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
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C077
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python056
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
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0131
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
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
462
3.44 K
Ascend Extension for PyTorch
Python
269
309
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
188
77
暂无简介
Dart
714
171
React Native鸿蒙化仓库
JavaScript
284
331
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++
843
421
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
105
119
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
10
1
🎉 (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
1.26 K
692