مع تزايد دمج الذكاء الاصطناعي في تطوير واختبار واجهات برمجة التطبيقات (API)، يتناقص حاجز الدخول للاختبار الآلي بشكل مطرد. المهام التي كانت تتطلب في السابق عمليات يدوية متكررة وإعداد بيانات، يمكن الآن التعامل معها بواسطة الذكاء الاصطناعي. يعكس Apidog هذا التغيير في اختبار واجهة برمجة التطبيقات أيضًا.
في Apidog، يدور الاختبار الآلي بشكل أساسي حول منهجين: اختبارات نقاط النهاية (Endpoint Tests) و سيناريوهات الاختبار (Test Scenarios).
إذا لم تكن ترى وحدة اختبار نقطة النهاية (Endpoint Test)، فهذا يعني أن إصدار Apidog لديك قديم. ما عليك سوى التحديث إلى أحدث إصدار.
تعرض وحدة اختبارات نقاط النهاية (Endpoint Tests) جميع نقاط نهاية HTTP لواجهات برمجة التطبيقات الخاصة بك، مما يجعل مطوري ضمان الجودة (QA) أكثر تركيزًا. وهي تتضمن فقط حالات الاختبار وتقارير الاختبار والتوثيق – دون السماح بتحرير نقطة النهاية. يضمن هذا التصميم أن يتمكن المختبرون من التركيز على إنشاء حالات الاختبار وتنفيذها بكفاءة.
على النقيض من ذلك، تربط سيناريوهات الاختبار (Test Scenarios) عدة نقاط نهاية أو حالات اختبار معًا. وتسمح لك بتحديد ترتيب التنفيذ وعلاقات تمرير البيانات بين نقاط النهاية، محاكية بذلك عملية عمل كاملة بشكل فعال.
مع دمج الذكاء الاصطناعي في كل من اختبارات نقاط النهاية وسيناريوهات الاختبار، يمكن لاختبار واجهة برمجة التطبيقات أن يتحول تدريجيًا نحو تنفيذ أكثر آلية وقابلية لإعادة الاستخدام وكفاءة. سنتناول فيما يلي كيف تساعد هاتان الطريقتان للاختبار في حل تحديات العالم الحقيقي.
اختبارات نقاط النهاية مع الأتمتة
يركز اختبار نقطة النهاية على ما إذا كانت نقطة النهاية نفسها مستقرة وما إذا كان الإدخال/الإخراج يفي بالتوقعات. يتم تنفيذ كل حالة اختبار بشكل مستقل، مع التركيز على التحقق الشامل من نقطة نهاية واحدة ببيانات مختلفة.
حالات الاختبار التي تم إنشاؤها بواسطة الذكاء الاصطناعي
افتح أي نقطة نهاية في وحدة Endpoint Test وانقر على Generate with AI. سيقوم الذكاء الاصطناعي تلقائيًا بإنشاء مجموعة من حالات الاختبار بناءً على معلمات نقطة النهاية وهيكل الاستجابة.
إذا كنت تحتاج فقط إلى حالات اختبار محددة، فلا داعي لتحديد الأنواع الافتراضية. ما عليك سوى وصف متطلباتك مباشرةً للذكاء الاصطناعي، وسيقوم بإنشاء حالة الاختبار المقابلة. على سبيل المثال، يمكنك أن تطلب من الذكاء الاصطناعي:
- إنشاء حالة اختبار لـ "تسجيل الدخول بنجاح واستخراج الرمز المميز".
- إنشاء حالة اختبار لـ "إنشاء حقل التوقيع
signبناءً على المعلمات الموجودة وإرساله".
للحصول على نتائج أكثر دقة، يمكنك تقديم شروط وقواعد مفصلة، مثل:
أنشئ حالة اختبار إيجابية لنقطة النهاية هذه.
تتطلب نقطة النهاية معلمة توقيع "sign"، مع قواعد التوقيع التالية:
1. اجمع جميع معلمات الطلب غير الفارغة (باستثناء sign)، وقم بفرزها حسب اسم المعلمة بترتيب ASCII، وقم بربطها بتنسيق مفتاح=قيمة مفصولة بـ &، ثم ألحق المفتاح السري SECRET_KEY في النهاية.
