Збудувати фронтенд перед тим, як API буде готовим: Без нестабільних конструкцій
Введение
Скільки разів ви були заблоковані, очікуючи на готовність зворотнього інтерфейсу API? Або витрачали години на підтримання нестабільних макетів даних, які стають усталені, коли змінюються потребиM SK1
Ввести mostlylucid.mockllmapi - виробництво - готовий АSP МSK2 NET Коренная платформа для монтування, яка використовує великих мовних моделей, щоб генерувати реалістичні M SK3 контекстуально освічені API відгуки в реальному часі . Замість підтримки JSON приладів MSC5 ви отримуєте розумні макети, які пристосовуються до ваших запитів і запам 'ятовують стан по всіх дзвінках
Що він підтримує: Кожен потрібний для вас протокол - RESTM SK1 GraphQL, gRPC , SignalRMska4 ServerMske5Sent EventsMске6 and OpenAPIMsek7 На відміну від статичних приладівMска8 реакція генерується динамічно, базуючися на вашому контексті запитуMСК9 робить мультипліковіM СКСК10step робочі потоки і складні сценарії тестування банальнимиМСК11
Ссылки на проект
- Репозитори: https://github.comMSC2scottgalM SK3LLMApi
- Релізи: https://githubMSC1com/scottgalM SK3LLMApiMST4релізи
- Компаніонний пакет: найбільш зрозуміле.mockllmapiM SK1 Тестування - Програмні засоби тестування з плавною інтеграцією HttpClient
Три способи його використання
Ви можете використовувати в основномуlucid.mockllmapi в трьох способах, в залежності від того, наскільки ізольованим ви хочете, щоб ваша dev середина була
- ASP.NET Core NuGet пакет - Dodaj до своїх існуючих проектів
- Самотній інструмент CLI - Кросс -платформа, яку можна запустити МSK2 завантажити з випуски)
- Контейнер дротів - Нульна інсталяція
Функція вбивця: Контекстна пам 'ять
📖 Полний інструкт МSK1 Dokumentація контексту API
У традиційних модових інтерфейсах є смертельна помилка: кожен запит невід 'ємний. З' єднайте користувача з ID M SK2 і перейдете до їхніх замовлень , і виMSC4 отримаєте замовлення для ID користувача МSK5 Немає послідовностіMスク6
Контексти API розв 'язати це за допомогою спільної пам' яті через пов 'язані вимоги:
// Request 1: Get a user
// Note: 'context' is a simple query parameter - no cookies or sessions needed
fetch('/api/users/123?context=checkout-session')
// Response: { id: 42, name: "Alice Smith", email: "[email protected]" }
// Request 2: Get orders (same context parameter)
fetch('/api/orders?userId=42&context=checkout-session')
// Response: { userId: 42, customerName: "Alice Smith", items: [...] }
// Perfect! Same user, consistent data
LLM бачить попередні запити у тому ж контексті і генерує послідовні дані. Це гра-вимінювач для мультиплікових-ступенчатих операційних потоківM SK2
Особенности:
Цикл життя:
- Автоматичний термін служби після 15 хвилин неактивності (конфигурованийM SK2
- Кожна просьба відновлює таймер
Поведение:
- Інтелектове видобуток усіх pól від реакцій
Безпека:
- Нульовий витік пам 'яті контексти - очищуються самі
Використовуйте cases:
- Чудово для CI/CD M SK1 без estado між запусками
Швидкий старт
Опція 1: NuGet Package
dotnet add package mostlylucid.mockllmapi
// Program.cs
builder.Services.AddLLMockApi(builder.Configuration);
app.MapLLMockApi("/api/mock");
Вибір інструмента 2: CLI
# Download from https://github.com/scottgal/LLMApi/releases
llmock serve --port 5000
Опція 3: Докер
📖 Полний інструкт МSK1 Руководство по застосуванні докера
git clone https://github.com/scottgal/LLMApi.git
cd LLMApi
docker compose up -d
Початкові вимоги: Бакунок LLM
Вам потрібно один із: Ollama, OpenAIM SK2 або LM Studio:
# Recommended: Ollama with ministral-3:3b (ultra-fast, accurate JSON generation)
ollama pull ministral-3:3b
Подивіться Руководство по моделям Оллами для всіх рекомендацій та порівнянь моделей.
