APIDOG Update April: Debugger AI Agent, Debugger A2A, dan Migrasi Postman Lebih Mudah

Rilis April berfokus pada satu hal: membuat pengembangan Agen AI lebih mudah diperiksa, diuji, dan di-debug.

Coba Apidog hari ini

Saat membangun agen, masalah biasanya tidak hanya ada di jawaban akhir. Anda perlu tahu apa yang terjadi sebelum jawaban muncul:

• Apa intent yang ditangkap agen dari pengguna?
• Tool mana yang dipilih?
• Apa hasil dari tool tersebut?
• Apakah masalahnya ada di prompt, konfigurasi model, parameter tool, atau logika bisnis?

Pada rilis ini, Apidog menambahkan beberapa fitur untuk workflow tersebut: AI Agent Debugger, A2A Debugger, impor Postman via API, pengalaman Ask AI yang lebih baik di dokumentasi publik, dan dukungan penyedia model kustom.

⭐ Pembaruan Baru

🔥 AI Agent Debugger: Periksa Eksekusi Agen dari Awal sampai Akhir

Apidog sebelumnya sudah mendukung debugging visual untuk endpoint SSE. Itu berguna untuk:

• respons model streaming
• progress update
• notifikasi real-time
• API berbasis event

Namun debugging agen membutuhkan visibilitas lebih dari sekadar stream respons.

Dalam proyek agen nyata, Anda perlu melihat alur lengkap:

1. input pengguna
2. giliran percakapan
3. panggilan model
4. panggilan tool MCP
5. eksekusi Skill kustom
6. hasil tool
7. output akhir agen

AI Agent Debugger dibuat untuk memeriksa seluruh jalur eksekusi tersebut di satu tempat.

Dengan debugger ini, Anda bisa menelusuri bagaimana agen mengambil keputusan, bukan hanya melihat jawaban akhirnya.

Contoh pertanyaan yang bisa Anda jawab saat debugging:

• Apakah prompt sudah memberikan konteks yang cukup?
• Apakah agen memilih tool yang benar?
• Apakah tool MCP mengembalikan data sesuai ekspektasi?
• Apakah kegagalan terjadi di konfigurasi model?
• Apakah parameter tool salah?
• Apakah masalahnya ada di logika bisnis?

Workflow praktisnya:

User request
   ↓
Model reasoning / model call
   ↓
Tool selection
   ↓
MCP tool call / Skill execution
   ↓
Tool result
   ↓
Final response

Tanpa trace seperti ini, debugging agen sering berubah menjadi tebak-tebakan. Dengan AI Agent Debugger, tim dapat memeriksa apa yang benar-benar terjadi di setiap langkah eksekusi.

🤝 A2A Debugger: Uji Komunikasi Antar-Agen

Sistem multi-agen semakin umum. Begitu beberapa agen mulai bekerja sama, Anda perlu memastikan bahwa setiap agen bisa:

• menerima tugas
• meneruskan pesan
• memanggil agen lain
• mengembalikan hasil
• menangani respons dengan benar

Apidog sekarang mendukung debugging untuk protokol A2A Google, atau Agent-to-Agent.

Dengan A2A Debugger, Anda dapat:

• mengirim request A2A secara langsung
• memeriksa parameter request
• melihat response
• memverifikasi hasil interaksi antar-agen

Ini membantu tim menguji komunikasi antar-agen tanpa harus berpindah alat atau membaca detail protokol mentah secara manual.

Perbedaannya sederhana:

Fitur	Fokus
AI Agent Debugger	Memeriksa apa yang terjadi di dalam satu agen
A2A Debugger	Memeriksa komunikasi antara satu agen dan agen lain

Jika Anda membangun sistem multi-agen, kemungkinan besar Anda akan membutuhkan keduanya: satu untuk debugging internal agen, satu lagi untuk debugging komunikasi antar-agen.

📦 Impor Data Postman Melalui Postman API

Migrasi dari Postman sekarang lebih praktis untuk tim besar.

Sebelumnya, Apidog sudah mendukung impor file Postman lokal. Sekarang, Anda juga dapat mengimpor:

• Workspace
• Collection
• Environment

langsung melalui Postman API.

Fitur ini dirancang untuk migrasi massal saat membuat proyek baru di Apidog.

Secara praktis, alurnya seperti memindahkan seluruh Workspace Postman ke Apidog. Jika akun Postman Anda memiliki beberapa Workspace, Apidog akan membuat proyek yang sesuai setelah proses impor.

Dibandingkan workflow manual, ini mengurangi langkah seperti:

Export collection lokal
→ Upload file
→ Import environment
→ Rapikan struktur proyek
→ Ulangi untuk workspace lain

Dengan impor via API, workflow migrasi menjadi lebih langsung, terutama untuk workspace yang besar.

