티스토리 뷰
project/로컬 LLM + RAG 기반 AI 채팅봇 만들기
로컬 LLM + RAG 기반 AI 채팅봇 만들기 # 36 - API 테스트 (Postman 사용)
octo54 2025. 3. 1. 00:37반응형
로컬 LLM + RAG 기반 AI 채팅봇 만들기
5.2 API 테스트 (Postman 사용)
이제 RESTful API가 정상적으로 동작하는지 검증하기 위해,
Postman을 활용하여 API 테스트를 진행하겠습니다.
1) API 테스트의 중요성
✅ API 테스트가 필요한 이유
- 프론트엔드와 백엔드가 정상적으로 연동되는지 확인
- WebSocket과 RESTful API가 제대로 동작하는지 검증
- API 요청 및 응답 데이터를 예상대로 반환하는지 테스트
2) Postman 설치 및 기본 설정
✅ ① Postman 다운로드 및 설치
- Postman 공식 웹사이트: https://www.postman.com/
- 운영체제에 맞는 버전을 다운로드하고 설치
3) Postman을 이용한 API 테스트
✅ ① AI 챗봇 메시지 전송 테스트 (POST /api/chat/send)
📌 API 요청 설정
- URL: http://localhost:8080/api/chat/send
- Method: POST
- Headers:
- Content-Type: application/json
- Body (JSON)
{
"message": "챗봇이 뭐야?"
}
📌 예상 응답 (JSON)
{
"response": "AI 챗봇은 사용자 질문을 분석하고 응답을 제공하는 시스템입니다."
}
✅ ② 대화 저장 API 테스트 (POST /api/chat/save)
📌 API 요청 설정
- URL: http://localhost:8080/api/chat/save
- Method: POST
- Headers:
- Content-Type: application/json
- Body (JSON)
{
"sessionId": "session123",
"sender": "user",
"message": "안녕하세요!"
}
📌 예상 응답
메시지 저장 완료
✅ ③ 특정 대화 세션 조회 테스트 (GET /api/chat/{sessionId})
📌 API 요청 설정
- URL: http://localhost:8080/api/chat/session123
- Method: GET
📌 예상 응답 (JSON)
[
{ "sender": "user", "message": "안녕하세요!" },
{ "sender": "ai", "message": "안녕하세요! 무엇을 도와드릴까요?" }
]
✅ ④ 사용자의 전체 대화 세션 조회 테스트 (GET /api/chat/sessions/{userId})
📌 API 요청 설정
- URL: http://localhost:8080/api/chat/sessions/guest
- Method: GET
📌 예상 응답 (JSON)
[
"session123",
"session456"
]
4) Postman 테스트 자동화
Postman을 활용하면 API 테스트를 자동화할 수 있습니다.
이제 Postman Collection을 생성하여 API 테스트를 자동화하는 방법을 살펴보겠습니다.
✅ ① Postman Collection 생성
- Postman을 실행하고 "New" → "Collection" 선택
- Collection 이름: AI Chatbot API
- POST /api/chat/send 엔드포인트 추가
- POST /api/chat/save 엔드포인트 추가
- GET /api/chat/{sessionId} 엔드포인트 추가
- GET /api/chat/sessions/{userId} 엔드포인트 추가
✅ ② Postman 테스트 자동화 (Pre-request Script 활용)
AI 챗봇 메시지 전송 요청 전에 특정 값을 설정
pm.variables.set("message", "챗봇이 뭐야?");
✅ ③ Postman 테스트 스크립트 추가 (Test Script 활용)
응답 데이터 검증
pm.test("응답이 JSON 형식인지 확인", function () {
pm.response.to.have.header("Content-Type", "application/json");
});
pm.test("응답 메시지 검증", function () {
var jsonData = pm.response.json();
pm.expect(jsonData.response).to.be.a("string");
});
5) API 테스트 자동화 실행
1️⃣ Postman에서 "Run Collection" 클릭
2️⃣ 모든 API 테스트가 성공하면 ✅ 표시 확인
3️⃣ 오류 발생 시 디버깅 후 수정
6) API 테스트 결과 요약
테스트 항목 결과
AI 챗봇 메시지 전송 (POST /api/chat/send) | ✅ 정상 응답 |
대화 저장 (POST /api/chat/save) | ✅ 정상 응답 |
대화 조회 (GET /api/chat/{sessionId}) | ✅ 정상 응답 |
사용자 대화 세션 조회 (GET /api/chat/sessions/{userId}) | ✅ 정상 응답 |
7) 다음 단계
이제 Postman을 이용한 API 테스트를 성공적으로 완료했습니다.
다음으로 5.3 WebSocket 테스트 (웹 브라우저 콘솔 활용) 을 진행하여
WebSocket이 정상적으로 동작하는지 검증하겠습니다! 🚀
반응형
'project > 로컬 LLM + RAG 기반 AI 채팅봇 만들기' 카테고리의 다른 글
로컬 LLM + RAG 기반 AI 채팅봇 만들기 # 38 - 백엔드 Docker 컨테이너화 및 배포 (0) | 2025.03.01 |
---|---|
로컬 LLM + RAG 기반 AI 채팅봇 만들기 # 37 - WebSocket 테스트 (웹 브라우저 콘솔 활용) (0) | 2025.03.01 |
로컬 LLM + RAG 기반 AI 채팅봇 만들기 # 35 - 챗봇 API 설계 (0) | 2025.03.01 |
로컬 LLM + RAG 기반 AI 채팅봇 만들기 # 34 - WebSocket을 활용한 실시간 채팅 기능 구현 (0) | 2025.03.01 |
로컬 LLM + RAG 기반 AI 채팅봇 만들기 # 33 - 챗봇 UI 설계 및 Tailwind CSS 적용 (0) | 2025.02.28 |
공지사항
최근에 올라온 글
최근에 달린 댓글
- Total
- Today
- Yesterday
링크
TAG
- 개발블로그
- nodejs
- kotlin
- 백엔드개발
- til
- llm
- 로컬LLM
- babel
- 웹개발
- Project
- Docker
- Next.js
- 페이지
- LangChain
- PostgreSQL
- Python
- Ktor
- Page
- 프론트엔드
- Webpack
- REACT
- 백엔드
- rag
- nextJS
- 리액트
- fastapi
- github
- AI챗봇
- 챗봇개발
- 관리자
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | ||||||
2 | 3 | 4 | 5 | 6 | 7 | 8 |
9 | 10 | 11 | 12 | 13 | 14 | 15 |
16 | 17 | 18 | 19 | 20 | 21 | 22 |
23 | 24 | 25 | 26 | 27 | 28 | 29 |
30 | 31 |
글 보관함
반응형