Seiring dengan semakin terintegrasinya AI dalam pengembangan dan pengujian API, hambatan untuk memulai pengujian otomatis terus berkurang. Tugas-tugas yang dulunya membutuhkan operasi manual berulang dan persiapan data kini dapat ditangani oleh AI. Apidog juga mencerminkan perubahan ini dalam pengujian API.
Di Apidog, pengujian otomatis terutama berpusat pada dua pendekatan: Endpoint Tests dan Test Scenarios.
Jika Anda tidak melihat modul Endpoint Test, itu berarti versi Apidog Anda sudah usang. Cukup perbarui ke versi terbaru.
Modul Endpoint Tests menampilkan semua endpoint HTTP API Anda, membuat pengembang QA lebih fokus. Ini hanya mencakup kasus uji, laporan uji, dan dokumentasi—tanpa memungkinkan pengeditan endpoint. Desain ini memastikan penguji dapat berkonsentrasi pada pembuatan dan eksekusi kasus uji secara efisien.
Test Scenarios, sebaliknya, menghubungkan beberapa endpoint atau kasus uji bersama-sama. Mereka memungkinkan Anda untuk menentukan urutan eksekusi dan hubungan pengiriman data antar endpoint, secara efektif mensimulasikan proses bisnis yang lengkap.
Dengan AI yang terintegrasi ke dalam Endpoint Tests dan Test Scenarios, pengujian API dapat secara bertahap bergeser menuju eksekusi yang lebih otomatis, dapat digunakan kembali, dan efisien. Selanjutnya, kita akan menjelajahi bagaimana kedua metode pengujian ini membantu memecahkan tantangan dunia nyata.
Endpoint Tests dengan Otomatisasi
Endpoint Test berfokus pada apakah endpoint itu sendiri stabil dan apakah input/output memenuhi harapan. Setiap kasus uji dieksekusi secara independen, dengan penekanan pada verifikasi menyeluruh satu endpoint dengan data yang berbeda.
Kasus Uji yang Dihasilkan AI
Buka endpoint apa pun di modul Endpoint Test dan klik Generate with Al. AI akan secara otomatis menghasilkan serangkaian kasus uji berdasarkan parameter endpoint dan struktur respons.
Jika Anda hanya memerlukan kasus uji tertentu, tidak perlu memilih jenis default. Cukup jelaskan kebutuhan Anda langsung kepada AI, dan AI akan menghasilkan kasus uji yang sesuai. Misalnya, Anda dapat meminta AI untuk:
- Hasilkan kasus uji untuk "login berhasil dan ekstrak token".
- Hasilkan kasus uji untuk "membuat bidang tanda tangan
signberdasarkan parameter yang ada dan mengirimkannya".
Untuk hasil yang lebih tepat, Anda dapat memberikan kondisi dan aturan terperinci, seperti:
Generate a positive test case for this endpoint.
The endpoint requires a signature parameter sign, with the following signing rules:
1. Collect all non-empty request parameters (excluding sign), sort them by parameter name in ASCII order, concatenate them in the format key=value joined by &, and append the secret key SECRET_KEY at the end.
2. Apply MD5 hashing to the resulting string and convert the hash to uppercase. The final result is used as the value of sign.
Test case requirements:
1. Before sending the request, use a pre-request script to generate the sign, with clear comments included.
2. Add the generated sign to the request parameters and send the request.Dengan cara ini, AI akan menghasilkan kasus secara ketat sesuai aturan Anda, tanpa kelalaian atau kesalahpahaman.
Pembuatan Data Uji
Saat menghasilkan kasus uji, AI juga menyiapkan dataset uji yang sesuai untuk berbagai jenis kasus guna mencakup berbagai situasi input dunia nyata.
Dalam kasus skenario bisnis standar, data uji biasanya terdiri dari beberapa set nilai parameter yang valid secara semantik. Misalnya, dalam pengujian endpoint login, meskipun semua email dan kata sandi valid, dataset akan mencakup berbagai format email umum—seperti yang memiliki titik, tanda plus, email numerik, atau email perusahaan—untuk memverifikasi kompatibilitas dan stabilitas endpoint di bawah skenario penggunaan normal.