2. طبق تشفير MD5 على السلسلة الناتجة وقم بتحويل التجزئة إلى أحرف كبيرة. تُستخدم النتيجة النهائية كقيمة لـ sign.
متطلبات حالة الاختبار:
1. قبل إرسال الطلب، استخدم نصًا برمجيًا قبل الطلب لإنشاء "sign"، مع تضمين تعليقات واضحة.
2. أضف "sign" التي تم إنشاؤها إلى معلمات الطلب وأرسل الطلب.بهذه الطريقة، سيقوم الذكاء الاصطناعي بإنشاء حالات بدقة وفقًا لقواعدك، دون إغفال أو سوء فهم.
إنشاء بيانات الاختبار
أثناء إنشاء حالات الاختبار، يقوم الذكاء الاصطناعي أيضًا بإعداد مجموعات بيانات اختبار مقابلة لأنواع مختلفة من الحالات لتغطية حالات الإدخال الواقعية المتنوعة.
في حالات سيناريوهات العمل القياسية، تتكون بيانات الاختبار عادةً من مجموعات متعددة من قيم المعلمات الصالحة دلاليًا. على سبيل المثال، في اختبار نقطة نهاية تسجيل الدخول، على الرغم من أن جميع رسائل البريد الإلكتروني وكلمات المرور صالحة، إلا أن مجموعة البيانات ستتضمن تنسيقات بريد إلكتروني شائعة متنوعة – مثل تلك التي تحتوي على نقاط، أو علامات زائد، أو رسائل بريد إلكتروني رقمية، أو رسائل بريد إلكتروني للشركات – للتحقق من توافق واستقرار نقطة النهاية في سيناريوهات الاستخدام العادي.
في حالات الاختبار غير الطبيعية أو الحدودية، يتم تصميم بيانات الاختبار عمدًا لتشمل مدخلات تنتهك قواعد التحقق.
على سبيل المثال، في حالة اختبار مثل "تسجيل الدخول بتنسيق بريد إلكتروني غير صالح وتوقع خطأ 400"، ستتضمن مجموعة البيانات أنواعًا مختلفة من عناوين البريد الإلكتروني غير الصالحة – مثل رسائل البريد الإلكتروني التي تفتقر إلى الرمز @، أو تفتقر إلى اسم المجال، أو تحتوي على مسافات. الهدف هو التحقق مما إذا كانت نقطة نهاية واجهة برمجة التطبيقات يمكنها اكتشاف هذه المدخلات غير الصالحة بشكل صحيح ورفض الطلب بشكل مناسب.
الإشارة إلى بيانات الاختبار
في حالات الاختبار، يمكنك استخدام بناء الجملة {{variable_name}} للإشارة إلى بيانات الاختبار وإدراج المتغيرات في معلمات الطلب، وهياكل الطلب، والحقول الأخرى.
عند تشغيل الاختبار، يسحب Apidog القيم تلقائيًا من مجموعة البيانات واحدة تلو الأخرى ويرسل الطلبات باستخدام كل قيمة. يتيح لك هذا اختبار نفس نقطة النهاية عدة مرات ببيانات مختلفة – دون الحاجة إلى إعادة كتابة حالة الاختبار.
التنفيذ الدفعي وتقارير الاختبار
بمجرد أن تصبح حالات الاختبار وبياناتها المقابلة جاهزة، يمكنك تحديد عدة حالات اختبار وتشغيلها معًا. تعمل كل حالة اختبار بشكل مستقل بناءً على تكوينها الخاص، ويتم جمع جميع النتائج في تقرير اختبار واحد لسهولة المراجعة.
في التطبيقات الواقعية، نادرًا ما تعمل نقاط النهاية بشكل منعزل. عندما تُستخدم الاستجابة من طلب واحد كمدخل للطلب التالي، لم يعد الاختبار يتعلق بنقطة نهاية واحدة، بل يتعلق بـ سلسلة الاستدعاءات بأكملها.