Gunakan pendekatan berikut:

• Untuk impor kecil: file lokal masih cukup.
• Untuk migrasi workspace besar: gunakan Postman API agar lebih efisien.

📄 Tanya AI di Dokumen yang Dipublikasikan Kini Terbuka di Sidebar

Fitur Tanya AI di dokumentasi yang dipublikasikan sekarang terbuka di sidebar.

Ini membuat pembaca bisa tetap berada di halaman dokumentasi yang sama sambil bertanya tentang kontennya.

Workflow-nya menjadi lebih sederhana:

Baca dokumentasi API
→ Ajukan pertanyaan di sidebar
→ Lihat jawaban
→ Lanjut membaca halaman yang sama

Perubahan ini berguna untuk dokumentasi API yang panjang, terutama ketika jawaban sebenarnya ada di halaman tersebut tetapi sulit ditemukan dengan cepat.

Contoh penggunaan:

• mencari endpoint yang relevan
• memahami parameter request
• menanyakan arti field tertentu
• meminta ringkasan bagian dokumentasi
• memahami contoh response

🧠 Penyedia Model AI Kustom

Tim sekarang dapat menghubungkan penyedia model kustom menggunakan Base URL kustom.

Ini berguna jika organisasi Anda sudah menggunakan:

• layanan model yang di-host sendiri
• gateway model internal
• infrastruktur AI internal

Dengan dukungan ini, Anda dapat membawa konfigurasi model tersebut ke Apidog dan tetap melakukan debugging workflow terkait AI di tempat yang sama.

Contoh skenario:

Internal model gateway
   ↓
Custom Base URL
   ↓
Apidog AI workflow debugging

Dengan begitu, tim tidak perlu terus berpindah tool hanya untuk menguji atau men-debug alur kerja AI.

🐞 Perbaikan Bug dan Peningkatan Kecil

Rilis ini juga mencakup beberapa perbaikan dan peningkatan kualitas penggunaan:

• Memperbaiki masalah di mana penggabungan cerdas OpenAPI tidak mempertahankan contoh respons endpoint.
• Memperbaiki masalah di mana penggabungan dari cabang anak ke cabang utama yang dilindungi dapat menyertakan endpoint yang tidak dipilih.
• Memperbaiki tampilan dropdown yang salah saat membuat versi endpoint dari cabang.
• Memperbaiki masalah di mana TestData dan TestCases tidak berfungsi saat menjalankan pengujian melalui CLI.
• Memperbaiki masalah di mana ekspor OpenAPI menyertakan komponen respons dari modul yang tidak terkait.
• Memperbaiki pemformatan ekspor Markdown untuk JSON dengan komentar.
• Memperbaiki kesalahan ekspor Word yang disebabkan oleh crypto is not defined.
• Memperbaiki masalah di mana impor Knife4j dengan Basic Auth diaktifkan tidak menampilkan bidang nama pengguna dan kata sandi.
• Memperbaiki kesalahan pemfilteran endpoint ketika tag berupa angka.
• Memperbaiki masalah di mana apidog endpoint list --branch tidak mengembalikan data untuk cabang yang ditentukan.
• Memperbaiki beberapa masalah parameter tool MCP, pemfilteran, dan pesan kesalahan.
• Memperbaiki masalah di mana kode yang dihasilkan kehilangan opsi konfigurasi typescriptThreePlus.

🌟 Apa Artinya untuk Tim Developer

Rilis April ini berguna untuk tim yang mulai membawa Agen AI dari tahap demo ke proyek nyata.

Ringkasnya:

• Gunakan AI Agent Debugger untuk memeriksa eksekusi satu agen secara detail.
• Gunakan A2A Debugger untuk menguji komunikasi antar-agen.
• Gunakan impor Postman via API untuk migrasi workspace yang lebih besar.
• Gunakan Tanya AI di sidebar agar dokumentasi publik lebih mudah dieksplorasi.
• Gunakan penyedia model kustom jika tim Anda memakai model internal atau self-hosted.

Fokus utamanya bukan menambah fitur yang terlihat mewah, tetapi menyediakan alat debugging dan migrasi yang dibutuhkan saat pengembangan agen mulai masuk ke implementasi produksi.

💬 Bergabunglah dalam Percakapan

Terhubung dengan sesama engineer API dan tim Apidog:

• Bergabunglah dengan komunitas Discord kami untuk diskusi dan dukungan waktu nyata.
• Berpartisipasi dalam komunitas Slack kami untuk percakapan teknis.
• Ikuti kami di X (Twitter) untuk pembaruan terbaru.

P.S. Untuk detail lengkap semua pembaruan, periksa Apidog Changelog!

Hormat kami,

Tim Apidog