在传统编写 Web 自动化测试用例的过程中，基本都是需要测试工程师，根据功能测试用例转换为自动化测试的用例。市面上自动生成 Web 或 App 自动化测试用例的产品无非也都是通过录制的方式，获取操作人的行为操作，从而记录测试用例。
整个过程类似于
但是通常录制出来的用例可用性、可维护性都不强，而且依然需要人手工介入录制的过程。
在 LLM 问世之后，我们便在探索，是否有第二种可能性，由大模型执行功能测试用例，生成自动化测试用例？
应用价值
测试工程师在编写用例的过程中，将操作步骤明确的表达出来。即可通过大模型将功能测试用例可以直接转为 Web 自动化测试用例。极大的节省了人力与资源。
实践演练
实现原理
整个实现原理如下图所示：
实现思路
测试用例规范与要求
如果想要将功能用例转换为自动化测试用例，那么对功能测试用例则需要清晰，明确的表达出来每个操作步骤。如果测试用例本身就表达的含糊不清，那么自然大模型是无法识别它需要进行的具体的操作步骤的。
如下所示，为一个登录功能的测试步骤。在这些测试步骤中，具体打开哪些页面，输入哪些信息，点击哪些按钮都清晰的表达了出来。
1. 打开 https://litemall.hogwarts.ceshiren.com/#/login?redirect=%2Fdashboard2. 输入用户名 hogwarts3. 输入密码 test123454. 点击登录按钮5. 进入主页，获取此时的url6. 执行完成，退出浏览器
复制代码
通过 AGENT 执行功能测试用例。
大模型本身是不具备任何执行能力或生成能力的，它只会”思考“，但是通过 LangChain 的 Agent，可以将一些”工具”外挂到大模型身上。
那么如果要执行这些功能测试用例，大模型就需要具备执行用例的能力。而我们要做的事情，就是将 tools（工具包），外挂到大模型上面。
相关知识点： Agent、 tools
class WebAutoFramework:
def __init__(self): self.driver = None self.element = None
def init(self): if not self.driver: self.driver = webdriver.Chrome() self.driver.implicitly_wait(5)
def open(self, url): self.init()
self.driver.get(url) return self.source()
def source(self): return self.driver.execute_script( """ var content=""; document.querySelectorAll('button').forEach(x=> content+=x.outerHTML); document.querySelectorAll('input').forEach(x=> content+=x.outerHTML); //document.querySelectorAll('table').forEach(x=> content+=x.outerHTML); return content; """ )
def click(self): """ 点击当前的元素 :return: """ self.element.click() sleep(1) return self.source()
def send_keys(self, text): self.element.clear() self.element.send_keys(text) return self.source()
def find(self, locator): print(f"find css = {locator}") element = self.driver.find_element(by=By.CSS_SELECTOR, value=locator) self.element = element return self.source()
def quit(self): self.driver.quit()
def get_current_url(self): print(f"当前的url为{self.driver.current_url}") return self.driver.current_url
复制代码
web = WebAutoFramework()@tooldef open(url: str): """ 使用浏览器打开特定的url，并返回网页内容 """ r = web.open(url) return r
@tooldef find(css: str): """定位网页元素""" return web.find(css)
@tooldef click(css: str = None): """以css的方式定位网页元素后点击""" web.find(css) return web.click()
@tooldef send_keys(css, text): """定位到css指定的元素，并输入text""" web.find(css) return web.send_keys(text)
@tooldef sleep(seconds: int): """等待指定的秒数""" time.sleep(seconds)
@tooldef quit(): """退出浏览器""" web.quit()
@tooldef get_current_url(): """获取当前的url""" return web.get_current_url()
tools = [open, quit, get_current_url, find, click, send_keys]
复制代码
声明 Agent，并将 tools 传递过去：
web_agent = create_structured_chat_agent(llm, tools, prompt)# Create an agent executor by passing in the agent and toolsweb_agent_executor = AgentExecutor( agent=web_agent, tools=tools, verbose=True, return_intermediate_steps=True, handle_parsing_errors=True)
复制代码
执行 Agent:
r = web_agent_executor.invoke({"input": query})
复制代码
记录执行步骤
在 Agent 的配置中，可以要求 agent 将所有的执行步骤记录下来。而执行记录会记录在返回结果中的intermediate_steps中。
而我们则需要将这些步骤取出来，按照我们的需求记录下来。
# 获取执行结果r = agent.invoke({"input": query})# 获取执行记录steps = r["intermediate_steps"]steps_info = []# 遍历执行步骤for step in steps: action = step[0] if isinstance(action, AgentAction): steps_info.append({'tool': action.tool, 'input': action.tool_input})
复制代码
生成自动化测试用例。
拥有执行步骤之后，可以将执行步骤传递给大模型，然后让大模型根据执行步骤直接生成 web 自动化测试用例。
prompt = PromptTemplate.from_template("""你是一个web自动化测试工程师，主要应用的技术栈为pytest + selenium。以下为web自动化测试的测试步骤，测试步骤由json结构体描述{step}
{input}""")
复制代码
AGENT 结合 CHAIN
import json
from langchain import hubfrom langchain.agents import create_structured_chat_agent, AgentExecutorfrom langchain.globals import set_debugfrom langchain_core.agents import AgentActionfrom langchain_core.output_parsers import StrOutputParserfrom langchain_core.prompts import PromptTemplatefrom langchain_core.runnables import RunnablePassthroughfrom langchain_openai import ChatOpenAI
from web.selenium_tools import tools
set_debug(True)
prompt = hub.pull("hwchase17/structured-chat-agent")llm = ChatOpenAI()web_agent = create_structured_chat_agent(llm, tools, prompt)# Create an agent executor by passing in the agent and toolsweb_agent_executor = AgentExecutor( agent=web_agent, tools=tools, verbose=True, return_intermediate_steps=True, handle_parsing_errors=True)
query = """你是一个自动化测试工程师，接下来需要根据测试步骤，每一步如果定位都是根据上一步的返回的html操作完成执行对应的测试用例，测试步骤如下1. 打开 https://litemall.hogwarts.ceshiren.com/#/login?redirect=%2Fdashboard2. 输入用户名 hogwarts3. 输入密码 test123454. 点击登录按钮5. 进入主页，获取此时的url6. 执行完成，退出浏览器"""
def web_execute_result(_): # 获取执行结果 r = web_agent_executor.invoke({"input": query}) # 获取执行记录 steps = r["intermediate_steps"] steps_info = [] # 遍历执行步骤，获取每一步的执行步骤以及输入的信息。 for step in steps: action = step[0] if isinstance(action, AgentAction): steps_info.append({'tool': action.tool, 'input': action.tool_input}) return json.dumps(steps_info)
prompt_testcase = PromptTemplate.from_template("""你是一个web自动化测试工程师，主要应用的技术栈为pytest + selenium。以下为web自动化测试的测试步骤，测试步骤由json结构体描述
{step}
{input}
""")
chain = ( RunnablePassthrough. assign(step=web_execute_result) | prompt_testcase | llm | StrOutputParser())
print(chain.invoke({"input": "请根据以上的信息，给出对应的web自动化测试的代码"}))
复制代码
执行效果
最后，自动生成的 Web 自动化测试用例效果如下：
总结
Web 自动化测试用例生成工具需求说明。
如何通过 LangChain 实现 Web 自动化测试用例生成工具。
评论