Esta é uma série de 10 partes que compartilha como a Apidog desenvolveu o Apidog CLI, uma ferramenta de linha de comando para teste de API e gerenciamento do ciclo de vida da API. Leia em ordem ou pule para qualquer post que lhe interesse:
| Título | Foco | |
|---|---|---|
| 1 | Construímos 126 Ferramentas MCP. Mas Não É a Melhor Solução para Agente | Descoberta do problema |
| 2 | Por Que Desenvolvemos o Novo Apidog CLI | Desenvolvimento de arquitetura |
| 3 | A Regra de Ouro: CLI Produz Fatos, Modelo Atua em Fatos | Filosofia central |
| 4 | agentHints: Ensinando CLIs a Falar com Agentes |
Saída estruturada |
| 5 | SKILL: Transformando Experiência Operacional em Código | Experiência operacional |
| 6 | Os Números Não Mentem: 30% Menos Chamadas de Ferramentas, 25% Menos Tokens | Resultados quantitativos |
| 7 | Do PRD ao Loop de Teste: Um Fluxo de Trabalho Completo do Agente com Apidog CLI | Tutorial prático |
| 8 | Por Que a Compatibilidade CI/CD É Inegociável para Ferramentas de Agente | Perspectiva DevOps |
| 9 | AI Branch: Mudanças de Projeto Mais Seguras com Agentes de IA | Camada de segurança |
| 10 | Spec-First Foi Ontem. Bem-Vindo ao Skill-First. | Visão e futuro |
A amigabilidade com Agentes deve ser construída sobre a amigabilidade com CI/CD. Saiba por que apidog run atende tanto aos pipelines de CI quanto aos Agentes de IA—e por que essa dupla finalidade é importante
O Público Duplo
Ao construir ferramentas de Agente, é fácil focar apenas na experiência conversacional.
O Apidog CLI tem um alvo de serviço importante que não deve ser esquecido: CI/CD.
| Público Original | Novo Público |
|---|---|
| Pipelines CI/CD | Agentes de IA |
| Sistemas de agendamento externos | Fluxos de trabalho conversacionais |
| Scripts e automação | Tarefas orientadas pelo usuário |
Muitas equipes já estão usando o Apidog em pipelines para:
- Executar testes automatizados de API
- Gerar relatórios
- Manter portas de qualidade
Este cenário requer:
| Requisito | Porquê |
|---|---|
| Saída estável | Scripts analisam resultados previsíveis |
| Comandos scriptáveis | Execução automatizada |
| Códigos de saída claros | Decisões de sucesso/falha do pipeline |
| Parâmetros configuráveis | Execuções específicas do ambiente |
A automação não pode ser quebrada apenas para acomodar Agentes.
O Princípio Principal
A amigabilidade com Agentes deve ser construída sobre a amigabilidade com CI/CD.
Não reinventamos um protocolo que só pode ser usado por IA. Adicionamos saída estruturada, validação de Schema e orientação para a próxima etapa que os Agentes precisam sobre uma forma já validada por sistemas de engenharia.
Boas ferramentas de engenharia CLI na era dos Agentes devem ser capazes de servir:
| Consumidor | Suas Necessidades |
|---|---|
| Humanos | Saída legível, texto de ajuda, recursos interativos |
| Scripts | Saída estável, comandos scriptáveis |
| Pipelines CI | Códigos de saída, arquivos de relatório, execuções configuráveis |
| Agentes de IA | Resultados estruturados, validação, orientação |
apidog run: O Comando Principal
A base permanece:
apidog run --project <IDdoProjeto> \
--test-scenario <IDdoCenarioDeTeste> \
--environment <IDdoAmbiente> \
-r "cli,html,junit" \
--out-dir ./apidog-reportsEste comando atende a todos os quatro consumidores.
O Que o CI Considera Importante
| Requisito CI | Funcionalidade CLI |
|---|---|
| Códigos de saída | 0 para sucesso, 1 para falha—decisão do pipeline |
| Arquivos de relatório | Formatos HTML, JUnit, JSON em --out-dir |
| Parâmetros estáveis | Opções consistentes entre versões |
| Execuções configuráveis | Iterações (-n), atrasos (--delay-request), ambientes (-e) |
Exemplo de uso em CI:
# GitHub Actions
- name: Executar Testes de API
run: |
apidog run --project $PROJECT_ID \
--test-scenario $SCENARIO_ID \
--environment $ENV_ID \
-r "junit" \
--out-dir ./reports
env:
PROJECT_ID: ${{ secrets.APIDOG_PROJECT_ID }}
SCENARIO_ID: ${{ secrets.APIDOG_SCENARIO_ID }}
ENV_ID: production
- name: Publicar Relatório de Teste
uses: mikepenz/action-junit-report@v3
with:
report_paths: './reports/junit.xml'O pipeline lê o código de saída → passa ou falha → publica o relatório.
