API Sandbox MCP

Il testing delle API ha ottimi strumenti GUI - e nessuno di essi si trova dove gli sviluppatori lavorano sempre più: all'interno di un assistente AI. Copiare URL e token tra una finestra di chat e Postman interrompe il flusso che rende produttivi gli assistenti fin dall'inizio.

API Sandbox MCP colma quella lacuna. È un server Model Context Protocol, pubblicato su npm, che espone 42 strumenti coprendo l'intero ciclo di vita del test delle API: gestione dell'ambiente, richieste HTTP, raccolte salvate, esplorazione delle specifiche OpenAPI, generazione di dati mock, flussi multi-step, asserzioni, esecuzioni di test in blocco e test di carico. L'assistente diventa il client API - "accedi contro lo staging, usa il token per recuperare il mio profilo e verifica la forma della risposta" è una frase, non una sessione di cambio strumento.

Il problema del token, risolto da un formato

Le risposte API consumano molti token: un singolo corpo JSON verbose può occupare l'intera conversazione. Il server risponde con due meccanismi. TOON (Token-Oriented Object Notation), un output predefinito compatto ispirato a YAML che elimina la punteggiatura JSON e risparmia circa il 40% dei token per risposta. E livelli di verbosità per ogni richiesta: minimal rimuove le intestazioni e tronca i corpi (~95% di risparmio), normal filtra le intestazioni superflue e limita la dimensione del corpo (~75%), mentre la risposta completa non troncata è sempre memorizzata nella cache e recuperabile tramite call_id - nessuna necessità di reinvio.

Progettare strumenti per un LLM è un esercizio di budget dei token: ogni byte di risposta compete con il ragionamento che il modello potrebbe fare invece.

Le variabili fluiscono attraverso tutto

Gli ambienti sono insiemi di variabili JSON denominati memorizzati nella directory personale dell'utente. Ogni strumento HTTP risolve i segnaposto {{variable}} rispetto all'ambiente attivo, e gli URL relativi si risolvono rispetto a BASE_URL, quindi una richiesta salvata scritta una volta può essere eseguita in qualsiasi ambiente. I gruppi collegano gli ambienti ai percorsi delle directory: entra in una cartella di progetto e il suo ambiente predefinito si attiva automaticamente.

Flussi: test multi-fase in una sola chiamata

Lo strumento flow_run esegue una sequenza ordinata di richieste in cui ogni passaggio può estrarre valori dal corpo della risposta tramite un percorso a punti e passarli avanti come variabili - il modello canonico accedi-quindi-usa-il-token:

{
  "passi": [
    {
      "nome": "login",
      "metodo": "POST",
      "url": "{{BASE_URL}}/auth/login",
      "body": { "email": "test@example.com", "password": "..." },
      "estratto": { "TOKEN": "token", "USER_ID": "user.id" }
    },
    {
      "nome": "get_profile",
      "metodo": "GET",
      "URL": "{{BASE_URL}}/users/{{USER_ID}}",
      "headers": { "Authorization": "Bearer {{TOKEN}}" }
    }
  ]
}

Le variabili si accumulano nel corso dei passaggi; un errore 5xx interrompe il flusso mentre un errore 4xx lo lascia continuare - rispecchiando come un tester umano reagisce effettivamente ai fallimenti. Ogni passaggio riporta lo stato, i tempi e ciò che è stato estratto.

Le specifiche rendono l'assistente un esperto della tua API

api_import estrae una specifica OpenAPI 3.x da un URL o da un file e risolve ricorsivamente ogni $ref, allOf, oneOf e anyOf al momento dell'importazione. Da quel momento in poi, l'assistente può elencare gli endpoint filtrati per tag o metodo, approfondire i dettagli completi di parametri e schemi e generare corpi di richiesta fittizi correttamente tipizzati - rispettando email, UUID, timestamp ed enum. Importando la specifica Petstore, "aggiungere un animale con dati realistici" diventa una conversazione a due strumenti.

Tutto fa un viaggio di andata e ritorno: raccolte e ambienti vengono esportati in file di progetto portabili e nel formato Postman v2.1, e importati di nuovo allo stesso modo. La tua suite di test non resta mai intrappolata all'interno dello strumento.