文章详细介绍了Claude Code Skills在接口测试用例自动生成中的应用,对比了Skills、MCP与Subagent的区别,并通过ClaudeCodeSDK+Qwen3 Coder+Skills的demo展示了具体实现方法。通过定义不同协议的Skills,可实现自动调用、节省token并避免信息污染,为接口测试自动化提供了高效解决方案。


给各位大佬道歉!鸽了太久,年底赶项目节点,打工人都懂…

提前给大家拜个早早早年啦!!!

最近最火的莫过于Claude Code Skills,那么在2025年的最后一天,废话少说,直接来点干货吧,给大家带来最近正在琢磨的,通过Claude Code Skills自动生成接口测试用例的案例。

Claude Code Skills早在10月份就已经上线了,这个功能很多人应该很早就有了解,但是很多人一开始搞不清楚Skills、MCP、Subagent之间到底有啥区别。

如果有不太了解Claude Code和Skills的小伙伴,我这里就不赘述了,具体教程可以查看官方:

https://code.claude.com/docs/zh-CN/skills

其实本质上都类似,都是为了拓展通过Agent能力而生的,但是使用场景和侧重点有所不同。

MCP的设计初衷是为了拓展模型或通用Agent与其他系统的数据交换的能力,这个关键在于模型和外部世界拿数据,主体分析还是在主模型中,但是现在有很多mcp server已经成了披着“协议”外衣的Agent杂烩.

Subagent(子代理)则是为了避免主AI进程中的上下文过长,把专门进行某个领域工作的思考和分析单拎出来,不占用主进程的上下文,主进程则来管理各个子代理的数据交换。

Skills(技能)则主要是为了管理prompt,核心思想是"prompt渐进式披露",减少上下文token和污染,比如,你扔给模型一个任务,模型自己判断什么时候用哪个Skill(这个Skill中放着prompt、数据、脚本等资源),这个prompt是分级加载的,而不是一股脑全给模型,否则会导致上下文污染,prompt也可以被更加灵活的运用(这里面就是Claude Code做的巧妙机制)。

现在我们就拿接口测试用例生成这个案例来展示。

项目接口比较复杂有可能为自己封装的C++、Http、gRPC等协议接口,所以这个生成工作流需要支持的生成模板比较多,同事也要考虑混合多接口的业务流程。

在demo中,我才用了ClaudeCodeSDK+Qwen3 Coder+Skills的方式**(如果你们没有本地模型,也可以用modelspace中的模型,只是有次数限制,不过要主要,ClaudeCode需要接入有工具调用能力的模型,而且在国内需要用Proxy**),原始输入有接口文档、DLL/头文件、接口生成规范、数据 四个类型的资源。

整体demo结构为:

claude_code_generate_test_gtest/
├── API_REFERENCE_CPP.md
├── main.py
├── p/             #被测项目组件头文件和动态链接库
│   ├── bin/
│   ├── include/
│   └── lib/
├── tests/         #测试脚本目录
│   ├── CMakeLists.txt   #编译脚本cmakelist文件(也是Claude Code生成)
│   ├── main.cpp
│   ├── NodeTest.cpp   #接口用例
│   └── build/   #编译产物
└── .claude/     #项目级别skill配置(只有在当前路径下启动claude code可以被发现)
└── skills
└── generate_api_cpp_test_scripts
├── SKILL.md
└── REFERENCE.md

除了这种C++项目,其他协议类型的接口也可以是一样,区别就是在项目路径下定义不同的skill,在一个skill中SKILL.md是这个技能的主要prompt,包含name、description、prompt细节、REFERENCE.md则是可能以来的其他资源,在这里就是生成C++ gtest测试脚本的详细规范说明(格式、语法、变量命名、颗粒度等等)。