هنا يأتي دور سيناريوهات الاختبار (Test Scenarios).
سيناريوهات الاختبار
نقطة نهاية واحدة عادة لا تكفي لإكمال مهمة عمل. على سبيل المثال، يجب على المستخدم تسجيل الدخول قبل تقديم طلب، وفقط بعد إنشاء الطلب بنجاح يمكن الاستعلام عن تفاصيل الطلب. غالبًا ما تصبح الاستجابة من نقطة نهاية واحدة مدخلاً لنقطة النهاية التالية.
من الصعب التحقق من هذه التبعيات بشكل كامل باستخدام اختبار نقطة نهاية واحدة.
سيناريوهات الاختبار تحول التركيز من التحقق مما إذا كانت نقطة نهاية واحدة تعمل بشكل صحيح إلى التحقق مما إذا كانت سلسلة استدعاءات كاملة تعمل بسلاسة وكما هو متوقع.
تنسيق نقاط النهاية في سير عمل
في Apidog، بعد إنشاء سيناريو اختبار جديد، يمكنك إضافة نقاط نهاية متعددة أو حالات اختبار موجودة بترتيب معين، مما يحدد بوضوح تسلسل التنفيذ لكل خطوة.
تمرير البيانات بين خطوات الاختبار
عندما تعتمد نقاط النهاية على بعضها البعض، تتيح لك سيناريوهات الاختبار تمرير البيانات من خطوة إلى أخرى كمتغيرات. على سبيل المثال، يمكن إعادة استخدام الـ id الذي تُرجعه نقطة نهاية إنشاء الطلب مباشرة في الخطوات اللاحقة، مثل الاستعلام عن الطلب أو تحديثه.
لا يتطلب تمرير البيانات هذا أي تعليمات برمجية إضافية. بدلاً من ذلك، يعتمد على الإشارة إلى المتغيرات لتحديد العلاقات بين نقاط النهاية الصاعدة والهابطة بوضوح.
ماذا لو كانت حالات الاختبار مفقودة؟
عند تنسيق سيناريوهات الاختبار، غالبًا ما يكون الهدف الأول هو التأكد من أن سير العمل الرئيسي يسير بسلاسة – على سبيل المثال، تسجيل الدخول ← إنشاء طلب ← الاستعلام عن الطلب، حيث تتوافق كل خطوة مع حالة اختبار موجودة.
ومع ذلك، في الممارسة العملية، قد تواجه تحديًا شائعًا: قد لا تحتوي بعض الخطوات في سير العمل على حالات اختبار جاهزة، أو قد لا تلبي الحالات الموجودة متطلبات سير العمل بالكامل.
على سبيل المثال، في خطوة تسجيل الدخول، قد تحتاج ليس فقط إلى التحقق من تسجيل الدخول بنجاح ولكن أيضًا إلى استخراج الرمز المميز الذي تم إرجاعه كمتغير بيئة للطلبات اللاحقة. قد تقوم حالة اختبار نقطة نهاية واحدة موجودة فقط بإجراء التحقق الأساسي لتسجيل الدخول دون التعامل مع استخراج الرمز المميز.
إذا لم تكن متأكدًا من كيفية استخراج الحقول التي تم إرجاعها كمتغيرات أو لم تكن على دراية بالبرمجة النصية، فيمكنك إيقاف تنسيق السيناريو مؤقتًا. ثم، انتقل إلى صفحة اختبار نقطة النهاية (Endpoint Test) لتلك النقطة واستفد من الذكاء الاصطناعي للتعامل مع المتطلب. على سبيل المثال، يمكنك تحديد:
"أنشئ حالة اختبار تستخرج الرمز المميز وتحفظه كمتغير بيئة بعد تسجيل الدخول بنجاح، مع تضمين التأكيدات الضرورية."
إذا كنت تريد تحكمًا أكثر دقة في حالات الاختبار الخاصة بك، فيمكنك تمكين الإنشاء خطوة بخطوة (Step-by-Step generation) في الإعدادات المتقدمة (Advanced Settings).
