Đây là loạt bài gồm 10 phần chia sẻ cách Apidog phát triển Apidog CLI, một công cụ dòng lệnh cho kiểm thử API và quản lý vòng đời API. Bạn có thể đọc theo thứ tự hoặc chuyển thẳng đến phần phù hợp với nhu cầu triển khai của mình.
Chúng tôi đã xây dựng 126 công cụ MCP. Sau đó chúng tôi nhận thấy đó không phải là giải pháp tốt nhất để làm việc phát triển API với các Agent.
Khi MCP (Model Context Protocol) trở thành chủ đề nóng vào đầu năm 2025, câu hỏi mà hầu hết sản phẩm API phải trả lời là:
“Bạn có MCP không?”
Câu trả lời của Apidog là có. Apidog MCP vẫn tiếp tục hoạt động và phục vụ các nhóm cần tích hợp MCP. Nó cung cấp một cách chuẩn hóa để Agent kết nối với công cụ theo giao thức MCP, điều này vẫn có giá trị trong hệ sinh thái.
Tuy nhiên, khi đưa MCP vào các tác vụ R&D thực tế, đặc biệt là các quy trình phát triển API phức tạp, chúng tôi gặp một vấn đề rõ ràng: kết nối công cụ không đồng nghĩa với thực thi quy trình đúng cách.
Ví dụ, khi người dùng yêu cầu:
“Giúp tôi thêm kiểm thử cho endpoint này và chạy xác minh.”
Agent không chỉ cần gọi một công cụ. Nó phải biết:
- Endpoint nào cần kiểm thử
- Kịch bản kiểm thử nào phù hợp
- Thứ tự thao tác là gì
- Cần xác minh schema, dữ liệu trả về hay trạng thái HTTP
- Khi lỗi xảy ra thì nên dừng, retry hay báo cáo
- Kết quả nào đủ rõ để con người hoặc pipeline CI/CD sử dụng tiếp
Với MCP thuần túy, Agent thường nhìn thấy một danh sách lớn các công cụ rời rạc. Nó phải tự quyết định nên dùng công cụ nào, theo trình tự nào và kiểm tra kết quả ra sao. Với các quy trình R&D đơn giản, điều này có thể chấp nhận được. Nhưng với phát triển API ở quy mô thực tế, cách tiếp cận này dễ tạo ra sai lệch, thiếu bước xác minh hoặc kết quả khó tự động hóa.
Insight quan trọng là:
MCP rất tốt cho việc kết nối công cụ, nhưng các tác vụ R&D phức tạp cần nhiều hơn thế. Chúng cần các quy trình kỹ thuật có thể thực thi, có cấu trúc và có khả năng xác minh.
Đó là lý do chúng tôi phát triển Apidog CLI như một hướng tiếp cận phù hợp hơn cho các quy trình phát triển API.
Apidog CLI là gì?
Apidog CLI là công cụ dòng lệnh cho kiểm thử API, cho phép bạn chạy kịch bản kiểm thử, quản lý tài liệu API và tự động hóa quy trình kiểm thử trực tiếp từ terminal hoặc pipeline CI/CD.
Thay vì chỉ đóng vai trò là một CLI truyền thống để chạy test, Apidog CLI được thiết kế để phù hợp hơn với các AI Agent khi làm việc với tài nguyên API. Nó tập trung vào các yếu tố quan trọng cho tự động hóa:
- Đầu ra có cấu trúc để Agent hoặc pipeline có thể đọc tiếp
- Xác thực schema để kiểm tra tính đúng đắn của API response
- Hướng dẫn bước tiếp theo để Agent không chỉ “gọi tool” mà còn biết cách tiếp tục quy trình
- Khả năng chạy trong terminal hoặc CI/CD để đưa kiểm thử API vào luồng phát triển hằng ngày
Vấn đề khi chỉ dùng MCP cho phát triển API
MCP giải quyết tốt bài toán “Agent có thể gọi được công cụ nào?”. Nhưng trong phát triển API, câu hỏi thường quan trọng hơn là:
“Agent nên thực thi quy trình kỹ thuật này như thế nào cho đúng?”
