在传统编写 App 自动化测试用例的过程中，基本都是需要测试工程师，根据功能测试用例转换为自动化测试的用例。市面上自动生成 Web 或 App 自动化测试用例的产品无非也都是通过录制的方式，获取操作人的行为操作，从而记录测试用例。整个过程类似于

但是通常录制出来的用例可用性、可维护性都不强，而且依然需要人手工介入录制的过程。

在 LLM 问世之后，我们便在探索，是否有第二种可能性，由大模型执行功能测试用例，生成自动化测试用例？

在前面的章节 基于 LangChain 手工测试用例转 Web 自动化测试生成工具中，给大家讲解了手工用例转 Web 自动化测试用例的过程，而 App 自动化测试用例生成的原理也基本类似。

应用价值

测试工程师在编写用例的过程中，将操作步骤明确的表达出来。即可通过大模型将功能测试用例可以直接转为 App 自动化测试用例。极大的节省了人力与资源。

实践演练

实现原理

整个实现原理如下图所示：

实现思路

测试用例规范与要求

如果想要将功能用例转换为自动化测试用例，那么对功能测试用例则需要清晰，明确的表达出来每个操作步骤。如果测试用例本身就表达的含糊不清，那么自然大模型是无法识别它需要进行的具体的操作步骤的。

如下所示，为一个测试步骤。在这些测试步骤中，具体打开哪些页面，输入哪些信息，点击哪些按钮都清晰的表达了出来。

1. 1. 打开 app activity ".Settings" , app package com.android.settings

2. 2. 点击 Battery

3. 3. 获取 Battery 的电量

4. 4. 返回上一级页面

通过 AGENT 执行功能测试用例。

大模型本身是不具备任何执行能力或生成能力的，它只会”思考“，但是通过 LangChain 的 Agent，可以将一些”工具”外挂到大模型身上。

那么如果要执行这些功能测试用例，大模型就需要具备执行用例的能力。而我们要做的事情，就是将 tools（工具包），外挂到大模型上面。

相关知识点：Agent、 tools

• 封装好 App 的底层工具

1. from time import sleep

2. from appium import webdriver

3. from appium.options.android import UiAutomator2Options

4. from appium.webdriver.common.appiumby import AppiumBy

6. class AppAutoFramework:

7. def __init__(self):

8. self.driver = None

9. self.element = None

11. def init(self, app_activity, app_package):

12. if not self.driver:

13. # 设置 capability

14. caps = {

15. # 设置 app 安装的平台（Android、iOS）

16. "platformName": "android",

17. # 设置 appium 驱动

18. "appium:automationName": "uiautomator2",

19. # 设置设备名称

20. "appium:deviceName": "emulator-5554",

21. "appium:noReset": True,

22. # 设置以下两个参数来控制启动app和关闭掉app

23. "appium:forceAppLaunch" : True,

24. "appium:shouldTerminateApp" : True,

25. # 设置 app 的包名

26. "appium:appPackage": app_package,

27. # 设置 app 启动页

28. "appium:appActivity": app_activity

29. }

30. # 初始化 driver

31. self.driver = webdriver.Remote(

32. "http://localhost:4723",

33. options=UiAutomator2Options().load_capabilities(caps)

34. )

35. self.driver.implicitly_wait(5)

36. return self.source()

38. def source(self):

39. return self.driver.page_source

41. def find(self, locator):

42. print(f"find xpath = {locator}")

43. element = self.driver.find_element(by=AppiumBy.XPATH, value=locator)

44. self.element = element

45. return self.source()

47. def click(self):

48. self.element.click()

49. sleep(1)

50. return self.source()

52. def send_keys(self, text):

53. self.element.clear()

54. self.element.send_keys(text)

55. return self.source()

57. def back(self):

58. self.driver.back()

59. return self.source()

创建工具以及其说明，并且将工具绑定到工具包中

1. import time

3. from langchain_core.tools import tool

5. app = AppAutoFramework()

8. @tool

9. def init(app_activity, app_package):

10. """

