Введение в API-тестирование в Postman: первый запрос и базовые проверки

Первый API-тест полезно строить вокруг одного понятного запроса: что отправляем, что ожидаем и какой ответ будет считаться ошибочным. Статус 200 сам по себе не доказывает, что сервер вернул нужные данные. Начнём с открытого учебного Postman Echo и добавим несколько проверок содержимого.
Пример не требует API-ключа и не создаёт реальные заказы или пользователей. Используется GET-запрос, который возвращает сведения об отправленных параметрах. Интерфейс описан по официальной документации Postman v12: тестовый код находится в Scripts → Post-response, а результаты — в Test Results.
Что проверяем на уровне API
При UI-проверке человек взаимодействует с экраном: вводит данные, нажимает кнопку, видит сообщение. API-проверка обращается к интерфейсу сервера напрямую и рассматривает запрос и ответ. Эти уровни дополняют друг друга: правильный ответ API ещё не гарантирует удобное отображение в браузере.
В нашем учебном контракте сервер должен ответить JSON, а внутри args должны оказаться переданные course и level. Это ожидание для конкретного Echo-примера, а не схема любого API.
До отправки сформулируйте три вещи: точный адрес, ожидаемый статус и поля, по которым можно понять, что обработаны именно ваши данные. Тогда тест не сводится к вопросу «что-то пришло?».
Соберите первый запрос
Откройте новую вкладку запроса в Postman, выберите GET и введите адрес:
https://postman-echo.com/get?course=python&level=beginner
Параметры можно внести через Params: course со значением python, level со значением beginner. Проверьте, что они включены и итоговый адрес содержит нужные значения. Не добавляйте второй набор тех же параметров одновременно вручную и через таблицу.
Нажмите Send. В нижней части появится ответ. Для контрольного HTTP-вызова этого адреса при подготовке примера получены статус 200, Content-Type application/json; charset=utf-8 и args с обоими указанными значениями. Заголовки и остальные служебные поля могут различаться.
{
"args": {
"course": "python",
"level": "beginner"
}
}
Это фрагмент ответа, а не обещание, что весь JSON состоит только из args. Не сравнивайте полный ответ с коротким фрагментом как с исчерпывающим эталоном.
Проверьте состав запроса
| Часть | Что важно в примере | Частая ошибка |
|---|---|---|
| URL | Правильные HTTPS, домен и путь /get | Опечатка или другой endpoint |
| Метод | Выбран GET для этого маршрута | Поменяли метод, но ожидают прежнее поведение |
| Query | course=python, level=beginner | Параметр выключен или продублирован |
| Headers | Понимаем, какие заголовки отправляются | Лишний заголовок от другого запроса |
| Body | Для нашего запроса не добавляем тело | Вставили JSON, хотя выбранный пример проверяет query |
Для другого API метод, тело, авторизация и заголовки определяются его контрактом. Нельзя механически переносить настройки Echo на рабочую систему. Если документация требует JSON в теле POST, это уже другой запрос с собственными ожиданиями.
Прочитайте ответ до автоматизации
Сначала посмотрите статус и формат. Затем раскройте JSON: есть ли args, похож ли он на объект, совпадают ли значения? Если вместо JSON пришла HTML-страница, сначала выясните причину, а не исправляйте тест под случайный ответ.
Проверьте типы. Строка "123" и число 123 — разные значения; массив и объект тоже не взаимозаменяемы. В нашем примере query-значения сравниваются со строками python и beginner.
Время ответа можно записать для наблюдения. Но произвольный порог вроде «всегда быстрее 100 мс» без согласованного требования и условий не делает smoke-тест качественнее: сеть и окружение влияют на измерение.
Добавьте проверки в Post-response
Официальная документация Postman описывает pm.test для именованных тестов, pm.response для ответа и pm.expect с Chai-проверками. Откройте Scripts → Post-response и вставьте:
pm.test("Статус 200", function () {
pm.response.to.have.status(200);
});
pm.test("Ответ имеет JSON Content-Type", function () {
const type = pm.response.headers.get("Content-Type") || "";
pm.expect(type.toLowerCase()).to.include("application/json");
});
pm.test("Параметры отражены правильно", function () {
const body = pm.response.json();
pm.expect(body).to.have.property("args");
pm.expect(body.args).to.be.an("object");
pm.expect(body.args.course).to.equal("python");
pm.expect(body.args.level).to.equal("beginner");
});
Нажмите Send и откройте Test Results. Названия объясняют назначение каждой проверки. Разбор JSON помещён внутрь теста: если ответ не разбирается, это относится к проверке данных, а не маскируется успешным статусом.
Проверка Content-Type допускает дополнительный charset, поэтому не требует полного равенства одной короткой строке. При этом проверка заголовка не заменяет разбор тела: неверный JSON с подходящим заголовком всё равно должен быть замечен.
Убедитесь, что тест умеет падать
Авторское упражнение: поменяйте level в запросе на advanced, оставив ожидание beginner. Сервер Echo должен отразить отправленное значение, а наша последняя проверка — обнаружить несовпадение. Это намеренно нарушенное ожидание учебного теста, а не автоматически найденная ошибка сервера.
Затем верните согласованные данные и ожидания. Не изменяйте тест на любое фактически пришедшее значение только ради зелёной строки: сначала определите, что требуется контрактом.
Postman v12 также позволяет повторно выполнить post-response-скрипт по последнему ответу через Refresh results в Test Results, не отправляя запрос снова. Это полезно при исправлении самого теста; новый ответ такой повтор не получает.
Сохраните воспроизводимый сценарий
Сохраните запрос в коллекцию с понятным именем, например «Echo — query smoke». Вместе с ним сохраняется тестовый код. В описании укажите назначение, параметры и ожидаемые поля, чтобы другой человек понимал, что именно проверяется.
Если переносите подход на рабочий API, отдельно проверьте окружение и адрес: одинаковое имя запроса не защищает от отправки в другую систему. Не включайте реальные секреты в общедоступные примеры и экспортируемые учебные коллекции.
Полезный результат первого шага — небольшой запрос с ясным ожиданием и проверкой, которая обнаруживает отклонение. Дальше можно добавлять негативные сценарии, обязательные поля и бизнес-правила по документации конкретного API, сохраняя эту связь между запросом и проверяемым результатом.