Một tác vụ API thực tế thường không phải là một bước đơn lẻ. Nó có thể gồm nhiều bước liên tiếp:
1. Xác định endpoint cần kiểm thử
2. Đọc định nghĩa API hoặc tài liệu liên quan
3. Tạo hoặc cập nhật test case
4. Chạy kiểm thử
5. Xác minh response schema
6. Kiểm tra trạng thái HTTP và dữ liệu trả về
7. Xuất kết quả để developer hoặc CI/CD xử lý
Nếu mỗi bước chỉ là một công cụ MCP riêng lẻ, Agent phải tự suy luận toàn bộ workflow. Điều này làm tăng rủi ro:
- Chạy sai thứ tự
- Bỏ qua bước xác minh
- Không biết khi nào nên dừng
- Không tạo ra output đủ rõ cho pipeline
- Khó tái lập kết quả giữa các lần chạy
Với Apidog CLI, trọng tâm chuyển từ “có bao nhiêu công cụ” sang “quy trình có thể chạy được hay không”.
Cách tư duy triển khai với Apidog CLI
Khi đưa kiểm thử API vào workflow, bạn có thể tiếp cận theo hướng sau:
1. Đưa kiểm thử API về terminal
Thay vì chỉ kiểm thử thủ công trong giao diện, hãy đưa các kịch bản kiểm thử API vào môi trường có thể chạy bằng dòng lệnh. Điều này giúp developer chạy kiểm thử trước khi merge code hoặc trước khi deploy.
# Chạy kiểm thử API từ terminal
# Thay bằng lệnh Apidog CLI tương ứng với dự án của bạn
apidog <run-test-command>
Mục tiêu là biến kiểm thử API thành một thao tác có thể lặp lại, thay vì phụ thuộc hoàn toàn vào thao tác thủ công.
2. Chuẩn hóa output cho automation
Khi output có cấu trúc, nó có thể được dùng tiếp bởi:
- CI/CD pipeline
- Script nội bộ
- AI Agent
- Hệ thống báo cáo kiểm thử
Ví dụ một pipeline thường cần biết:
- Test suite nào đã chạy
- Bao nhiêu case pass/fail
- Endpoint nào lỗi
- Schema nào không khớp
- Có nên fail pipeline hay không
Đây là điểm khác biệt quan trọng so với việc chỉ gọi một công cụ rời rạc qua MCP.
3. Đưa kiểm thử API vào CI/CD
Khi CLI có thể chạy trong môi trường tự động, bạn có thể đặt kiểm thử API vào pipeline:
# Ví dụ cấu trúc CI/CD ở mức khái niệm
steps:
- name: Install dependencies
run: npm install
- name: Run API tests
run: apidog <run-test-command>
Điểm quan trọng không phải là pipeline cụ thể dùng GitHub Actions, GitLab CI hay hệ thống khác, mà là kiểm thử API được thực thi như một phần của quy trình phát triển.
4. Cho Agent làm việc với workflow thay vì danh sách tool
Với các AI Agent, vấn đề không chỉ là “có thể gọi công cụ”. Agent cần một workflow đủ rõ:
Input: endpoint hoặc API spec
Action: tạo/cập nhật test
Validation: chạy test và kiểm tra schema
Output: kết quả có cấu trúc + bước tiếp theo
Cách này giúp Agent làm việc gần hơn với quy trình kỹ thuật thực tế, thay vì tự chọn ngẫu nhiên từ một tập công cụ lớn.
Khi nào MCP vẫn hữu ích?
MCP vẫn có vai trò rõ ràng khi bạn cần chuẩn hóa cách Agent kết nối với công cụ. Nếu mục tiêu là cung cấp một lớp giao tiếp chung giữa Agent và nhiều hệ thống khác nhau, MCP là lựa chọn phù hợp.
Nhưng nếu mục tiêu là thực thi các quy trình phát triển API có nhiều bước, cần kiểm chứng kết quả và chạy được trong CI/CD, chỉ kết nối công cụ là chưa đủ. Khi đó, CLI giúp đóng gói workflow theo cách dễ chạy, dễ kiểm tra và dễ tự động hóa hơn.
Kết luận
Bài học chính từ quá trình xây dựng 126 công cụ MCP là: số lượng công cụ không giải quyết được toàn bộ vấn đề phát triển API với Agent.
MCP giúp Agent kết nối với công cụ. Nhưng để xử lý các tác vụ R&D phức tạp, Agent cần các quy trình kỹ thuật có thể thực thi, có xác minh và có output rõ ràng.
Apidog CLI được phát triển từ insight đó: tập trung vào việc giúp developer, CI/CD pipeline và AI Agent chạy các quy trình kiểm thử API một cách có cấu trúc hơn, thay vì chỉ gọi từng công cụ riêng lẻ.
Top comments (0)