Nightwatch.js在BrowserStack上使用captureRequests()的解决方案
问题背景
在使用Nightwatch.js进行自动化测试时,开发者可能会遇到一个特定场景下的网络请求捕获问题。当测试脚本在本地浏览器运行时一切正常,但一旦迁移到BrowserStack云测试平台执行时,调用.network.captureRequests()方法就会抛出ECONNREFUSED错误。
错误现象
测试脚本在BrowserStack环境中运行时,控制台会显示以下错误信息:
Error
GET /wd/hub/json - ECONNREFUSED
AggregateError [ECONNREFUSED]
Error while running .interceptNetworkCalls() protocol action: ECONNREFUSED
Error while running .captureRequests(): Error: ECONNREFUSED
问题根源
这个问题的根本原因在于BrowserStack平台的特殊架构。与本地直接连接的浏览器不同,BrowserStack作为云测试平台,其底层通信机制需要额外的配置才能支持Nightwatch.js的网络请求拦截功能。
解决方案
要解决这个问题,需要在BrowserStack的desiredCapabilities配置中添加seleniumCdp参数。这个参数专门用于启用BrowserStack的事件驱动测试功能,它允许测试框架通过Chrome DevTools协议(CDP)与浏览器进行更底层的交互。
配置示例
在Nightwatch.js的配置文件中,修改BrowserStack的desiredCapabilities部分,添加如下配置:
desiredCapabilities: {
// 其他原有配置...
'bstack:options': {
seleniumCdp: true,
// 其他bstack选项...
}
}
技术原理
seleniumCdp标志的启用使得BrowserStack平台会为测试会话建立Chrome DevTools Protocol连接通道。Nightwatch.js的.network.captureRequests()方法正是基于CDP协议实现的网络请求拦截功能。当这个通道建立后,测试框架就能像在本地一样监听和拦截网络请求。
注意事项
- 此解决方案仅适用于基于Chromium的浏览器(Chrome, Edge等)
- 确保使用的BrowserStack账户有权限使用CDP功能
- 网络请求捕获可能会增加测试执行时间,建议只在必要时启用
- 在复杂网络环境下,可能需要调整BrowserStack的超时设置
总结
通过简单的配置调整,开发者可以轻松解决Nightwatch.js在BrowserStack平台上网络请求捕获失败的问题。这再次证明了理解测试工具与云平台交互机制的重要性,特别是在涉及底层浏览器功能时。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00