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

🧠 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！