بمجرد التمكين، سيقوم Apidog أولاً بإنشاء قائمة بحالات الاختبار، بما في ذلك أسمائها وأوصافها. يمكنك بعد ذلك مراجعتها وتعديلها وتأكيدها يدويًا قبل إنشاء بيانات حالة الاختبار التفصيلية الكاملة.
بعد إنشاء حالة الاختبار، عد إلى سيناريو الاختبار. يمكنك استخدام هذه الحالة مباشرة كخطوة تسجيل الدخول، ويمكن لنقاط النهاية اللاحقة الرجوع إلى الرمز المميز من خلال القيم الديناميكية (Dynamic Values)، مما يسمح لسير العمل بالاستمرار بسلاسة.
إذا كنت بحاجة إلى بيانات اختبار في سيناريوهات الاختبار الخاصة بك، يمكنك أولاً جعل الذكاء الاصطناعي ينشئ حالات باستخدام بيانات الاختبار (Test Data) في اختبار نقطة النهاية (Endpoint Test). ثم، انسخ مجموعة البيانات بتنسيق CSV إلى سيناريو الاختبار باستخدام التحرير بالجملة (Bulk Edit)، مما يجعل إعداد البيانات أسرع وأكثر ملاءمة.
يضمن هذا النهج أن يركز سيناريو الاختبار دائمًا على سير العمل الرئيسي، بينما يعمل الذكاء الاصطناعي كمساعد يملأ الفجوات حسب الحاجة. كلما كانت هناك خطوة مفقودة، ما عليك سوى استخدام الذكاء الاصطناعي لإنشاء حالة الاختبار المقابلة لتلك النقطة، ثم ربطها مرة أخرى بسير العمل على الفور.
الملخص
لم يغير الذكاء الاصطناعي ما يحتاج اختبار واجهة برمجة التطبيقات إلى التحقق منه، ولكنه خفض بشكل كبير الجهد المطلوب لبدء الاختبار وإكماله.
أثناء اختبارات نقاط النهاية، يعالج الذكاء الاصطناعي بشكل أساسي بطء إنشاء حالات الاختبار والتغطية غير الكاملة. يسمح هذا للاختبار بالانتقال بشكل أسرع إلى مرحلة التحقق، بدلاً من التعثر في إعداد البيانات وكتابة الحالات يدويًا.
عندما يتقدم الاختبار إلى سيناريوهات الاختبار، يتحول التركيز من التحقق من أن نقطة نهاية واحدة تعمل بشكل صحيح إلى التأكد من أن نقاط النهاية يمكن أن تعمل معًا بشكل صحيح ضمن تسلسلات استدعاء حقيقية.
في سير العمل هذا، لا تحتاج إلى إعداد جميع حالات الاختبار مسبقًا. ومع بناء السيناريو تدريجيًا، يمكنك العودة إلى اختبار نقطة نهاية واحدة في أي وقت لجعل الذكاء الاصطناعي يولد الحالات المحددة المطلوبة لسير العمل الحالي، ثم متابعة تنسيق الخطوات. وهذا يقلل من الجهد الأولي غير الضروري ويوفر في استخدام الرصيد.
بشكل عام، يدمج Apidog اختبار نقطة النهاية (Endpoint Test) و سيناريوهات الاختبار (Test Scenarios) و قدرات الذكاء الاصطناعي ضمن سير عمل واحد، مما يحول الاختناقات المعتادة في اختبار واجهة برمجة التطبيقات - كتابة الحالات، وإعداد البيانات، وسلسلة العمليات - إلى مهام يمكن إدارتها.
إذا كنت لا تزال تعتقد أن الاختبار الآلي يعني "تكوينًا معقدًا ومنحنى تعلم حاد"، فابدأ صغيرًا: اختر نقطة نهاية واحدة في Apidog، وأنشئ بعض الحالات، وقم بتشغيل سيناريو اختبار. ستختبر بسرعة مدى سلاسة وسرعة العملية في الممارسة.