JSON to jmx

🚀 JSON到JMX-自动化API性能优化系统

一个智能的、端到端的自动化工作流程，用于发现API、测试其性能，并通过人工反馈进行优化。

📋 目录

• 🎯 概述
• ✨ 特性
• 📂 仓库结构
• 📊 工作流程图
• 🚀 系统的工作原理
• 💻 使用指南
• 📊 了解输出文件
• 🤝 贡献

🎯 概述

此存储库演示了API发现和性能测试的完整管道：

1. 使用无头浏览器和LLM的建议来抓取正在运行的web应用程序，以探索页面和表单。
2. 记录应用程序发出的所有HTTP请求并将其写入 邮递员集合JSON.
3. 将该集合转换为 JMeter .jmx 测试计划 使用Python转换器。
4. 在Docker容器中运行JMeter计划以产生性能结果（CSV/HTML）。
5. 提供一个简单的FastMCP服务器，将转换和执行步骤作为可调用工具公开，实现与人工智能代理或Claude desktop等桌面客户端的集成。
6. 允许循环中的人员审查结果并重新运行管道，直到API达到性能预期。

该系统有意最小化，以便即使是初学者也能遵循流程。它可以扩展到更复杂的应用程序和更丰富的测试场景。

______________________________________________________________________

✨ 特性

______________________________________________________________________

📁 仓库结构

.
├── agent.py                        # Selenium crawler that builds a Postman collection
├── convert_postman_to_jmx.py       # Library + CLI that transforms a Postman JSON to a JMeter JMX
├── server.py                       # FastMCP server exposing `postman_to_jmx` and `run_jmeter` tools
├── demo_app/                       # Sample Django application with user dashboard and CRUD APIs
├── data/                           # Example files and runtime output (collections, JMX, results)
│   ├── sample.postman_collection.json
│   ├── sample.jmx
│   ├── results.csv
│   └── output/                     # default write location for new collections/jmx
├── mcp.json                        # MCP configuration used by the server
└── README.md                       # You are here

______________________________________________________________________

📊 工作流程图

flowchart LR
 subgraph App["🚀 Application Layer"]
        A["Django Web App"]
  end
 subgraph Auto["⚙️ Automation Pipeline"]
        B["agent.py
Selenium + LLM"]
        C["Postman Collection
JSON Configuration"]
        D["convert_postman_to_jmx
JMeter Converter"]
        E["JMeter
Docker Container"]
  end
 subgraph Out["📊 Outputs"]
        F["CSV / HTML Report
Performance Metrics"]
  end
 subgraph MCP["🔧 MCP Server"]
        M["server.py
Tool Integration"]
  end
    A --> B
    B --> C
    C --> D
    D --> E
    E --> F
    D  M
    E  M
    F --> H["Human reviews results and decides to rerun"]

     A:::app
     E:::tool
     D:::tool
     C:::tool
     B:::tool
     F:::output
     M:::tool
     M:::tool
    classDef app fill:#f4f1ea,stroke:#6b5b45,stroke-width:2px,color:#2b2b2b,font-size:14px
    classDef tool fill:#e8f3ff,stroke:#3b6ea5,stroke-width:2px,color:#1f2d3d,font-size:14px
    classDef output fill:#f1f9f2,stroke:#2f7d4e,stroke-width:2px,color:#1f2d3d,font-size:14px

🚀 系统的工作原理

1. 从URL提取API： 爬虫(agent.py)使用Selenium导航前端。它向LLM（OpenAI GPT）请求简洁的下一步操作，如单击链接或填写表单，并记录由此产生的网络请求。
2. 生成邮差收藏： 所有观察到的请求都附加到一个集合对象并写入JSON文件。
3. 转换为JMX： 这 PostmanToJMeterConverter 类读取JSON并构建等效的JMeter测试计划，保留标头、参数、正文和基本断言。
4. 运行JMeter： 使用Docker镜像 justb4/jmeter，计划已执行(run_jmeter 工具）。结果以CSV格式捕获，JMeter本身可以将其转换为HTML。
5. 人在环审批： 测试人员检查性能报告。如果未达到服务级别目标，他们可以调整原型或使用不同的代理设置重试。

______________________________________________________________________

💻 使用指南

先决条件

1. Python 3.9+
2. pip install selenium webdriver-manager openai mcp
3. Docker已安装并正在运行
4. （可选）设置 OPENAI_API_KEY 环境变量，以在代理中使用LLM建议功能。

运行Django演示应用程序

cd demo_app
python manage.py migrate
python manage.py runserver

运行爬虫代理

python ../agent.py http://127.0.0.1:8000

选项：

• -o/--output –指定Postman集合的输出路径（默认 data/output/collection.json).
• -m/--max-pages –可访问的最大页面数（默认值为10）。

将集合转换为JMX

局部的，局部的:

python convert_postman_to_jmx.py data/output/collection.json -o data/output/testplan.jmx

通过MCP服务器 （先启动服务器）：

python server.py
# Then use an MCP client or Claude Desktop to call the tool:
# tool name postman_to_jmx collection="$(<data/output/collection.json)" output="data/output/testplan.jmx"

如果目录不存在，则会自动创建。

通过MCP运行JMeter

# using an MCP client:
# tool name run_jmeter jmx_path="data/output/testplan.jmx" results_path="data/results.csv"

默认结果路径为 data/results.csv 必要时将创建文件夹。

审查和迭代

打开 data/results.csv （或使用JMeter转换为HTML）以查看响应时间、错误率等。调整代理参数或应用程序逻辑，并根据需要重复。

______________________________________________________________________

了解输出文件

🤝 贡献

这个项目是一个学习/演示工具。非常欢迎提出建议、错误报告和拉取请求。

贡献：

1. 分叉存储库。
2. 创建要素分支(git checkout -b feature/awesome)如果可能的话，添加测试。
3. 提交一个拉取请求，明确描述您的更改。

______________________________________________________________________