Dies ist eine 10-teilige Serie, die beschreibt, wie Apidog das Apidog CLI entwickelt hat, ein Befehlszeilentool für API-Tests und das API-Lebenszyklusmanagement. 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, das Modell handelt auf Basis von Fakten | Kernphilosophie |
| 4 | agentHints: CLIs beibringen, mit Agenten zu sprechen |
Strukturierte Ausgabe |
| 5 | SKILL: Operative Erfahrung als Code bereitstellen | Operative Erfahrung |
| 6 | Die Zahlen lügen nicht: 30 % weniger Tool-Aufrufe, 25 % weniger Token | Quantitative Ergebnisse |
| 7 | Von PRD zur Testschleife: Ein vollständiger Agenten-Workflow mit Apidog CLI | Praktische Anleitung |
| 8 | Warum CI/CD-Kompatibilität für Agenten-Tools unerlässlich ist | DevOps-Perspektive |
| 9 | KI-Zweig: Sicherere Projektänderungen mit KI-Agenten | Sicherheitsebene |
| 10 | Spec-First war gestern. Willkommen bei Skill-First. | Vision & Zukunft |
Die API-Entwicklung verändert sich mit KI-Agenten. Skill-First verpackt Spezifikationen, Tests und Szenarien in ausführbare, überprüfbare Fähigkeiten – und ergänzt bestehende Ansätze für die Agenten-Ära.
Die Spec-First-Ära
Jahrelang waren die Kollaborationsprozesse vieler Entwicklungsteams Spec-First.
Was es war
| Prinzip | Beschreibung |
|---|---|
| APIs zuerst entwerfen | API vor der Implementierung definieren |
| Um die Dokumentation herum zusammenarbeiten | Teams beziehen sich auf gemeinsame Spezifikation |
| Früh mocken | Frontend kann gegen Mock entwickeln |
| Gemeinsam debuggen | Probleme im gemeinsamen Format sichtbar |
| Gegen Spezifikation testen | Überprüfen, ob Implementierung dem Design entspricht |
| Veröffentlichen, wenn bereit | Dokumentierte, getestete APIs veröffentlichen |
Der Wert
| Vorteil | Warum es wichtig ist |
|---|---|
| Klare Verträge | Frontend/Backend wissen, was zu erwarten ist |
| Parallele Entwicklung | Teams arbeiten unabhängig |
| Reduzierte Reibung | Fehlkommunikation frühzeitig erkannt |
| Stabiles Testen | Tests stimmen mit dokumentiertem Verhalten überein |
| Lebendige Dokumentation | Spezifikation entwickelt sich mit dem Produkt |
Spec-First war der richtige Ansatz für die von Menschen getriebene API-Entwicklung.
Der neue Konsument: KI-Agenten
Nach dem Aufkommen von KI-Codierung änderten sich die Konsumenten von API-Assets.
Agenten begannen ebenfalls, diese Assets zu konsumieren.
Was Agenten brauchen
| Agenten-Aktivität | Benötigtes Asset |
|---|---|
| Endpunkte lesen | API-Dokumentation |
| Tests hinzufügen | Endpunktdefinitionen, Schemas |
| Automatisierung ausführen | Testszenarien, Umgebungen |
| Code basierend auf Berichten korrigieren | Fehlerdetails, Antwortdaten |
| Beurteilen, ob Änderung nutzbar ist | Testergebnisse, Abdeckung |
In diesem Kontext sind API-Dokumentation, Testfälle und Testszenarien in Apidog nicht nur Kollaborationsmaterialien für Menschen.
Sie sind deterministisch aufrufbare Assets für Agenten.
Asset-Transformation
| Asset | Spec-First (Menschen-Ansicht) | Skill-First (Agenten-Ansicht) |
|---|---|---|
| API-Dokumentation | Kollaborationsmaterial | Aufrufbare Datenquelle |
| Testfälle | Qualitätsartefakt | Ausführbare Verifizierung |
| Testszenarien | Test-Workflow | Automatisierungsziel |
| Umgebungen | Konfiguration | Laufzeitkontext |
| Berichte | Überprüfungsergebnis | Feedback-Signal |
Assets wandeln sich von "lesbar" zu "aufrufbar".
