许多开发者使用生成式人工智能创建或完成代码，但很少利用代理式人工智能。代理式人工智能子集能自主推理和执行复杂任务，其高度独立性和独特的主动方法使其适合应用程序编程接口（API）测试。

理解代理式 AI 在 API 测试中的作用

• AI 在 API 测试中的应用较新但有详细记录，研究表明大型语言模型在 API 测试中有效，单测试用例对应多值时精度可达 100%（在严格条件下），召回率低于 20%；在宽松条件下，召回率接近 90%且保持高精度。
• 代理式 AI 真正自主，基于预定义目标独立行动，比标准语言模型和生成模型更自由，能力更窄且定义明确。
• 这种 AI 可在少或无人工监督下执行多步任务，实时从环境学习并适应以实现目标，适用于复杂应用如客户服务，预计 2029 年能自主解决 80%常见客户服务问题，遇到新问题可利用训练数据集确定解决方案并设定目标。

代理式 AI 如何解决 API 测试问题

• 测试创建和维护：传统测试用例创建繁琐，AI 代理可独立构建、执行和调整测试工作流，不仅生成脚本，还能以普通语言让算法理解要测试的内容，创建多步自动参数化场景，检测到界面或 API 模式变化可自动适应，减少维护开销，快速生成更多场景。
• 智能测试覆盖：AI 系统可实时处理数百万数据点输出预测等，代理可利用此功能识别人工测试员可能遗漏的边缘情况，模拟复杂真实用户场景提供更逼真测试环境，还可根据代码变化等优先测试用例优化测试资源使用。
• 安全和性能测试：测试始于开发周期早期，可在问题严重前消除至少 50%现有 bug，测试员可提交 UI 不可行的请求以识别安全漏洞，代理模型可自主检查认证或数据泄露相关漏洞以提高安全性，模拟压力条件动态生成不同负载以解决潜在性能问题。

为 AI 准备开发工作流

• 设计有清晰文档的 API 对部署 AI 代理减少摩擦很关键，也有助于提高透明度，强大的护栏如访问控制和自动监控不可少，以确保系统安全运行，训练团队熟悉最佳实践和用例很有必要。

代理式 AI 在 API 测试中的未来

• 科技巨头已在探索 AI 在测试工作流中的应用，如谷歌推出 Agent2Agent 协议，字节跳动实施 UI-TARS 模型，一中等规模电商平台利用该模型进行 UI 测试结合自动化 API 测试工具，三个月内减少回归测试维护 60%，增加测试覆盖 45%，发布前检测到 30%更多边缘情况 bug，此技术可大幅受益开发过程节省时间消除瓶颈，不久可能取代电子表格、数据库和传统测试自动化工具。

用 AI 代理改进 API 测试

• 拥抱 AI 驱动的自主性支持战略工作流转变，使小或经验不足的开发团队能更快交付安全高质量产品，该技术不仅自动化重复任务，还能以最小专业努力转变质量保证。