Dies ist eine 10-teilige Serie, die zeigt, wie Apidog das Apidog CLI, ein Befehlszeilentool für API-Tests und API-Lifecycle-Management, entwickelt hat. Lesen Sie die Beiträge der Reihe nach oder springen Sie zu einem beliebigen Beitrag, der Sie interessiert:
| Titel | Fokus | |
|---|---|---|
| 1 | Wir haben 126 MCP-Tools entwickelt. Aber es ist nicht die beste Lösung für Agenten | Problemerkennung |
| 2 | Warum wir das brandneue Apidog CLI entwickelt haben | Architekturentwicklung |
| 3 | Die goldene Regel: CLI liefert Fakten, Modell agiert auf Fakten | Kernphilosophie |
| 4 | agentHints: CLIs beibringen, mit Agenten zu kommunizieren |
Strukturierte Ausgabe |
| 5 | SKILL: Operative Erfahrung als Code bereitstellen | Operative Erfahrung |
| 6 | Die Zahlen lügen nicht: 30 % weniger Tool-Aufrufe, 25 % weniger Tokens | Quantitative Ergebnisse |
| 7 | Vom PRD zum Test-Loop: Ein vollständiger Agenten-Workflow mit Apidog CLI | Praktisches Tutorial |
| 8 | Warum CI/CD-Kompatibilität für Agenten-Tools unverzichtbar ist | DevOps-Perspektive |
| 9 | KI-Zweig: Sicherere Projektänderungen mit KI-Agenten | Sicherheitsebene |
| 10 | Spec-First war gestern. Willkommen bei Skill-First. | Vision & Zukunft |
Wir haben CLI + SKILL entwickelt, um das zu handhaben, wofür MCP nicht optimiert ist: komplexe Workflows mit Validierungsgates und strukturierter Ausführung.
MCP erfüllt weiterhin seinen Zweck
Bevor wir uns mit CLI + SKILL befassen, sei klargestellt: Apidog MCP ist weiterhin verfügbar und wird gewartet.
MCP bietet standardisierte Tool-Verbindungen gemäß dem Protokoll – das ist wertvoll für:
- Einfache, gut definierte Operationen
- Benutzer, die MCP-basierte Workflows bevorzugen
- Ökosystemintegration mit MCP-konformen Clients
Wir haben MCP nicht ersetzt. Wir haben CLI + SKILL entwickelt, um es zu ergänzen.
Wir haben herausgefunden, dass MCP hervorragend darin ist, Tools zu verbinden, aber für komplexe F&E-Workflows – mehrstufige Prozesse mit Validierung, Rückmeldung und Verifizierung – profitieren Agenten von ausführbaren Engineering-Prozessen. Hier passt CLI + SKILL.
Stellen Sie es sich so vor:
| Aufgabentyp | Empfohlener Ansatz |
|---|---|
| Einfacher Tool-Aufruf (z. B. Endpunkt abrufen) | MCP oder CLI – beides funktioniert |
| Mehrstufiger Workflow (z. B. Test erstellen, validieren, ausführen) | CLI + SKILL – bessere Erfahrung |
| CI/CD-Integration | CLI – native Passform |
| MCP-Ökosystemintegration | MCP – Protokollstandard |
Das alte CLI: Tests am Ende ausführen
Das Apidog CLI war lange Zeit der Befehlszeilen-Einstiegspunkt zum Ausführen von API-Tests.
apidog run --project <projectId> --test-scenario <scenarioId> --environment <environmentId>Dieses Fundament ist immer noch wichtig. Teams benötigen eine zuverlässige Möglichkeit, um:
- API-Tests vom Terminal ausführen
- Berichte in CI-Pipelines generieren
- Qualitätsgates innerhalb von Automatisierungs-Workflows beibehalten
Aber das alte CLI konzentrierte sich hauptsächlich auf die Testausführung. Es erschien nahe am Ende des Workflows:
Design → Dokumentieren → Mocken → Debuggen → Testen → [CLI führt Tests aus]Das CLI war der letzte Schritt – nachdem alles andere erledigt war.
Die neue Anforderung: Agenten brauchen mehr
Die API-Entwicklung ändert sich.
KI-Agenten nehmen jetzt teil an:
| Phase | Agentenaktivität |
|---|---|
| API-Design | Generieren von Endpunktdefinitionen aus PRD |
| Testgenerierung | Erstellen von Testfällen aus API-Spezifikationen |
| Debugging | Fehleranalyse, Vorschläge zur Fehlerbehebung |
| Migration | Verschieben von APIs zwischen Projekten |
| Wartung | Aktualisieren von Tests bei API-Änderungen |
Für diese Workflows kann ein CLI nicht nur der letzte Schritt sein, der bestehende Tests ausführt.
