AI가 API 개발 및 테스트에 점점 더 통합됨에 따라 자동화된 테스트의 진입 장벽은 꾸준히 낮아지고 있습니다. 한때 반복적인 수동 작업과 데이터 준비가 필요했던 작업들이 이제 AI를 통해 처리될 수 있습니다. Apidog 또한 API 테스트의 이러한 변화를 반영합니다.
Apidog에서 자동화된 테스트는 주로 두 가지 접근 방식인 엔드포인트 테스트와 테스트 시나리오를 중심으로 이루어집니다.
엔드포인트 테스트 모듈이 보이지 않는다면, Apidog 버전이 오래되었다는 뜻입니다. 간단히 최신 버전으로 업데이트하세요.
엔드포인트 테스트 모듈은 API의 모든 HTTP 엔드포인트를 표시하여 QA 개발자들이 더 집중할 수 있도록 합니다. 이 모듈에는 엔드포인트 편집은 허용하지 않고 테스트 케이스, 테스트 보고서 및 문서만 포함됩니다. 이러한 설계는 테스터가 테스트 케이스 생성 및 실행에 효율적으로 집중할 수 있도록 보장합니다.
반면, 테스트 시나리오는 여러 엔드포인트 또는 테스트 케이스를 함께 연결합니다. 이를 통해 엔드포인트 간의 실행 순서와 데이터 전달 관계를 정의하여 완전한 비즈니스 프로세스를 효과적으로 시뮬레이션할 수 있습니다.
엔드포인트 테스트와 테스트 시나리오 모두에 AI가 통합됨에 따라 API 테스트는 점차 더욱 자동화되고, 재사용 가능하며, 효율적인 실행으로 전환될 수 있습니다. 다음으로, 이 두 가지 테스트 방법이 실제 문제를 해결하는 데 어떻게 도움이 되는지 살펴보겠습니다.
자동화된 엔드포인트 테스트
엔드포인트 테스트는 엔드포인트 자체의 안정성과 입력/출력이 예상에 부합하는지 여부에 중점을 둡니다. 각 테스트 케이스는 독립적으로 실행되며, 다양한 데이터를 사용하여 단일 엔드포인트를 철저히 검증하는 데 주력합니다.
AI 생성 테스트 케이스
엔드포인트 테스트 모듈에서 아무 엔드포인트나 열고 AI로 생성을 클릭하세요. AI가 엔드포인트 파라미터와 응답 구조를 기반으로 일련의 테스트 케이스를 자동으로 생성합니다.
특정 테스트 케이스만 필요한 경우, 기본 유형을 선택할 필요가 없습니다. AI에 직접 요구 사항을 설명하기만 하면 해당 테스트 케이스를 생성해줍니다. 예를 들어, AI에게 다음을 요청할 수 있습니다:
- "성공적으로 로그인하고 토큰 추출"을 위한 테스트 케이스를 생성합니다.
- "기존 파라미터를 기반으로 시그니처 필드
sign을 생성하고 전송"하는 테스트 케이스를 생성합니다.
더 정확한 결과를 위해 다음과 같이 상세한 조건과 규칙을 제공할 수 있습니다:
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.이렇게 하면 AI는 사용자의 규칙에 따라 누락이나 오해 없이 정확하게 케이스를 생성합니다.
테스트 데이터 생성
테스트 케이스를 생성하는 동안 AI는 다양한 실제 입력 상황을 다루기 위해 여러 유형의 케이스에 대한 해당 테스트 데이터셋도 준비합니다.
표준 비즈니스 시나리오 케이스에서 테스트 데이터는 일반적으로 여러 세트의 의미적으로 유효한 파라미터 값으로 구성됩니다. 예를 들어, 로그인 엔드포인트 테스트에서 모든 이메일과 비밀번호가 유효하더라도, 데이터셋에는 점, 더하기 기호, 숫자 이메일, 회사 이메일과 같이 다양한 일반적인 이메일 형식이 포함되어 정상적인 사용 시나리오에서 엔드포인트의 호환성과 안정성을 검증합니다.
비정상 또는 경계 테스트 케이스에서는 테스트 데이터가 의도적으로 유효성 검사 규칙을 위반하는 입력을 포함하도록 설계됩니다.