Skill-First-Definition
Aufbauend auf Spec-First:
| Was bleibt | Warum |
|---|---|
| Endpunktspezifikationen | Benötigen immer noch klare Verträge |
| Testfälle | Benötigen immer noch Qualitätsartefakte |
| Geschäftsszenarien | Benötigen immer noch Workflow-Abdeckung |
| Dokumentation | Benötigen immer noch menschliche Referenz |
Zusätzlich:
| Was hinzugefügt wird | Zweck |
|---|---|
| Ausführbare Fähigkeiten | Agenten können Workflows aufrufen |
| Überprüfbare Schritte | Qualitätsschranken in jeder Phase |
| Nachvollziehbare Ketten | Audit-Trail der Agentenaktionen |
Skill-First = Spec-First + Agenten-Ausführungsebene.
Die Systemarchitektur
| Ebene | Verantwortung | Beispiel |
|---|---|---|
| Apidog | Verwaltet API- und Test-Assets | Endpunkte, Schemas, Testfälle, Szenarien |
| CLI | Bietet deterministische Ausführung | Befehle, Validierung, Ausgabe |
| SKILL | Bietet Aufgabenbeurteilung und Pfade | Workflow-Anleitung, Ablaufregeln |
| Agenten | Ziele verstehen, ausführen, anpassen | Claude Code, Cursor, Trae, Codex |
Jede Ebene hat eine spezifische Rolle.
Wie sie zusammenarbeiten
Benutzer: "Tests für die Rückerstattungs-API generieren und Überprüfung durchführen"
↓
Agent: Versteht Aufgabentyp (SKILL hilft)
↓
Agent: Ruft CLI auf, um Endpunkte zu lesen (CLI führt aus)
↓
Agent: Generiert Testfälle (Agent erstellt)
↓
CLI: Validiert Struktur (cli-schema validiert)
↓
Agent: Schreibt Testfälle (CLI führt aus)
↓
CLI: Gibt agentHints zurück (CLI leitet an)
↓
Agent: Liest zurück, passt an (Agent folgt Hinweisen)
↓
Agent: Führt Tests aus (CLI führt aus)
↓
CLI: Gibt Bericht zurück (CLI liefert Feedback)
↓
Agent: Fasst für Benutzer zusammen (Agent schließt ab)Workflow-Transformation
Spec-First-Workflow (Menschen-gesteuert)
Mensch entwirft Spezifikation
↓
Mensch dokumentiert
↓
Mensch erstellt Mock
↓
Mensch debuggt
↓
Mensch schreibt Tests
↓
Mensch veröffentlichtEigenschaften:
| Aspekt | Beschreibung |
|---|---|
| Treiber | Mensch |
| Fokus | Zusammenarbeit |
| Feedback | Manuelle Überprüfung |
| Geschwindigkeit | Menschen-Tempo |
| Fehler | Mensch erkennt |
Skill-First-Workflow (Agenten-unterstützt)
Mensch gibt Ziel vor
↓
Agent liest bestehende Assets
↓
Agent generiert Änderungen
↓
CLI validiert
↓
Agent schreibt
↓
CLI leitet nächste Schritte an
↓
Agent überprüft
↓
Mensch überprüft ErgebnisEigenschaften:
| Aspekt | Beschreibung |
|---|---|
| Treiber | Agent (geführt durch menschliches Ziel) |
| Fokus | Ausführung |
| Feedback | Automatisierte Validierung |
| Geschwindigkeit | Agenten-Tempo |
| Fehler | CLI erkennt |
Was Teams tun sollten
Sofortige Schritte
| Schritt | Aktion |
|---|---|
| 1. Installieren | npm install -g apidog-cli@latest |
| 2. SKILL installieren | apidog skill install |
| 3. Kleine Aufgabe ausprobieren | Agenten risikoarme Aufgabe geben |
| 4. Muster lernen | Agenten-Workflow beobachten |
| 5. Umfang erweitern | Aufgabenkomplexität schrittweise erhöhen |
Beispiel für die erste Agentenaufgabe
Verwenden Sie Apidog CLI, um mir bei der Erstellung meines ersten API-Endpunkts in Apidog zu helfen.
