基于LangChain手工测试用例转App自动化测试生成工具

文摘 2024-09-19 08:02 广东

在传统编写 App 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？

在前面的章节基于 LangChain 手工测试用例转 Web 自动化测试生成工具中，给大家讲解了手工用例转 Web 自动化测试用例的过程，而 App 自动化测试用例生成的原理也基本类似。

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 App 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  app activity ".Settings" , app package com.android.settings2. 点击 Battery3. 获取 Battery 的电量4. 返回上一级页面

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

封装好 App 的底层工具


from time import sleepfrom appium import webdriverfrom appium.options.android import UiAutomator2Optionsfrom appium.webdriver.common.appiumby import AppiumBy
class AppAutoFramework:    def __init__(self):        self.driver = None        self.element = None
    def init(self, app_activity, app_package):        if not self.driver:            # 设置 capability            caps = {                # 设置 app 安装的平台（Android、iOS）                "platformName": "android",                # 设置 appium 驱动                "appium:automationName": "uiautomator2",                # 设置设备名称                "appium:deviceName": "emulator-5554",                "appium:noReset": True,                # 设置以下两个参数来控制启动app和关闭掉app                "appium:forceAppLaunch" : True,                "appium:shouldTerminateApp" : True,                # 设置 app 的包名            "appium:appPackage": app_package,                # 设置 app 启动页            "appium:appActivity": app_activity            }            # 初始化 driver            self.driver = webdriver.Remote(                "http://localhost:4723",                options=UiAutomator2Options().load_capabilities(caps)            )            self.driver.implicitly_wait(5)        return self.source()
    def source(self):        return self.driver.page_source
    def find(self, locator):        print(f"find xpath = {locator}")        element = self.driver.find_element(by=AppiumBy.XPATH, value=locator)        self.element = element        return self.source()
    def click(self):        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 back(self):        self.driver.back()        return self.source()

创建工具以及其说明，并且将工具绑定到工具包中


import time
from langchain_core.tools import tool
app = AppAutoFramework()

@tooldef init(app_activity, app_package):    """    打开app的安装包，并返回app的resource    """    return app.init(app_activity, app_package)

@tooldef find(xpath: str):    """通过xpath定位元素"""    return app.find(xpath)

@tooldef click(xpath: str = None):    """以xpath的方式定位网页元素后点击"""    app.find(xpath)    return app.click()

@tooldef send_keys(xpath, text):    """定位到xpath指定的元素，并输入text"""    app.find(xpath)    return app.send_keys(text)

@tooldef sleep(seconds: int):    """等待指定的秒数"""    time.sleep(seconds)

@tooldef back():    """    返回上一级界面    :return:    """    app.back()

tools = [init, find, click, send_keys, sleep, back]

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import jsonfrom langchain import hubfrom langchain.agents import create_structured_chat_agent, AgentExecutorfrom langchain_core.agents import AgentActionfrom langchain_openai import ChatOpenAI
from app.appium_tools import tools
prompt = hub.pull("hwchase17/structured-chat-agent")llm = ChatOpenAI()app_agent = create_structured_chat_agent(llm, tools, prompt)# Create an agent executor by passing in the agent and toolsapp_agent_executor = AgentExecutor(    agent=app_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  app activity ".Settings" , app package com.android.settings2. 点击 Battery3. 获取 Battery 的电量4. 返回上一级页面"""
def execute_result(_):    # 获取执行结果    r = app_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)

if __name__ == '__main__':    print(execute_result(""))

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_testcase = PromptTemplate.from_template("""你是一个app自动化测试工程师，主要应用的技术栈为pytest + appium。以下为app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=execute_result)        | prompt_testcase        | llm        | StrOutputParser())
print(chain.invoke({"input": "请根据以上的信息，给出对应的app自动化测试的代码"}))

执行效果

最后，自动生成的 App 自动化测试用例效果如下：

总结

App 自动化测试用例生成工具需求说明。
如何通过 LangChain 实现 App 自动化测试用例生成工具。