当然其他协议http等也是一样的道理,大家有兴趣可以尝试以下效果。

SKILL.md

---
name: generate-api-test-scripts
description: 根据用户提供的C++接口文档,生成C++ gtest接口测试用例。在需要生成C++项目的接口测试用例时使用
---
# Generate API Test Scripts
## Instructions
查看用户提供的接口文档(api_path)和源码头文件和DLL路径(src_path),查看并仔细阅读接口文档,重点查阅以下章节内容:
* [项目信息]
* [详细接口说明]
* [类型定义与枚举]
生成C++ gtest,接口测试用例脚本
## Rules
1. 在用户提供的输出路径(ouput_path)下,构建脚本和CmakeList,保证所有脚本均可以正常编译
2. 请详细根据[详细接口说明]和[错误处理],依据正常工作流、错误工作流、异常工作流、边界值、多接口等方式进行接口用例脚本生成
3. 必须保证所有已发布接口都生成了测试脚本,不得有任何遗漏
4. 请仔细检查生成的测试脚本,严格遵循C++和gtest语法,不可以存在语法错误,查看脚本编写规范,查看 [REFERENCE.md](.\REFERENCE.md)
5. 脚本编写规范,需要严格遵循并查看:[REFERENCE.md](.\REFERENCE.md).

main.py

import asyncio
from claude_agent_sdk import query, ClaudeSDKClient, ClaudeAgentOptions, AssistantMessage, TextBlock, ResultMessage
async def main_ClaudeSDKClient_query(user_prompt: str):
async with ClaudeSDKClient(options=options) as client:
await client.query(user_prompt)
async for message in client.receive_response():
ifisinstance(message, AssistantMessage):
for block in message.content:
ifisinstance(block, TextBlock):
print(f"Claude: {block.text}")
if __name__ == "__main__":
user_prompt = f"""
项目源码头文件和Dll目录src_path:{code_path},接口文档目录api_path:{api_md_path},输出路径:{ouput_path}, 请根据接口文档内容扩展NodeTest对应的接口测试用例脚本
请保留当前tests下的CMakeLists内容,确保生成的测试脚本 cpp文件不得有任何语法错误遵循c++和gtest语法规范,如果要调用skill则需要告知
"""
asyncio.run(main_ClaudeSDKClient_query(user_prompt))

最终的执行结果

当然gtest输出的报告,还可以接入allure,进行测试报告展示。

通过Skills实现不同协议接口用例自动生成,无需多agent,只需要定义对应的Skill生成prompt,CC会自动选择调用,且不占用全量上下文,节省token,避免信息污染。

如何学习AI大模型?

如果你对AI大模型入门感兴趣,那么你需要的话可以点击这里大模型重磅福利:入门进阶全套104G学习资源包免费分享!

这份完整版的大模型 AI 学习和面试资料已经上传CSDN,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

在这里插入图片描述

这是一份大模型从零基础到进阶的学习路线大纲全览,小伙伴们记得点个收藏!

请添加图片描述
第一阶段: 从大模型系统设计入手,讲解大模型的主要方法;

第二阶段: 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用;

第三阶段: 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统;

第四阶段: 大模型知识库应用开发以LangChain框架为例,构建物流行业咨询智能问答系统;

第五阶段: 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型;

第六阶段: 以SD多模态大模型为主,搭建了文生图小程序案例;

第七阶段: 以大模型平台应用与开发为主,通过星火大模型,文心大模型等成熟大模型构建大模型行业应用。

100套AI大模型商业化落地方案

请添加图片描述

大模型全套视频教程

请添加图片描述

200本大模型PDF书籍

请添加图片描述

👉学会后的收获:👈

• 基于大模型全栈工程实现(前端、后端、产品经理、设计、数据分析等),通过这门课可获得不同能力;

• 能够利用大模型解决相关实际项目需求: 大数据时代,越来越多的企业和机构需要处理海量数据,利用大模型技术可以更好地处理这些数据,提高数据分析和决策的准确性。因此,掌握大模型应用开发技能,可以让程序员更好地应对实际项目需求;

• 基于大模型和企业数据AI应用开发,实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能, 学会Fine-tuning垂直训练大模型(数据准备、数据蒸馏、大模型部署)一站式掌握;

• 能够完成时下热门大模型垂直领域模型训练能力,提高程序员的编码能力: 大模型应用开发需要掌握机器学习算法、深度学习框架等技术,这些技术的掌握可以提高程序员的编码能力和分析能力,让程序员更加熟练地编写高质量的代码。

LLM面试题合集

请添加图片描述

大模型产品经理资源合集

请添加图片描述

大模型项目实战合集

请添加图片描述

👉获取方式:
😝有需要的小伙伴,可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓

在这里插入图片描述

Logo

小龙虾开发者社区是 CSDN 旗下专注 OpenClaw 生态的官方阵地,聚焦技能开发、插件实践与部署教程,为开发者提供可直接落地的方案、工具与交流平台,助力高效构建与落地 AI 应用

更多推荐