# apitest-platform

**Repository Path**: aiagentdemo/apitest-platform

## Basic Information

- **Project Name**: apitest-platform
- **Description**: 仿 Apifox 的接口自动化测试平台，保留接口自动化测试核心能力，并新增两个 AI 功能
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-07-17
- **Last Updated**: 2026-07-17

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# ApiForge · 接口自动化测试平台

仿 Apifox 的接口自动化测试平台，保留接口自动化测试核心能力，并新增两个 AI 功能：
**AI 按接口 Schema 构造数据** 与 **AI 生成接口测试用例**。

- 后端：Python · FastAPI · SQLAlchemy · **MySQL**
- 前端：Vue 3 · Vite（浅色科技风，Apifox 式布局）
- 大模型：复用万擎（OpenAI 兼容），无 key 时自动降级 mock

---

## 界面预览

![接口自动化测试平台](./screenshot.png)

## 功能

| 模块 | 说明 |
| --- | --- |
| 用户与项目 | JWT 注册/登录，数据按用户 + 项目隔离 |
| 接口管理 | 接口 CRUD、分组、方法/路径/头/查询参数/请求体/参数 Schema |
| 接口调试 | 后端用 httpx 真实发请求，支持 `{{变量}}` 环境替换，返回状态码/头/体/耗时 |
| 测试用例 | 单接口用例 + 断言（status / jsonpath / header / response_time / contains） |
| 测试场景 | 多接口串联，用 JSONPath 提取响应写入变量，供后续步骤引用，顺序执行 |
| 环境变量 | 多环境变量组，一键切换当前环境 |
| 测试报告 | 用例/场景运行记录、断言明细、通过率统计 |
| ✦ AI 造数据 | 按接口参数 Schema 生成正常/边界/异常多组请求数据 |
| ✦ AI 生成用例 | 按接口定义生成带断言的测试用例并落库 |

---

## 目录结构

```
apitest-platform/
├── backend/                 # FastAPI 后端
│   ├── app/
│   │   ├── core/            # 配置、DB、安全(JWT/bcrypt)、依赖
│   │   ├── models/          # SQLAlchemy 模型
│   │   ├── schemas/         # Pydantic
│   │   ├── api/             # auth / projects / endpoints / tests / ai 路由
│   │   ├── services/        # 请求执行 + 断言 + JSONPath 提取引擎
│   │   └── llm/             # 万擎(OpenAI 兼容) + mock 降级
│   ├── main.py
│   ├── requirements.txt
│   └── .env.example
└── frontend/                # Vue3 前端
    └── src/{views,api.js,store.js,router.js}
```

---

## 后端启动

### 1. 准备 MySQL

在你本机/服务器上建库（字符集 utf8mb4）：

```sql
CREATE DATABASE apitest DEFAULT CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;
```

表会在服务启动时由 SQLAlchemy 自动创建，无需手写建表语句。

### 2. 配置环境变量

```bash
cd backend
cp .env.example .env
```

编辑 `.env`：

```ini
# MySQL 连接串（按你的库改）
DATABASE_URL=mysql+pymysql://root:你的密码@127.0.0.1:3306/apitest?charset=utf8mb4
SECRET_KEY=换成一段足够长的随机串

# 万擎大模型（OpenAI 兼容）
LLM_BASE_URL=https://xxx.xxx.com/api/agent/v1/apps
LLM_MODEL=xxxxx
LLM_API_KEY=你的key
LLM_FALLBACK_TO_MOCK=true     # 无 key / 无网络时降级 mock，保证可跑通
```

> 未装 MySQL 想先跑通？把 `DATABASE_URL` 改成 `sqlite:///./apitest.db` 即可，同一套模型两种库都能建表。

### 3. 安装依赖并启动

```bash
python3 -m pip install -r requirements.txt
python3 main.py            # http://localhost:8000
# 交互式 API 文档：http://localhost:8000/docs
```

---

## 前端启动

```bash
cd frontend
npm install
npm run dev                # http://localhost:5174（已把 /api 代理到 8000）
# 生产构建：npm run build  → 产物在 frontend/dist
```

打开 http://localhost:5174 → 注册账号 → 新建项目 → 新建接口调试 → 配置断言/场景 → 用 AI 造数据/生成用例。

---

## AI 说明

- AI 复用XXX大模型（OpenAI 兼容协议）。`.env` 配了 `LLM_API_KEY` 且能访问内网时走真实模型。
- 无 key / 无网络时，`LLM_FALLBACK_TO_MOCK=true` 会返回结构化 mock 数据，保证功能可离线演示。
- 「AI 造数据」依赖接口的 **参数 Schema**（在接口配置里填 JSON 数组），Schema 越完整，生成数据越贴合业务。

---

## 典型流程（登录→取资料 场景串联）

1. 建接口 A `POST {{baseUrl}}/login`，接口 B `GET {{baseUrl}}/profile`（头 `Authorization: Bearer {{token}}`）。
2. 建场景，步骤 1 选 A，提取 `token = $.data.token`；步骤 2 选 B，断言 `$.data.name` 等于预期。
3. 运行场景：步骤 1 的 token 自动传给步骤 2，报告里可看到每步断言与提取的变量。