Überprüfen Sie zuerst meine Apidog CLI-Einrichtung und listen Sie die Projekte auf, auf die ich zugreifen kann.
Fragen Sie mich, welches Projekt ich verwenden soll. Nachdem ich bestätigt habe, erstellen Sie einen einfachen GET /health
Endpunkt namens Health Check mit einem 200-Antwortbeispiel. Validieren Sie jede
strukturierte Eingabe vor dem Schreiben, lesen Sie dann den Endpunkt zurück und fassen Sie zusammen,
was erstellt wurde.Dies bietet:
| Vorteil | Beschreibung |
|---|---|
| Setup-Überprüfung | Agent überprüft Umgebung |
| Projektauswahl | Agent fragt vor dem Schreiben |
| Kleine Erstellung | Risikoarme erste Aufgabe |
| Validierung | cli-schema vor dem Schreiben |
| Zurücklesen | Bestätigt, was erstellt wurde |
| Zusammenfassung | Mensch erhält klares Ergebnis |
Erste Schritte Befehle
# Apidog CLI installieren
npm install -g apidog-cli@latest
# Begleitendes SKILL installieren
apidog skill install
# Version prüfen (2.2.5+ benötigt)
apidog -v
# Authentifizieren
apidog auth login
# Projekte auflisten
apidog project listDie Zukunft
| Trend | Richtung |
|---|---|
| Agenten-Beteiligung | Mehr API-Entwicklungsaufgaben werden von Agenten erledigt |
| CLI + SKILL Muster | Reife, standardisierte Workflows |
| Mehr Skills | Domänenspezifische Skills für verschiedene Kontexte |
| Bessere Konvergenz | Verbesserte Technik für kritische Knoten |
| Mensch-Agent-Kollaboration | Nahtlose Übergabe zwischen Mensch und Agent |
Die Zukunft ist die Agenten-unterstützte API-Entwicklung.
Zusammenfassung der kompletten Serie
Wir haben die gesamte Reise abgedeckt:
| Teil | Thema | Wichtige Erkenntnis |
|---|---|---|
| 1 | Problem | 126 MCP-Tools → Wand voller zufälliger Tools |
| 2 | Wende | Komplexität verschob sich vom Kontext zur Technik |
| 3 | Philosophie | CLI validiert, Agent generiert |
| 4 | Design | agentHints leitet nächste Schritte an |
| 5 | Erfahrung | SKILL verpackt Workflow-Wissen |
| 6 | Validierung | 30 % weniger Aufrufe, 25 % weniger Token |
| 7 | Praxis | PRD → OpenAPI → Tests → Verification |
| 8 | Grundlage | CI/CD bleibt die Basis |
| 9 | Ehrlichkeit | Vier Herausforderungen bleiben bestehen |
| 10 | Vision | Spec-First → Skill-First |
Das finale Prinzip
Spec-First war für die menschliche Zusammenarbeit. Skill-First ist für die Agentenausführung.
| Ära | Ansatz | Konsument |
|---|---|---|
| Traditionell | Spec-First | Menschen |
| Agenten-Zeitalter | Skill-First | Menschen + Agenten |
Assets werden aufrufbar. Workflows werden ausführbar. Qualität wird überprüfbar.
Willkommen bei Skill-First.
Wichtige Erkenntnisse
- Spec-First war richtig für die von Menschen getriebene Entwicklung
- Agenten sind jetzt Konsumenten von API-Assets
- Assets wandeln sich von lesbar zu aufrufbar
- Skill-First = Spec-First + Agentenausführung
- System: Apidog (Assets) → CLI (Ausführung) → SKILL (Beurteilung) → Agenten (Aktion)
- Mensch gibt Ziel vor, Agent führt aus, CLI validiert
- Klein anfangen, Muster lernen, Umfang erweitern
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 Befehlszeilen-API-Tests, CI-Automatisierung und KI-Agenten-Workflows.