O Que os Agentes Consideram Importante
| Requisito do Agente | Funcionalidade CLI |
|---|---|
| Resultados estruturados | Formato de saída JSON com objeto data |
| Motivos de falha | Detalhes de erro específicos no objeto error |
| Sugestões para o próximo passo | agentHints com array nextSteps |
| Validação | cli-schema validate antes das escritas |
Exemplo de uso do Agente:
{
"success": true,
"stats": {
"total": 10,
"passed": 8,
"failed": 2
},
"failures": [
{
"step": "Processamento de pagamento",
"error": "A asserção falhou: status != 'success'",
"response": {...}
}
],
"agentHints": {
"summary": "2 testes falharam. Revise os detalhes da falha.",
"nextSteps": [
"Depure a falha da etapa de processamento de pagamento.",
"Verifique a asserção: status esperado 'success'.",
"Atualize o caso de teste ou endpoint após a correção."
]
}
}O Agente analisa JSON → entende as falhas → segue os próximos passos.
Mesmo Comando, Diferentes Consumidores
apidog run --project <IDdoProjeto> --out-dir ./apidog-reports
| Consumidor | O Que Eles Extraem |
|---|---|
| Pipeline CI | Código de saída (0/1), localização do arquivo de relatório |
| Agente | Saída JSON, agentHints, detalhes da falha |
| Humano | Saída do console, link do relatório HTML |
| Script | Stdout/stderr, formato configurável |
Um comando atende a todos.
Pontos de Integração
O Apidog CLI suporta integração com:
| Ferramenta CI | Integração |
|---|---|
| Jenkins | Etapas de pipeline, publicação de relatório |
| GitLab CI | Configuração YAML, artefatos |
| GitHub Actions | Etapas de fluxo de trabalho, gerenciamento de segredos |
| CircleCI | Orbs, configuração de fluxo de trabalho |
| Azure DevOps | Tarefas de pipeline, resultados de teste |
Todas as integrações usam a mesma base apidog run.
Porta de Qualidade vs. Verificação
| Caso de Uso | Significado |
|---|---|
| Porta de qualidade CI | Aprovação/reprovação determina a progressão do pipeline |
| Verificação do Agente | Execução após alterações para confirmar a correção |
Mesmo comando, contexto diferente:
| Contexto | Quando Usado | Propósito |
|---|---|---|
| CI | Após o envio de código | Evitar que código ruim seja implantado |
| Agente | Após a criação do teste | Confirmar que o trabalho do Agente está correto |
O Princípio Fundacional
Tudo o que descrevemos nesta série—cli-schema, agentHints, SKILL—constrói-se sobre esta base:
┌─────────────────────────────────────────┐
│ Recursos do Agente │
│ (cli-schema, agentHints, SKILL) │
├─────────────────────────────────────────┤
│ Base CI/CD │
│ (apidog run, códigos de saída, relatórios)│
├─────────────────────────────────────────┤
│ CLI Essencial │
│ (comandos, parâmetros, execução) │
└─────────────────────────────────────────┘Os recursos do Agente não substituem os recursos do CI. Eles os estendem.
O Que Vem a Seguir
Abordamos o quadro completo—da descoberta do problema aos fluxos de trabalho práticos e aos princípios fundamentais.
Agora, há mais uma peça crítica: segurança.
Quando os Agentes modificam os recursos do projeto, como você evita que eles afetem diretamente o branch principal?
Na Parte 9, AI Branch: Mudanças de Projeto Mais Seguras com Agentes de IA, exploraremos como o AI Branch fornece um ambiente de edição isolado—as mudanças permanecem em um branch separado até a revisão humana, criando uma camada de segurança para modificações orientadas por Agentes.
Principais Conclusões
- A compatibilidade CI/CD é a base, não opcional
- Amigabilidade com Agentes construída sobre amigabilidade com CI
- O mesmo comando (
apidog run) atende CI, Agentes, humanos e scripts - Necessidades do CI: códigos de saída, relatórios, parâmetros estáveis
- Necessidades dos Agentes: saída estruturada, detalhes de falha, próximos passos
- Porta de qualidade (CI) + verificação (Agente) = dupla finalidade
Baixe o Apidog para projetar, simular, testar e documentar APIs em um único workspace. Saiba mais sobre o Apidog CLI para teste de API via linha de comando, automação CI e fluxos de trabalho de Agentes de IA.
