但问智能团队自研K6 Agent性能测试平台3.0
基于 DeepAgents 框架的但问智能 K6 智能性能测试平台
在数字化研发高速迭代的当下,自动化、智能化性能测试已然成为系统稳运的核心刚需。传统人工编写 K6 测试脚本、手动执行调试、逐行分析数据的模式效率低下、门槛偏高,为此但问智能依托成熟 DeepAgents 智能体框架,融合主流 K6 性能测试工具,倾力打造一站式智能性能测试平台,真正实现低门槛、全流程自动化性能测试落地。
效果图



依托 DeepAgents 框架和 K6 性能测试工具搭建而成的但问智能智能性能测试平台,可通过自然语言交互模式,全自动完成性能测试脚本智能生成、一键执行、数据智能分析以及可视化专业报告生成全链路工作,大幅降低性能测试使用门槛,赋能研发测试高效提质。
✨ 核心特性
● 🤖 自然语言交互 - 用对话方式描述测试需求,AI 自动生成专业 K6 脚本
● 📊 智能分析 - 自动分析测试结果,定位性能瓶颈,提供优化建议
● 📈 专业报告 - 生成包含图表的 HTML 专业报告,支持 MCP Chart Server
● 🧠 知识增强 - 集成 RAG 知识库,获取性能测试最佳实践
● 🏢 企业级 - 内置缓存、限流、审计日志、监控等中间件
🏗️ 架构
k6_agent/
├── agents/ # 子智能体
│ ├── script_generator.py # K6 脚本生成专家
│ ├── test_executor.py # 测试执行专家
│ ├── result_analyzer.py # 结果分析专家
│ └── report_generator.py # 报告生成专家
├── core/ # 核心组件
│ ├── orchestrator.py # 智能体编排器
│ ├── config.py # 配置管理
│ └── prompts.py # 系统提示词
├── k6/ # K6 集成
│ └── scenarios.py # 场景、执行器、阈值
├── knowledge/ # 知识检索 (RAG)
│ ├── client.py # RAG API 客户端
│ └── retriever.py # 知识检索工具
├── middleware/ # 企业中间件
│ ├── validation.py # 输入输出验证
│ ├── monitoring.py # 性能监控
│ └── enterprise.py # 缓存/限流/审计
├── tools/ # LangChain 工具
│ ├── k6_tools.py # 脚本生成工具
│ ├── execution_tools.py # 执行工具
│ └── analysis_tools.py # 分析工具
└── utils/ # 工具类
├── chart_generator.py # 图表类型定义
└── mcp_charts.py # MCP 图表生成
🚀 快速开始
基础使用
from k6_agent import create_k6_agent, K6AgentConfig
# 创建配置
config = K6AgentConfig()
# 创建智能体 (基于最新 DeepAgents API)
agent = create_k6_agent(
config=config,
enable_knowledge_retrieval=True,
debug=True, # 可选:启用调试模式
)
# 执行性能测试
result = agent.invoke({
"messages": [{"role": "user",
"content": "对 http://api.example.com/users 进行负载测试,100并发,持续5分钟"}]
})
# 使用持久化存储
from langgraph.checkpoint.memory import MemorySaver
agent = create_k6_agent(
checkpointer=MemorySaver(), # 持久化会话状态
name="my-k6-agent",
脚本生成
from k6_agent import K6ScriptGenerator, ApiEndpoint, HttpMethod
generator = K6ScriptGenerator()
script = generator.generate_script(
endpoints=[
ApiEndpoint(
url="http://api.example.com/users",
method=HttpMethod.GET,
headers={"Authorization": "Bearer ${TOKEN}"},
)
],
vus=100,
duration="5m",
)
print(script)
图表生成
from k6_agent import MCPChartGenerator, TestResult
# 从 K6 JSON 结果加载
with open("./results/test.json") as f:
k6_data = json.load(f)
result = TestResult.from_k6_json(k6_data, "Load Test")
# 生成图表
chart_gen = MCPChartGenerator(llm=my_llm)
charts = chart_gen.generate_all_charts([result], output_dir="./charts")
📋 支持的测试类型
|
类型 |
执行器 |
描述 |
|
负载测试 |
ramping-vus |
逐步增加虚拟用户 |
|
压力测试 |
constant-vus |
固定高并发 |
|
浸泡测试 |
constant-vus |
长时间稳定负载 |
|
尖峰测试 |
ramping-vus |
突发流量模拟 |
|
容量测试 |
ramping-arrival-rate |
确定系统容量上限 |
🧠 知识库集成
支持通过 RAG API 获取性能测试知识:
from k6_agent.knowledge import KnowledgeRetriever
retriever = KnowledgeRetriever(api_url="http://rag-api:8000")
# 场景设计知识
design_tips = retriever.retrieve_scenario_design("电商秒杀场景")
# 瓶颈诊断知识
diagnosis = retriever.retrieve_bottleneck_diagnosis("数据库连接池耗尽")
📊 报告生成
自动生成专业 HTML 报告:
from k6_agent.agents import ReportGeneratorAgent
generator = ReportGeneratorAgent(output_dir="./reports")
report_path = generator.generate_report(
result_path="./results/load_test.json",
config=ReportConfig(
title="API 负载测试报告",
include_charts=True,
)
)
报告包含:
● ✅ 测试状态总览(通过/失败)
● 📈 关键指标卡片(请求数、吞吐量、成功率、错误率)
● ⏱️ 响应时间分析表(平均、P50、P90、P95、P99)
● 📦 数据传输统计
● 🎯 阈值合规检查
🔧 K6 场景配置
from k6_agent import K6Options, K6Scenario, ExecutorType, Stage
# 阶梯式负载场景
options = K6Options(
scenarios={
"load_test": K6Scenario(
executor=ExecutorType.RAMPING_VUS,
stages=[
Stage(duration="1m", target=50),
Stage(duration="3m", target=100),
Stage(duration="1m", target=0),
],
)
},
thresholds={
"http_req_duration": ["p(95)<500"],
"http_req_failed": ["rate<0.01"],
},
)
📚 相关资源
● K6 官方文档
● K6 GitHub
● LangGraph 文档
结尾
总而言之,但问智能团队自研打造的K6 Agent性能测试平台3.0打通了 AI 智能体与专业性能测试工具的壁垒,告别繁琐手动操作,兼顾易用性与企业级实战能力,无论是个人测试学习、项目接口压测,还是企业大规模线上系统性能巡检,都能轻松适配,助力团队高效完成性能测评,提前排查系统隐患,全方位筑牢线上业务稳定运行防线。
加入我们 ,不负所托!
更多推荐



所有评论(0)