예를 들어, "유효하지 않은 이메일 형식으로 로그인하고 400 오류를 예상"과 같은 테스트 케이스에서 데이터셋은 @ 기호가 없거나 도메인 이름이 없거나 공백이 포함된 이메일과 같이 다양한 유형의 유효하지 않은 이메일 주소를 포함합니다. 목표는 API 엔드포인트가 이러한 유효하지 않은 입력을 올바르게 감지하고 요청을 적절하게 거부할 수 있는지 확인하는 것입니다.
테스트 데이터 참조
테스트 케이스에서 {{variable_name}} 구문을 사용하여 테스트 데이터를 참조하고 요청 파라미터, 요청 본문 및 기타 필드에 변수를 삽입할 수 있습니다.
테스트가 실행될 때 Apidog는 데이터셋에서 값을 하나씩 자동으로 가져와 각 값을 사용하여 요청을 보냅니다. 이를 통해 테스트 케이스를 다시 작성할 필요 없이 여러 번 다른 데이터로 동일한 엔드포인트를 테스트할 수 있습니다.
일괄 실행 및 테스트 보고서
테스트 케이스와 해당 데이터가 준비되면 여러 테스트 케이스를 선택하여 함께 실행할 수 있습니다. 각 테스트 케이스는 자체 구성에 따라 독립적으로 실행되며, 모든 결과는 쉽게 검토할 수 있도록 단일 테스트 보고서로 취합됩니다.
실제 애플리케이션에서 엔드포인트는 거의 독립적으로 작동하지 않습니다. 한 요청의 응답이 다음 요청의 입력으로 사용될 때, 테스트는 더 이상 단일 엔드포인트에 관한 것이 아니라 전체 호출 체인에 관한 것이 됩니다.
이 지점에서 테스트 시나리오가 중요해집니다.
테스트 시나리오
단일 엔드포인트만으로는 비즈니스 작업을 완료하기에 대개 충분하지 않습니다. 예를 들어, 사용자는 주문을 하기 전에 로그인해야 하며, 주문이 성공적으로 생성된 후에만 주문 세부 정보를 조회할 수 있습니다. 한 엔드포인트의 응답은 종종 다음 엔드포인트의 입력이 됩니다.
이러한 종속성은 단일 엔드포인트 테스트만으로는 완전히 검증하기 어렵습니다.
테스트 시나리오는 단일 엔드포인트가 올바르게 작동하는지 확인하는 것에서 벗어나 전체 호출 체인이 원활하고 예상대로 실행되는지 검증하는 데 중점을 둡니다.
엔드포인트를 워크플로우로 오케스트레이션하기
Apidog에서 새 테스트 시나리오를 생성한 후, 여러 엔드포인트 또는 기존 테스트 케이스를 특정 순서로 추가하여 각 단계의 실행 순서를 명확하게 정의할 수 있습니다.
테스트 단계 간 데이터 전달
엔드포인트가 서로 의존할 때, 테스트 시나리오를 통해 한 단계에서 다음 단계로 데이터를 변수로 전달할 수 있습니다. 예를 들어, 주문 생성 엔드포인트에서 반환된 id는 주문 조회 또는 업데이트와 같은 후속 단계에서 직접 재사용할 수 있습니다.
이러한 데이터 전달에는 추가 코드가 필요하지 않습니다. 대신, 변수 참조를 사용하여 엔드포인트 간의 업스트림 및 다운스트림 관계를 명확하게 정의합니다.
테스트 케이스가 누락된 경우
테스트 시나리오를 오케스트레이션할 때, 첫 번째 목표는 종종 메인 워크플로우가 원활하게 실행되도록 하는 것입니다. 예를 들어, 각 단계가 기존 테스트 케이스에 해당하는 로그인 → 주문 생성 → 주문 조회와 같습니다.
그러나 실제로는 일반적인 문제에 직면할 수 있습니다: 워크플로우의 일부 단계에 미리 준비된 테스트 케이스가 없거나, 기존 케이스가 워크플로우 요구 사항을 완전히 충족하지 못할 수 있습니다.
예를 들어, 로그인 단계에서는 성공적인 로그인을 확인하는 것뿐만 아니라 반환된 토큰을 후속 요청을 위한 환경 변수로 추출해야 할 수도 있습니다. 기존의 단일 엔드포인트 테스트 케이스는 토큰 추출을 처리하지 않고 기본적인 로그인 유효성 검사만 수행할 수 있습니다.