Dalam kasus uji abnormal atau batas, data uji sengaja dirancang untuk mencakup input yang melanggar aturan validasi.
Misalnya, dalam kasus uji seperti "Login dengan format email tidak valid dan harapkan error 400", dataset akan berisi berbagai jenis alamat email tidak valid—seperti email yang kehilangan simbol @, kehilangan nama domain, atau mengandung spasi. Tujuannya adalah untuk memeriksa apakah endpoint API dapat mendeteksi input tidak valid ini dengan benar dan menolak permintaan dengan tepat.
Referensi Data Uji
Dalam kasus uji, Anda dapat menggunakan sintaks {{nama_variabel}} untuk mereferensikan data uji dan menyisipkan variabel ke dalam parameter permintaan, badan permintaan, dan bidang lainnya.
Saat pengujian berjalan, Apidog secara otomatis menarik nilai dari dataset satu per satu dan mengirimkan permintaan menggunakan setiap nilai tersebut. Ini memungkinkan Anda menguji endpoint yang sama berkali-kali dengan data yang berbeda—tanpa harus menulis ulang kasus uji.
Eksekusi Batch dan Laporan Uji
Setelah kasus uji dan data yang sesuai siap, Anda dapat memilih beberapa kasus uji dan menjalankannya secara bersamaan. Setiap kasus uji berjalan secara independen berdasarkan konfigurasinya sendiri, dan semua hasilnya dikumpulkan ke dalam satu laporan uji untuk ditinjau dengan mudah.
Dalam aplikasi dunia nyata, endpoint jarang beroperasi secara terpisah. Ketika respons dari satu permintaan digunakan sebagai input untuk permintaan berikutnya, pengujian tidak lagi hanya tentang satu endpoint, tetapi tentang seluruh rantai panggilan.
Di sinilah Test Scenarios berperan.
Test Scenarios
Satu endpoint biasanya tidak cukup untuk menyelesaikan tugas bisnis. Misalnya, pengguna harus login sebelum menempatkan pesanan, dan hanya setelah pesanan berhasil dibuat barulah detail pesanan dapat ditanyakan. Respons dari satu endpoint sering kali menjadi input untuk endpoint berikutnya.
Ketergantungan ini sulit divalidasi sepenuhnya dengan endpoint test tunggal.
Test Scenarios menggeser fokus dari memeriksa apakah satu endpoint berfungsi dengan benar menjadi memverifikasi apakah seluruh rantai panggilan berjalan lancar dan sesuai harapan.
Mengorkestrasi Endpoint ke dalam Alur Kerja
Di Apidog, setelah membuat skenario uji baru, Anda dapat menambahkan beberapa endpoint atau kasus uji yang ada dalam urutan tertentu, dengan jelas menentukan urutan eksekusi untuk setiap langkah.
Meneruskan Data antar Langkah Uji
Ketika endpoint saling bergantung, skenario uji memungkinkan Anda untuk meneruskan data dari satu langkah ke langkah berikutnya sebagai variabel. Misalnya, id yang dikembalikan oleh endpoint Create Order dapat langsung digunakan kembali pada langkah-langkah selanjutnya, seperti menanyakan atau memperbarui pesanan.
Penerusan data ini tidak memerlukan kode tambahan. Sebaliknya, ia mengandalkan referensi variabel untuk mendefinisikan dengan jelas hubungan hulu dan hilir antara endpoint.
Bagaimana Jika Kasus Uji Hilang?
Saat mengorkestrasi skenario uji, tujuan pertama sering kali adalah untuk memastikan alur kerja utama berjalan lancar—misalnya, Login → Buat Pesanan → Kueri Pesanan, di mana setiap langkah sesuai dengan kasus uji yang ada.
Namun, dalam praktiknya, Anda mungkin menghadapi tantangan umum: beberapa langkah dalam alur kerja mungkin tidak memiliki kasus uji yang siap pakai, atau kasus yang ada mungkin tidak sepenuhnya memenuhi persyaratan alur kerja.
