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_chaindef 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()