반환된 필드를 변수로 추출하는 방법을 잘 모르거나 스크립팅에 익숙하지 않다면, 시나리오 오케스트레이션을 일시 중지할 수 있습니다. 그런 다음 해당 엔드포인트의 엔드포인트 테스트 페이지로 이동하여 AI를 활용하여 요구 사항을 처리할 수 있습니다. 예를 들어 다음과 같이 지정할 수 있습니다.
"성공적인 로그인 후 토큰을 추출하여 환경 변수로 저장하고, 필요한 어설션을 포함하는 테스트 케이스를 생성해 줘."
테스트 케이스에 대한 더 정확한 제어를 원한다면, 고급 설정에서 단계별 생성을 활성화할 수 있습니다.
일단 활성화되면 Apidog는 먼저 테스트 케이스 목록(이름 및 설명 포함)을 생성합니다. 그런 다음 전체 상세 테스트 케이스 데이터를 생성하기 전에 수동으로 검토, 수정 및 확인할 수 있습니다.
테스트 케이스가 생성되면 테스트 시나리오로 돌아갑니다. 이 케이스를 로그인 단계로 직접 사용할 수 있으며, 후속 엔드포인트는 동적 값을 통해 토큰을 참조하여 워크플로우가 원활하게 계속되도록 할 수 있습니다.
테스트 시나리오에서 테스트 데이터가 필요한 경우, 먼저 엔드포인트 테스트에서 AI가 테스트 데이터를 포함하는 케이스를 생성하도록 할 수 있습니다. 그런 다음 일괄 편집을 사용하여 CSV 형식 데이터셋을 테스트 시나리오로 복사하면 데이터 설정이 훨씬 빠르고 편리해집니다.
이 접근 방식은 테스트 시나리오가 항상 메인 워크플로우를 중심으로 진행되도록 보장하며, AI는 온디맨드 지원 도우미 역할을 합니다. 단계가 누락될 때마다 AI를 사용하여 해당 엔드포인트에 대한 적절한 테스트 케이스를 생성한 다음, 즉시 워크플로우에 다시 연결하면 됩니다.
요약
AI는 API 테스트가 검증해야 하는 것을 바꾸지는 않았지만, 테스트를 시작하고 완료하는 데 필요한 노력을 크게 줄였습니다.
엔드포인트 테스트에서 AI는 주로 느린 테스트 케이스 생성과 불완전한 커버리지 문제를 해결합니다. 이를 통해 수동으로 데이터를 준비하고 케이스를 작성하는 데 묶여 있지 않고, 테스트가 더 빠르게 검증 단계로 넘어갈 수 있습니다.
테스트가 테스트 시나리오로 진행되면, 단일 엔드포인트를 검증하는 것에서 실제 호출 시퀀스 내에서 엔드포인트들이 올바르게 함께 작동하는지 확인하는 것으로 초점이 바뀝니다.
이 워크플로우에서는 모든 테스트 케이스를 미리 준비할 필요가 없습니다. 시나리오가 점진적으로 구축됨에 따라 언제든지 단일 엔드포인트 테스트로 돌아가 AI가 현재 워크플로우에 필요한 특정 케이스를 생성하도록 한 다음, 단계 오케스트레이션을 계속할 수 있습니다. 이는 불필요한 사전 노력을 줄이고 크레딧 사용을 절약합니다.
전반적으로 Apidog는 엔드포인트 테스트, 테스트 시나리오, AI 기능을 단일 워크플로우 내에 통합하여, API 테스트의 일반적인 병목 현상(케이스 작성, 데이터 준비, 프로세스 연결)을 관리 가능한 작업으로 전환합니다.
만약 여전히 자동화된 테스트가 "복잡한 구성과 가파른 학습 곡선"을 의미한다고 생각한다면, 작게 시작해 보세요: Apidog에서 단일 엔드포인트를 선택하고, 몇 가지 케이스를 생성한 다음, 테스트 시나리오를 실행해 보세요. 실제 환경에서 프로세스가 얼마나 더 원활하고 빨라질 수 있는지 빠르게 경험할 수 있을 것입니다.