Yepyeni Apidog CLI + SKILL Geliştirme Nedenlerimiz

Bu, Apidog'un API testi ve API yaşam döngüsü yönetimi için bir komut satırı aracı olan Apidog CLI'ı nasıl geliştirdiğini paylaşan 10 bölümlük bir seridir. Sırayla okuyun veya ilginizi çeken herhangi bir gönderiye atlayın:

MCP'nin optimize etmediği karmaşık iş akışlarını doğrulama kapıları ve yapılandırılmış yürütme ile ele almak için CLI + SKILL'i inşa ettik.

MCP Amacına Hizmet Etmeye Devam Ediyor

CLI + SKILL'e dalmadan önce netleştirelim: Apidog MCP hala mevcut ve bakımı yapılıyor.

MCP, protokole uygun standartlaştırılmış araç bağlantıları sağlar; bu da şunlar için değerlidir:

• Basit, iyi tanımlanmış işlemler
• MCP tabanlı iş akışlarını tercih eden kullanıcılar
• MCP uyumlu istemcilerle ekosistem entegrasyonu

MCP'yi değiştirmedik. Onu tamamlamak için CLI + SKILL'i inşa ettik.

Keşfettiğimiz şey, MCP'nin araçları bağlama konusunda üstün olduğu, ancak karmaşık Ar-Ge iş akışları (doğrulama, geri okuma ve doğrulama içeren çok adımlı süreçler) için Ajanların yürütülebilir mühendislik süreçlerinden faydalandığıdır. CLI + SKILL işte tam da buraya uyar.

Şöyle düşünün:

Eski CLI: Testleri Sonda Çalıştırma

Apidog CLI, uzun zamandır API testlerini çalıştırmak için komut satırı giriş noktası olmuştur.

apidog run --project <projeId> --test-senaryo <senaryoId> --ortam <ortamId>

Bu temel hala önemlidir. Ekiplerin şunlar için güvenilir bir yola ihtiyacı var:

• API testlerini terminalden çalıştırma
• CI ardışık düzenlerinde raporlar oluşturma
• Otomasyon iş akışları içinde kalite kapılarını tutma

Ancak eski CLI, esas olarak test yürütmeye odaklanmıştı. İş akışının sonuna yakın bir yerde ortaya çıkıyordu:

Tasarım → Belgele → Sahte Veri → Hata Ayıkla → Test Et → [CLI testleri çalıştırır]

CLI son adımdı; her şey yapıldıktan sonra.

Yeni Gereksinim: Ajanların Daha Fazlasına İhtiyacı Var

API geliştirme değişiyor.

Yapay Zeka Ajanları artık şunlara katılıyor:

Bu iş akışları için bir CLI sadece mevcut testleri çalıştıran son adım olamaz.

Ajanlara şunlar için istikrarlı bir yol sağlaması da gerekir:

• API varlıklarını (uç noktalar, şemalar, ortamlar) okuma
• Test varlıklarını (test senaryoları, test senaryoları) oluşturma veya güncelleme
• Yazmadan önce yapılandırılmış değişiklikleri doğrulama
• Bunları projeye geri yazma
• Sonucu doğrulama

Sistematik Genişleme, Artan Ekleme Değil

Yeni Apidog CLI, sadece eski CLI'ya birkaç komut eklemekten ibaret değil.

Apidog'un temel yeteneklerini sistematik olarak CLI'ya tanıtarak, geliştiriciler, komut dosyaları ve Yapay Zeka Ajanları için bir iş akışı katmanı haline getiriyor.

Arkasındaki mimari sınırlar dramatik bir şekilde değişti.

MCP VS CLI: Yürütme Zinciri Karşılaştırması

Karmaşık iş akışları için tipik yürütme zincirlerini karşılaştıralım.

MCP Rotası (Araç Bağlantısı için İyi)

MCP oturumunu başlat
        ↓
Araç listesi + araç açıklamalarını yükle
        ↓
Ajan aracı seçer
        ↓
Daha fazla araç ara (listOpenApiEndpoints)
        ↓
Şema al (getOpenApiDetails)
        ↓
HTTP çağrısını yürüt (executeOpenApi)

MCP'nin gücü: Araçları Ajanlara bağlamak için standartlaştırılmış protokol.

Karmaşıklık yerleşimi: Karmaşıklığın çoğu model bağlamında ve araç seçim aşamasındadır. Ajanın şunları anlaması gerekir:

• Araç listeleri
• Araç açıklamaları
• Giriş şemaları
• Çağrı dizileri
• Dönüş yapıları

Nerede iyi çalışır: Açık araç-görev eşlemesi olan basit işlemler.

Nerede zorlayıcı hale gelir: Ajanın birden fazla aracı düzenlemesi, ürün semantiğini anlaması ve doğrulamayı yönetmesi gereken karmaşık iş akışları.

CLI + SKILL Rotası (Karmaşık İş Akışları için Daha İyi)

SKILL görev türünü yargılar
        ↓
CLI ürün-semantik komutları yürütür
        ↓
cli-schema yapıyı doğrular
        ↓
agentHints sonraki adım önerileri sunar
        ↓
Doğrulama döngüsü (geri okuma veya apidog çalıştırma)

CLI + SKILL'in gücü: Karmaşıklığı mühendislik sistemine dağıtır.