Es muss Agenten auch eine stabile Möglichkeit bieten, um:
- API-Assets (Endpunkte, Schemas, Umgebungen) lesen
- Test-Assets (Testfälle, Testszenarien) erstellen oder aktualisieren
- Strukturierte Änderungen vor dem Schreiben validieren
- Diese ins Projekt zurückschreiben
- Das Ergebnis verifizieren
Systematische Erweiterung, nicht inkrementelle Hinzufügung
Das neue Apidog CLI ist nicht nur eine Ergänzung einiger Befehle zum alten CLI.
Es führt Apidogs Kernfunktionen systematisch in das CLI ein und macht es zu einer Workflow-Schicht für Entwickler, Skripte und KI-Agenten.
| Alte CLI-Frage | Neue CLI-Frage |
|---|---|
| "Wie führe ich Apidog-Tests extern aus?" | "Wie können KI-Agenten Apidog stabil nutzen?" |
Die architektonischen Grenzen dahinter haben sich dramatisch verändert.
MCP VS CLI: Vergleich der Ausführungsketten
Vergleichen wir die typischen Ausführungsketten für komplexe Workflows.
MCP-Route (Gut für Tool-Verbindung)
MCP-Sitzung initialisieren
↓
Tool-Liste + Tool-Beschreibungen laden
↓
Agent wählt Tool aus
↓
Weitere Tools suchen (listOpenApiEndpoints)
↓
Schema abrufen (getOpenApiDetails)
↓
HTTP-Aufruf ausführen (executeOpenApi)Stärke von MCP: Standardisiertes Protokoll zur Verbindung von Tools mit Agenten.
Platzierung der Komplexität: Die meiste Komplexität liegt im Modellkontext und in der Toolauswahlphase. Der Agent muss verstehen:
- Tool-Listen
- Tool-Beschreibungen
- Eingabeschemas
- Aufrufsequenzen
- Rückgabestrukturen
Wo es gut funktioniert: Einfache Operationen mit klarer Zuordnung von Tool zu Aufgabe.
Wo es herausfordernd wird: Komplexe Workflows, bei denen der Agent mehrere Tools orchestrieren, Produktsemantik verstehen und Validierung handhaben muss.
CLI + SKILL Route (Besser für komplexe Workflows)
SKILL beurteilt Aufgabentyp
↓
CLI führt produktsemantische Befehle aus
↓
cli-schema validiert Struktur
↓
agentHints gibt Vorschläge für den nächsten Schritt
↓
Verifizierungs-Loop (Rückmeldung erhalten oder apidog run)Stärke von CLI + SKILL: Verteilt die Komplexität auf das Engineering-System.
Platzierung der Komplexität:
- SKILL: Methodik und Workflow-Führung
- CLI: Produktsemantische Ausführung
- cli-schema: Validierung vor dem Schreiben
- agentHints: Navigation nach der Ausführung
Wo es gut funktioniert: Mehrstufige Workflows, validierungsintensive Operationen, Agenten-gesteuerte Tests.
Der Hauptunterschied: Wo die Komplexität liegt
Der Unterschied zwischen diesen beiden Ansätzen liegt darin, wo die Komplexität platziert ist.
| Ansatz | Wo die Komplexität liegt | Am besten geeignet für |
|---|---|---|
| MCP | Modellkontext + Tool-Auswahlphase | Einfache Tool-Aufrufe, MCP-Ökosystem |
| CLI + SKILL | Engineering-System (SKILL, CLI, Validierung, Hinweise) | Komplexe Workflows, mehrstufige Operationen |
Bei MCP muss das Modell Folgendes tragen:
- Welches Tool zu verwenden ist
- Was die Tool-Beschreibung aussagt
- Welche Felder erforderlich sind
- Welche Sequenz einzuhalten ist
- Was die Rückgabestruktur bedeutet
Dies funktioniert, wenn die Zuordnung von Aufgabe zu Tool unkompliziert ist.
Bei CLI + SKILL trägt das Engineering-System:
- Welcher Aufgabentyp dies ist (SKILL)
- Welcher Befehl auszuführen ist (CLI)
- Welche Struktur gültig ist (cli-schema)
- Was als Nächstes zu tun ist (agentHints)
Dies funktioniert besser, wenn Workflows Validierungsgates, Rückmeldeanforderungen und Verifizierungs-Loops aufweisen.
Ein typisches Workflow-Beispiel
Hier ist ein konkretes Beispiel für den CLI + SKILL Workflow:
# Schritt 1: Fakten lesen
apidog endpoint get <endpointId> --project <projectId>
# Schritt 2: Vor dem Schreiben validieren
apidog cli-schema validate test-case-create --file ./test-case-create.json
# Schritt 3: Verifizierung ausführen
apidog run --project <projectId> --out-dir ./apidog-reportsDiese drei Befehle repräsentieren drei technische Aktionen:
| Befehl | Aktion |
|---|---|
endpoint get |
Fakten aus dem Projekt lesen |
cli-schema validate |
Struktur vor dem Schreiben validieren |
apidog run |
Verifizierung ausführen |
Agentenpfad für komplexe Workflows
Bei komplexen, mehrstufigen Workflows profitiert der Agentenpfad von der CLI + SKILL-Struktur.