11. 打开app的安装包，并返回app的resource

12. """

13. return app.init(app_activity, app_package)

16. @tool

17. def find(xpath: str):

18. """通过xpath定位元素"""

19. return app.find(xpath)

22. @tool

23. def click(xpath: str = None):

24. """以xpath的方式定位网页元素后点击"""

25. app.find(xpath)

26. return app.click()

29. @tool

30. def send_keys(xpath, text):

31. """定位到xpath指定的元素，并输入text"""

32. app.find(xpath)

33. return app.send_keys(text)

36. @tool

37. def sleep(seconds: int):

38. """等待指定的秒数"""

39. time.sleep(seconds)

42. @tool

43. def back():

44. """

45. 返回上一级界面

46. :return:

47. """

48. app.back()

51. tools = [init, find, click, send_keys, sleep, back]

记录执行步骤

在 Agent 的配置中，可以要求 agent 将所有的执行步骤记录下来。而执行记录会记录在返回结果中的intermediate_steps中。

而我们则需要将这些步骤取出来，按照我们的需求记录下来。

1. # 获取执行结果

2. import json

3. from langchain import hub

4. from langchain.agents import create_structured_chat_agent, AgentExecutor

5. from langchain_core.agents import AgentAction

6. from langchain_openai import ChatOpenAI

8. from app.appium_tools import tools

10. prompt = hub.pull("hwchase17/structured-chat-agent")

11. llm = ChatOpenAI()

12. app_agent = create_structured_chat_agent(llm, tools, prompt)

13. # Create an agent executor by passing in the agent and tools

14. app_agent_executor = AgentExecutor(

15. agent=app_agent, tools=tools,

16. verbose=True,

17. return_intermediate_steps=True,

18. handle_parsing_errors=True)

20. query = """

21. 你是一个自动化测试工程师，接下来需要根据测试步骤，

22. 每一步如果定位都是根据上一步的返回的html操作完成

23. 执行对应的测试用例，测试步骤如下

24. 1. 打开 app activity ".Settings" , app package com.android.settings

25. 2. 点击 Battery

26. 3. 获取 Battery 的电量

27. 4. 返回上一级页面

28. """

30. def execute_result(_):

31. # 获取执行结果

32. r = app_agent_executor.invoke({"input": query})

33. # 获取执行记录

34. steps = r["intermediate_steps"]

35. steps_info = []

36. # 遍历执行步骤，获取每一步的执行步骤以及输入的信息。

37. for step in steps:

38. action = step[0]

39. if isinstance(action, AgentAction):

40. steps_info.append({'tool': action.tool, 'input': action.tool_input})

41. return json.dumps(steps_info)

44. if __name__ == '__main__':

45. print(execute_result(""))

生成自动化测试用例。

拥有执行步骤之后，可以将执行步骤传递给大模型，然后让大模型根据执行步骤直接生成 web 自动化测试用例。

1. prompt_testcase = PromptTemplate.from_template("""

2. 你是一个app自动化测试工程师，主要应用的技术栈为pytest + appium。

3. 以下为app自动化测试的测试步骤，测试步骤由json结构体描述

5. {step}

7. {input}

9. """)

11. chain = (

12. RunnablePassthrough.

13. assign(step=execute_result)

14. | prompt_testcase

15. | llm

16. | StrOutputParser()

17. )

19. print(chain.invoke({"input": "请根据以上的信息，给出对应的app自动化测试的代码"}))

执行效果

最后，自动生成的 App 自动化测试用例效果如下：

总结

1. App 自动化测试用例生成工具需求说明。

2. 如何通过 LangChain 实现 App 自动化测试用例生成工具。

感谢每一个认真阅读我文章的人，礼尚往来总是要有的，虽然不是什么很值钱的东西，如果你用得到的话可以直接拿走：

这些资料，对于【软件测试】的朋友来说应该是最全面最完整的备战仓库，这个仓库也陪伴上万个测试工程师们走过最艰难的路程，希望也能帮助到你!有需要的小伙伴可以点击下方小卡片领取