Karmaşıklık yerleşimi:

• SKILL: Metodoloji ve iş akışı rehberliği
• CLI: Ürün-semantik yürütme
• cli-schema: Yazmadan önce doğrulama
• agentHints: Yürütmeden sonra gezinme

Nerede iyi çalışır: Çok adımlı iş akışları, doğrulama ağırlıklı işlemler, Ajan odaklı testler.

Temel Fark: Karmaşıklığın Yaşadığı Yer

Bu iki yaklaşım arasındaki fark, karmaşıklığın nereye yerleştirildiğidir.

MCP'de model şunları taşımalıdır:

• Hangi aracı kullanacağı
• Araç açıklamasının ne söylediği
• Hangi alanların gerekli olduğu
• Hangi sırayı takip edeceği
• Dönüş yapısının ne anlama geldiği

Bu, görev-araç eşlemesi basit olduğunda işe yarar.

CLI + SKILL'de mühendislik sistemi şunları taşır:

• Bunun hangi görev türü olduğu (SKILL)
• Hangi komutun yürütüleceği (CLI)
• Hangi yapının geçerli olduğu (cli-schema)
• Sonra ne yapılacağı (agentHints)

Bu, iş akışlarında doğrulama kapıları, geri okuma gereksinimleri ve doğrulama döngüleri olduğunda daha iyi çalışır.

Tipik Bir İş Akışı Örneği

İşte CLI + SKILL iş akışının somut bir örneği:

# Adım 1: Gerçekleri oku
apidog endpoint get <uçNoktaId> --project <projeId>

# Adım 2: Yazmadan önce doğrula
apidog cli-schema validate test-case-create --file ./test-case-create.json

# Adım 3: Doğrulamayı yürüt
apidog run --project <projeId> --out-dir ./apidog-raporlar

Bu üç komut üç mühendislik eylemini temsil eder:

Karmaşık İş Akışları için Ajan Yolu

Karmaşık, çok adımlı iş akışları için Ajanın yolu, CLI + SKILL yapısından faydalanır.

Karmaşık İş Akışları için MCP Yolu

"Araçları Seç → Şemaları Anla → Diziyi Düzenle → Hataları Yönet"

Ajan:

• Birçok seçenek arasından uygun araçları seçer
• Araç açıklamalarını ve şemalarını anlar
• Doğru diziyi düzenler
• Yeniden deneme yoluyla hataları yönetir

Bu işe yarayabilir, ancak her karar noktası için önemli model muhakemesi gerektirir.

Karmaşık İş Akışları için CLI + SKILL Yolu

"Gerçekleri Oku → Değişiklikleri Oluştur → Yapıyı Doğrula → Yaz → Doğrulamayı Çalıştır"

Ajan:

• Önce mevcut gerçekleri okur (SKILL tarafından yönlendirilir)
• Gerçeklere dayalı değişiklikler oluşturur
• Yapıyı yerel olarak doğrular (cli-schema)
• Projeye yazar
• Doğrulamayı çalıştırır (agentHints bir sonraki adımı yönlendirir)

Mühendislik sistemi doğrulama, rehberlik ve doğrulamayı yönetir; bu da model muhakemesi yükünü azaltır.

Her iki yol da görevi tamamlayabilir. CLI + SKILL, model bağlamı aşamasındaki karmaşıklığı azaltır.

CLI Artık Neleri Kapsıyor

Yükseltmeyle birlikte CLI, artık daha fazla temel Apidog kaynağını kapsıyor:

Bu, Apidog CLI'ın rolünü değiştirir.

Sadece her şey yapıldıktan sonra testleri yürütmek için bir yol değildir.

Artık geliştirme döngüsünde daha erken yer alabilir—bir Ajanın şunlara ihtiyacı olduğu durumlarda:

• Projeyi anlama
• Test varlıklarını oluşturma veya güncelleme
• Değişiklikleri doğrulama
• Doğrulamayı çalıştırma

Mimari Özet

Her ikisi de mevcut. Görevinize göre seçin.

Sırada Ne Var

CLI + SKILL'in MCP'yi nasıl tamamladığını belirlediğimize göre, bir sonraki soru şudur:

CLI + SKILL'i karmaşık iş akışları için etkili kılan temel prensip nedir?

Bölüm 3'te, Altın Kural: CLI Gerçekleri Üretir, Model Gerçeklere Göre Hareket Eder, her CLI + SKILL kararını yönlendiren tasarım felsefesini inceleyeceğiz; hatalar başarısız yazmalara dönüşmeden önce yakalayan kalite kapısı olan cli-schema validate ile başlayarak.

Temel Çıkarımlar

• MCP çalışmaya devam ediyor—basit işlemler ve MCP ekosistem entegrasyonu için kullanın
• CLI + SKILL, MCP'yi tamamlar—doğrulama ile karmaşık iş akışları için daha iyidir
• Temel fark, karmaşıklığın nerede yaşadığıdır: model bağlamı mı, mühendislik sistemi mi
• CLI + SKILL, doğrulama, rehberlik ve doğrulama yoluyla model muhakemesi yükünü azaltır
• CLI artık projeleri, API'ları, ortamları, test senaryolarını, test senaryolarını ve daha fazlasını kapsar
• Her iki yaklaşım da mevcut—görev karmaşıklığına göre seçin

Apidog'u indirerek API'ları tek bir çalışma alanında tasarlayın, sahte verilerini oluşturun, test edin ve belgeleyin. Komut satırı API testi, CI otomasyonu ve AI Ajan iş akışları için Apidog CLI hakkında daha fazla bilgi edinin.