在前面的章节中，分别介绍了 Web、App、接口自动化测试用例的生成。但是在前文中实现的效果均为在控制台打印自动化测试的用例。用例需要手动粘贴，调整之后再执行。
那么其实这个手动粘贴、执行的过程，也是可以直接通过人工智能完成的。
应用价值
- 通过人工智能代替人工操作的部分，节省时间，提升效率。
- 通过封装更多的 Tools，让 Agent 更为智能。
实践演练
实现原理
实现思路
在理解需求之后，我们可以了解到我们需要让 Agent 具备两个功能：
- 输入源码信息，生成 python 文件。
- 输入文件名，执行 pytest 测试文件功能。
如此，可以通过如下两个步骤实现需求：
- 工具包封装。
- 实现 Agent。
工具包封装
为了让工具包更易被大模型理解，我们将注释调整为英文，提升准确率。同时为了传参的时候不出现格式错误问题，通过args_schema限制参数结构与格式（tools 章节有具体讲解）。
from langchain_core.tools import tool
from pydantic.v1 import BaseModel, Fieldclass PythonFileInput(BaseModel):# 定义参数的描述filename: str = Field(description="filename")source_code: str = Field(description="source code data")class PytestFileName(BaseModel):# 定义参数的描述filename: str = Field(description="The name of the file to be executed")@tool(args_schema=PythonFileInput)
def write_file(filename, source_code):"""Generate python files based on input source code"""with open(filename, "w") as f:f.write(source_code)@tool(args_schema=PytestFileName)
def execute_test_file(filename):"""Pass in the file name, execute the test case and return the execution result"""import subprocess# 使用subprocess模块执行pytest命令result = subprocess.run(['pytest', filename], capture_output=True, text=True)# 检查pytest的执行结果if result.returncode == 0:print("测试运行成功！")else:print("测试运行失败：")print(result.stdout)return result.stdout通过 AGENT 实现需求
- 首先封装 Agent，绑定工具，输入提示词。在示例中，是在 LangChain 官方提供的
structured-chat-agent提示词基础之上修改的提示词，添加了一个code变量。目的是为了后面 code 可以由其他的 chain 的执行结果而来。
# 注意：需要再原提示词的基础上添加 {code} 变量
# prompt = hub.pull("hwchase17/structured-chat-agent")
llm = ChatOpenAI()agent1 = create_structured_chat_agent(llm, tools_all, prompt)agent_executor = AgentExecutor(agent=agent1, tools=tools_all,verbose=True,return_intermediate_steps=True,handle_parsing_errors=True)if __name__ == '__main__':agent_executor.invoke({"input": "请根据以上源码生成文件", "code": """def test_demo(): return True"""})由以上的步骤，即可生成一个源码文件：
- 在生成源码文件后，可以继续补充提示词，要求Agent 执行对应的测试用例：
if __name__ == '__main__':agent_executor.invoke({"input": """请根据以下步骤完成我让你完成操作，没有完成所有步骤不能停止:1. 先根据以上源码生成文件。2. 根据上一步生成的源码文件，进行执行测试用例操作，并返回终的执行结果""","code": """def test_demo(): return True"""})
到这里，通过 Agent 就能自动生成测试用例文件，执行测试用例了。
与其他的场景结合
在前面的章节中，已经实现了自动生成接口自动化测试用例的操作。可以直接与前面的操作结合，自动生成接口自动化测试用例，并执行测试用用例。
注意：load_case 如何实现在前面章节：《基于LangChain手工测试用例转接口自动化测试生成工具》，已有对应讲解
# load_case 的返回结果是接口的自动化测试用例
chain = (RunnablePassthrough.assign(code=load_case) | agent1
)agent_executor = AgentExecutor(agent=chain, tools=tools_all,verbose=True,return_intermediate_steps=True,handle_parsing_errors=True)if __name__ == '__main__':agent_executor.invoke({"input": """请根据以下步骤完成我让你完成操作，没有完成所有步骤不能停止:1. 先根据以上源码生成文件。2. 根据上一步生成的源码文件，进行执行测试用例操作，并返回终的执行结果"""})
执行之后，即可在控制台看到生成的接口自动化测试用例的执行记录。
总结
- 自动化测试用例的生成与执行的实现原理。
- 自动化测试用例的生成与执行的实现思路。
- 利用 Agent 实现自动化测试用例的生成与执行。
