CodeceptJS 中使用 Bearer Token 认证访问 Azure OpenAI 服务的实践指南
2025-06-15 16:46:12作者:董宙帆
背景介绍
在现代自动化测试中,人工智能辅助测试正变得越来越普遍。CodeceptJS 作为一款流行的 Node.js 端到端测试框架,提供了与 AI 服务集成的能力。然而,当开发者尝试使用 Bearer Token 而非 API Key 来认证 Azure OpenAI 服务时,可能会遇到一些技术挑战。
核心问题分析
传统上,CodeceptJS 的 AI 辅助功能默认使用 API Key 进行认证。但在企业级 Azure OpenAI 服务部署中,出于安全考虑,组织往往会要求使用更安全的 Bearer Token 认证方式。这种认证方式基于 OAuth 2.0 协议,通过短期有效的访问令牌来保护 API 访问。
解决方案实现
方法一:使用 Azure 身份认证库
最推荐的解决方案是利用 Azure 官方提供的 @azure/identity 库来获取 Bearer Token:
const {getBearerTokenProvider, DefaultAzureCredential} = require("@azure/identity");
const AzureOpenAI = require("openai");
const scope = "https://cognitiveservices.azure.com/.default";
const azureADTokenProvider = getBearerTokenProvider(
new DefaultAzureCredential(),
scope
);
const client = new AzureOpenAI({
azureADTokenProvider,
deployment: "YOUR_DEPLOYMENT_NAME",
apiVersion: "2024-04-01-preview"
});
这种方式会自动处理令牌的获取和刷新,是最安全可靠的方法。
方法二:手动获取 Bearer Token
如果无法使用 Azure 默认凭证,可以手动实现令牌获取逻辑:
async function getAzureBearerToken() {
const axios = require("axios").default;
const FormData = require("form-data");
const form = new FormData();
form.append("grant_type", "client_credentials");
form.append("client_id", process.env.CLIENT_ID);
form.append("client_secret", process.env.CLIENT_SECRET);
const response = await axios.post(
`https://login.microsoftonline.com/${process.env.RESOURCE_ID}/oauth2/token`,
form
);
return response.data;
}
然后在 CodeceptJS 配置中使用:
AI: {
request: async (messages) => {
const token = await getAzureBearerToken();
const client = new AzureOpenAI({
azureADTokenProvider: token,
deployment: process.env.DEPLOYMENT_NAME,
apiVersion: "2024-04-01-preview"
});
const result = await client.chat.completions.create({
messages,
model: 'gpt-3.5-turbo'
});
return result.choices[0]?.message?.content;
}
}
模型兼容性注意事项
当切换到 Bearer Token 认证后,开发者还需要注意:
- Azure OpenAI 部署的模型名称可能与原生 OpenAI 不同
- 确保使用的 API 版本与 Azure 服务端兼容
- 某些模型可能只支持特定类型的操作(如聊天补全或文本补全)
最佳实践建议
- 始终将敏感凭证存储在环境变量中,而非硬编码在配置文件里
- 为不同的测试环境(开发、测试、生产)配置不同的 Azure AD 应用
- 定期轮换客户端密钥以提高安全性
- 监控令牌使用情况,避免频繁获取新令牌
总结
通过本文介绍的方法,开发者可以成功地在 CodeceptJS 测试框架中集成使用 Bearer Token 认证的 Azure OpenAI 服务。这种集成方式不仅提高了安全性,还能更好地适应企业级开发环境的要求。在实际实施时,建议根据具体项目需求和 Azure 环境配置选择合适的实现方案。
登录后查看全文
热门项目推荐
相关项目推荐
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-OCRDeepSeek-OCR是一款以大语言模型为核心的开源工具,从LLM视角出发,探索视觉文本压缩的极限。Python00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Jinja00
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
deepin linux kernel
C
24
6
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
271
2.56 K
暂无简介
Dart
561
125
一个用于服务器应用开发的综合工具库。
- 零配置文件
- 环境变量和命令行参数配置
- 约定优于配置
- 深刻利用仓颉语言特性
- 只需要开发动态链接库,fboot负责加载、初始化并运行。
Cangjie
183
13
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
仓颉编程语言运行时与标准库。
Cangjie
128
105
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
357
1.86 K
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.02 K
443
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.03 K
606
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
732
70