(url)    assert response.status_code == 404

当然，在此过程中可以很明显的发现，自动生成的用例是没有任何的接口信息的。原因是我们给到的数据里面就是没有接口信息的。

填充接口数据

接下来，将读取har文件中的接口数据信息，和脚本进行结合。

提示词模版如下：

template = """    你是一个自动化测试工程师，你非常熟悉requests库    {context}    Question:     请根据传入的接口信息提取request中的 ip 、 url 、method、json。    key值为前面提到的字段，如果没有则无需添加。如果有则提取对应的value。    要求返回的格式为json格式"""

生成结果如下：

{  "ip": "182.92.156.22",  "url": "https://httpbin.ceshiren.com/ip",  "method": "GET"}

完整代码

再将以上的过程结合之后，完整版的代码如下所示

from langchain_community.chat_models.openai import ChatOpenAIfrom langchain_community.document_loaders.text import TextLoaderfrom langchain_core.output_parsers import JsonOutputParser, StrOutputParserfrom langchain_core.prompts import PromptTemplatefrom langchain_core.runnables import RunnablePassthroughfrom utils.langchain_debug import langchain_debug
langchain_debug()llm = ChatOpenAI()

def get_by_filename(filename):    info = TextLoader(f'./data/{filename}')    return info.load()

def get_case_data(_):    template = """        你是一个自动化测试工程师，你非常熟悉requests库        {context}        Question: {input}        请根据传入的接口信息提取request中的 ip 、 url 、method、json。        key值为前面提到的字段，如果没有则无需添加。如果有则提取对应的value。        要求返回的格式为json格式        """    prompt = PromptTemplate.from_template(template=template, )    data_chain = (            RunnablePassthrough.assign(context=lambda x: get_by_filename("ip.har"), )            | prompt            | llm            | JsonOutputParser()    )    return data_chain

def get_case():    """    通过大模型生成测试数据。    :return:    """    template = """        你是一个自动化测试工程师，精通的技术栈为 Python pytest requests库        以下是这个接口的具体信息，你的
        {context}
        请求的参数信息将输入一个字典，输入的内容为        {req}
        Question: {input}"""    # 模板提示，输出 json 格式的回答    prompt = PromptTemplate.from_template(        template=template, )    chain = (            RunnablePassthrough.            assign(context=lambda x: get_by_filename("获取ip测试用例.md"),                   req=get_case_data)            | prompt            | llm            | StrOutputParser()    )
    input_template = """    根据每条测试用例的测试步骤，生成对应的测试数据信息，    每条测试用例要求都有一条对应的单独的pytest函数    """    print(chain.invoke({"input": input_template}))

if __name__ == '__main__':    get_case()

总结

1. 掌握接口自动化测试用例生成的原理。

2. 了解如何通过大语言模型生成接口自动化测试脚本与数据。

3. 掌握通过LangChain生成完整版接口自动化测试用例的方法。

最后感谢每一个认真阅读我文章的人，看着粉丝一路的上涨和关注，礼尚往来总是要有的，虽然不是什么很值钱的东西，如果你用得到的话可以直接拿走！ 

软件测试面试文档

我们学习必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有字节大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。