MCP-Pfad für komplexe Workflows
"Tools auswählen → Schemas verstehen → Sequenz orchestrieren → Fehler behandeln"Der Agent:
- Wählt geeignete Tools aus vielen Optionen aus
- Versteht Tool-Beschreibungen und Schemas
- Orchestriert die korrekte Sequenz
- Behandelt Fehler durch Wiederholung
Dies kann funktionieren, erfordert aber eine erhebliche Modell-Argumentation für jeden Entscheidungspunkt.
CLI + SKILL Pfad für komplexe Workflows
"Fakten lesen → Änderungen generieren → Struktur validieren → Schreiben → Verifizierung ausführen"Der Agent:
- Liest zuerst bestehende Fakten (geführt von SKILL)
- Generiert Änderungen basierend auf Fakten
- Validiert die Struktur lokal (cli-schema)
- Schreibt ins Projekt
- Führt die Verifizierung aus (agentHints leitet den nächsten Schritt an)
Das Engineering-System übernimmt Validierung, Führung und Verifizierung – was die Belastung der Modell-Argumentation reduziert.
Beide Pfade können die Aufgabe abschließen. CLI + SKILL reduziert die Komplexität in der Modellkontextphase.
Was das CLI jetzt abdeckt
Mit dem Upgrade deckt das CLI nun mehr Apidog-Kernressourcen ab:
| Ressource | CLI-Fähigkeit |
|---|---|
| Projekte & Metadaten | Auflisten, lesen |
| APIs & API-Definitionen | Abrufen, erstellen, aktualisieren |
| Umgebungen & Variablen | Auflisten, verwalten |
| Testfälle | Erstellen, aktualisieren, validieren |
| Testszenarien | Erstellen, aktualisieren, Schritte importieren, mit Details abrufen |
| Testsuiten | Verwalten |
| Berichte | Generieren aus apidog run |
| Import/Export | Projekt exportieren, Dateien importieren |
Dies verändert die Rolle des Apidog CLI.
Es ist nicht nur eine Möglichkeit, Tests auszuführen, nachdem alles andere erledigt ist.
Es kann nun früher im Entwicklungszyklus teilnehmen – wo ein Agent Folgendes tun muss:
- Das Projekt verstehen
- Test-Assets generieren oder aktualisieren
- Änderungen validieren
- Verifizierung ausführen
Die Architekturzusammenfassung
| Dimension | MCP | CLI + SKILL |
|---|---|---|
| Primäre Stärke | Tool-Verbindung | Workflow-Ausführung |
| Komplexitätsort | Modellkontext | Engineering-System |
| Agentenpfad für komplexe Aufgaben | Auswählen, orchestrieren, wiederholen | Lesen, validieren, schreiben, verifizieren |
| Abdeckung | 126 generierte Tools + native Tools | Umfassendes Ressourcenmanagement + Validierung |
| Am besten geeignet für | Einfache Operationen, MCP-Ökosystem | Komplexe Workflows, CI/CD |
Beide sind verfügbar. Wählen Sie basierend auf Ihrer Aufgabe.
Was kommt als Nächstes
Nachdem wir nun festgestellt haben, wie CLI + SKILL das MCP ergänzt, stellt sich die nächste Frage:
Was ist das Kernprinzip, das CLI + SKILL für komplexe Workflows effektiv macht?
In Teil 3, Die goldene Regel: CLI liefert Fakten, Modell agiert auf Fakten, werden wir die Designphilosophie untersuchen, die jede CLI + SKILL-Entscheidung leitet – beginnend mit cli-schema validate, dem Qualitäts-Gate, das Fehler abfängt, bevor sie zu fehlgeschlagenen Schreibvorgängen werden.
Wichtige Erkenntnisse
- MCP funktioniert weiterhin – nutzen Sie es für einfache Operationen und die Integration in das MCP-Ökosystem
- CLI + SKILL ergänzt MCP – besser für komplexe Workflows mit Validierung
- Der Hauptunterschied liegt darin, wo die Komplexität angesiedelt ist: Modellkontext vs. Engineering-System
- CLI + SKILL reduziert die Modell-Argumentationslast durch Validierung, Führung und Verifizierung
- Das CLI deckt jetzt Projekte, APIs, Umgebungen, Testfälle, Szenarien und mehr ab
- Beide Ansätze sind verfügbar – wählen Sie basierend auf der Aufgabenkomplexität
Laden Sie Apidog herunter, um APIs in einem einzigen Arbeitsbereich zu entwerfen, zu mocken, zu testen und zu dokumentieren. Erfahren Sie mehr über das Apidog CLI für API-Tests über die Befehlszeile, CI-Automatisierung und KI-Agenten-Workflows.