Misalnya, pada langkah login, Anda mungkin perlu tidak hanya memverifikasi login yang berhasil tetapi juga mengekstrak token yang dikembalikan sebagai variabel lingkungan untuk permintaan berikutnya. Kasus uji endpoint tunggal yang ada mungkin hanya melakukan validasi login dasar tanpa menangani ekstraksi token.
Jika Anda tidak yakin bagaimana mengekstrak bidang yang dikembalikan sebagai variabel atau tidak terbiasa dengan scripting, Anda dapat menjeda orkestrasi skenario. Kemudian, buka halaman Endpoint Test untuk endpoint tersebut dan manfaatkan AI untuk menangani persyaratan. Misalnya, Anda dapat menentukan:
"Hasilkan kasus uji yang mengekstrak token dan menyimpannya sebagai variabel lingkungan setelah login berhasil, termasuk asersi yang diperlukan."
Jika Anda menginginkan kontrol yang lebih tepat atas kasus uji Anda, Anda dapat mengaktifkan pembuatan Langkah-demi-Langkah di Pengaturan Lanjutan.
Setelah diaktifkan, Apidog akan terlebih dahulu menghasilkan daftar kasus uji, termasuk nama dan deskripsinya. Anda kemudian dapat meninjau, memodifikasi, dan mengonfirmasi secara manual sebelum menghasilkan data kasus uji detail lengkap.
Setelah kasus uji dihasilkan, kembali ke skenario uji. Anda dapat menggunakan kasus ini secara langsung sebagai langkah login, dan endpoint selanjutnya dapat mereferensikan token melalui Nilai Dinamis, memungkinkan alur kerja berlanjut tanpa hambatan.
Jika Anda memerlukan data uji dalam Test Scenarios Anda, Anda dapat terlebih dahulu meminta AI menghasilkan kasus dengan Data Uji di Endpoint Test. Kemudian, salin dataset berformat CSV ke dalam skenario uji menggunakan Bulk Edit, membuat penyiapan data jauh lebih cepat dan nyaman.
Pendekatan ini memastikan bahwa skenario uji selalu berpusat pada alur kerja utama, sementara AI bertindak sebagai asisten yang mengisi kekosongan saat dibutuhkan. Kapan pun ada langkah yang hilang, cukup gunakan AI untuk menghasilkan kasus uji yang sesuai untuk endpoint tersebut, lalu segera tautkan kembali ke dalam alur kerja.
Ringkasan
AI tidak mengubah apa yang perlu diverifikasi oleh pengujian API, tetapi secara signifikan telah menurunkan upaya yang diperlukan untuk memulai dan menyelesaikan pengujian.
Selama Endpoint Tests, AI terutama mengatasi pembuatan kasus uji yang lambat dan cakupan yang tidak lengkap. Ini memungkinkan pengujian untuk bergerak lebih cepat ke fase validasi, alih-alih terjebak dalam menyiapkan data dan menulis kasus secara manual.
Ketika pengujian berlanjut ke Test Scenarios, fokus bergeser dari memverifikasi satu endpoint menjadi memastikan bahwa endpoint dapat bekerja sama dengan benar dalam urutan panggilan yang sebenarnya.
Dalam alur kerja ini, Anda tidak perlu menyiapkan semua kasus uji terlebih dahulu. Saat skenario secara bertahap dibangun, Anda dapat kembali ke Pengujian Endpoint Tunggal kapan saja untuk meminta AI menghasilkan kasus spesifik yang dibutuhkan untuk alur kerja saat ini, lalu lanjutkan mengorkestrasi langkah-langkahnya. Ini mengurangi upaya awal yang tidak perlu dan menghemat penggunaan kredit.
Secara keseluruhan, Apidog mengintegrasikan Endpoint Test, Test Scenarios, dan kemampuan AI dalam satu alur kerja, mengubah hambatan umum pengujian API—menulis kasus, menyiapkan data, dan merangkai proses—menjadi tugas yang dapat dikelola.
Jika Anda masih berpikir pengujian otomatis berarti "konfigurasi yang kompleks dan kurva pembelajaran yang curam", mulailah dari yang kecil: pilih satu endpoint di Apidog, hasilkan beberapa kasus, dan jalankan skenario uji. Anda akan segera merasakan betapa jauh lebih lancar dan cepatnya proses ini dalam praktiknya.