深入理解foxy-contexts项目的测试框架foxytest
2025-05-31 02:18:44作者:蔡怀权
前言
在软件开发过程中,测试是确保代码质量的关键环节。对于foxy-contexts项目而言,它提供了一个名为foxytest的专用测试框架,专门用于测试基于JSON-RPC 2.0协议的服务器实现。本文将详细介绍如何使用foxytest进行高效测试。
foxytest概述
foxytest是一个专门为foxy-contexts项目设计的测试工具包,它提供了以下核心功能:
- 支持通过标准输入输出(stdio)和HTTP流两种传输方式测试服务器
- 基于YAML文件定义测试用例
- 提供JSON响应验证功能
- 支持正则表达式匹配动态内容
测试环境搭建
要使用foxytest进行测试,首先需要设置测试套件。以下是一个典型的测试初始化代码示例:
import (
"testing"
"github.com/strowk/foxy-contexts/pkg/foxytest"
)
func TestWithFoxytest(t *testing.T) {
// 读取测试数据目录
ts, err := foxytest.Read("testdata")
if err != nil {
t.Fatal(err)
}
// 配置要测试的可执行文件
ts.WithExecutable("go", []string{"run", "main.go"})
// 启用测试日志(使用-v标志运行测试时可见)
ts.WithLogging()
// 创建测试运行器并执行测试
cntrl := foxytest.NewTestRunner(t)
ts.Run(cntrl)
ts.AssertNoErrors(cntrl)
}
测试用例编写规范
测试用例需要存储在testdata目录下,文件名应以_test.yaml结尾。每个YAML文件可以包含一个或多个测试场景。
基本测试用例结构
case: 工具列表为空测试
in_list_tools: {"jsonrpc":"2.0","method":"tools/list","id":1}
out_no_tools: {"jsonrpc":"2.0","result":{"tools":[]},"id":1}
这个例子展示了一个简单的测试场景:
- 客户端发送
tools/list请求(in_list_tools) - 期望服务器返回空工具列表(
out_no_tools)
多文档测试用例
YAML文件支持多文档格式,每个文档代表一个独立的测试场景:
---
case: 测试场景1
in_request1: {...}
out_response1: {...}
---
case: 测试场景2
in_request2: {...}
out_response2: {...}
测试执行流程
当执行go test命令时,foxytest会:
- 启动被测服务器(通过
WithExecutable配置) - 建立与服务器的连接
- 发送YAML文件中定义的输入消息(
in_*) - 接收服务器响应
- 将响应与预期输出(
out_*)进行比对 - 报告测试结果
高级匹配功能
正则表达式匹配(!!re)
对于响应中包含动态内容(如时间戳、UUID等)的情况,可以使用正则表达式进行匹配:
case: 动态工具名测试
in_list_tools: {"jsonrpc":"2.0","method":"tools/list","id":1}
out_list_tools: {"jsonrpc":"2.0","result":{"tools":[{"name":!!re "list-[a-z]+"}]},"id":1}
嵌入式正则表达式(!!ere)
当只需要对字符串的一部分进行正则匹配时,可以使用嵌入式正则表达式:
case: 部分匹配测试
in_list_tools: {"jsonrpc":"2.0","method":"tools/list","id":1}
out_list_tools: {"jsonrpc":"2.0","result":{"tools":[{"name":!!ere "list-/[a-z]+/-tool"}]},"id":1}
在这个例子中:
list-和-tool是普通字符串/[a-z]+/是正则表达式,匹配任意小写字母组合
特殊字符转义
当字符串中包含斜杠(/)时需要进行转义:
case: URL匹配测试
in_get_url: {"jsonrpc":"2.0","method":"get_url","id":1}
out_url_response: {"jsonrpc":"2.0","result":{"url":!!ere "https:\\/\\/example.com\\//[a-z]+/"},"id":1}
测试日志与调试
启用日志记录后(ts.WithLogging()),可以使用go test -v查看详细测试过程:
=== RUN TestWithFoxytest
testsuite.go:55: setting up test suite
testsuite.go:59: running command: go run main.go
testsuite.go:59: running 1 tests
testsuite.go:55: waiting for command to finish
testsuite.go:59: expecting output: {"id":1,"jsonrpc":"2.0","result":{"tools":[]}}
testsuite.go:59: sending input: {"id":1,"jsonrpc":"2.0","method":"tools/list"}
testsuite.go:59: output matches: {"jsonrpc":"2.0","result":{"tools":[]},"id":1}
testsuite.go:55: tests done
testsuite.go:55: running after all
testsuite.go:55: stop executable
testsuite.go:55: finished reading output
testsuite.go:55: executable stopped
--- PASS: TestWithFoxytest (1.39s)
测试失败分析
当测试失败时,foxytest会提供详细的差异分析,帮助快速定位问题:
testsuite.go:54:
"result": {
"content": {
"0": {
"text": {
^ 值不匹配嵌入式正则表达式:
期望匹配: "{"name":"k3d-mcp-k8s-test-server-0","status":"Active","age":"/[\\d][sm]/","createdAt":"/[\\d]{4}/-/[\\d]{2}/-/[\\d]{2}/T/[\\d]{2}/:/[\\d]{2}/:/[\\d]{2}/Z"}",
实际得到: "{"name":"k3d-mcp-k8s-integration-test-server-0","status":"Unknown","age":"1m0s"}"
最佳实践
- 组织测试目录:将相关测试用例分组到不同的YAML文件中
- 命名规范:使用有意义的测试用例名称和字段名
- 动态内容处理:合理使用正则表达式匹配动态值
- 测试覆盖率:确保覆盖所有关键功能和边界条件
- 持续集成:将foxytest集成到CI/CD流程中
总结
foxy-contexts项目的foxytest框架为JSON-RPC 2.0服务器提供了强大的测试能力。通过YAML定义测试用例、支持多种匹配方式、提供详细的错误报告,使得编写和维护测试变得简单高效。掌握foxytest的使用方法,将显著提升foxy-contexts项目的开发质量和效率。
登录后查看全文
热门项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
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
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
暂无简介
Dart
670
155
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
660
308
Ascend Extension for PyTorch
Python
219
236
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
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
392
3.82 K
React Native鸿蒙化仓库
JavaScript
259
322