Попробуйте негайно
Після запуску, зробити вашу першу просьбуM SK1
curl http://localhost:5000/api/mock/users
# Response: [{"id": 1, "name": "Alice Johnson", "email": "[email protected]"}, ...]
Це – МСК0, це – МSK1. Тепер у вас є робочий макет API, який генерує реальні дані на попиті
Справжній приклад: Поиск від mostlylucid.net
Ось реальний пошуковий код цього блогу - це не змінений код фронтального продукту, для макета не потрібні адаптації
// typeahead.js from mostlylucid.net
export function typeahead() {
return {
query: '',
results: [],
search() {
fetch(`/api/search/${encodeURIComponent(this.query)}`)
.then(response => response.json())
.then(data => { this.results = data; });
}
}
}
Потворіться на це.
# Using CLI
llmock serve --port 5000
# Query returns contextual results
curl http://localhost:5000/api/search/markdown
# LLM generates blog posts about Markdown
curl http://localhost:5000/api/search/docker
# LLM generates blog posts about Docker
Кожна реакція унікальна і реалістична, адаптується до запиту
Kontrolа форми: Визначати свою схему
Крім простого генерування випадкових даних, вам часто потрібно точно контролювати структуру JSONM SK1 Контроль форми дозволяє сказати LLM точно, яку структуру генерувати - найпотужнішу функцію для розробки фронтального інтерфейсу .
Початкова форма
# Without shape - random structure
curl http://localhost:5000/api/mock/users
# Response: { "userId": 1, "fullName": "Alice" }
# With shape - you control it
curl "http://localhost:5000/api/mock/users" \
-H 'X-Response-Shape: {"id":0,"name":"string","email":"string"}'
# Response: { "id": 1, "name": "Alice", "email": "[email protected]" }
Три способи визначити форму:
- Попитний параметр -
?shape={...} - HTTP заголовок -
X-Response-Shape: {...}(рекомендуєтьсяM SK1 - Керівник запиту -
{"shape": {...}}
Вбудована форма
const shape = {
company: {
id: 0,
name: "string",
employees: [{
id: 0,
firstName: "string",
department: { id: 0, name: "string" },
projects: [{ id: 0, title: "string" }]
}]
}
};
fetch('/api/mock/company', {
headers: { 'X-Response-Shape': JSON.stringify(shape) }
});
Упорядкування шрифта
interface User {
id: number;
name: string;
email: string;
}
const USER_SHAPE: Partial<User> = { id: 0, name: "", email: "" };
// Shape becomes your type definition AND mock schema!
Multi-Step Workflows with Context
Тепер дозвольте' об 'єднати управління формою з інтерфейсом API, щоб працювати з складними , мультиплексними МSK2 кроковими робочими потоками M SK3 Запам 'ятайте функцію контекстної пам' яті, що була розроблена раніше
Цей приклад із mostlylucid.net's перекладної служби показує, як LLM зберігає стан в повному асинкному робочому потокі
# Step 1: Start translation
curl -X POST http://localhost:5000/api/translate/start?context=translate-session \
-d '{"language": "es", "markdown": "# Hello World"}'
# Response: { "taskId": "abc-123", "status": "processing" }
# Step 2: Check status (LLM remembers the task)
curl http://localhost:5000/api/translate/status/abc-123?context=translate-session
# Response: { "taskId": "abc-123", "status": "complete" }
# Step 3: Get result (same taskId!)
curl http://localhost:5000/api/translate/result/abc-123?context=translate-session
# Response: { "taskId": "abc-123", "translatedText": "# Hola Mundo" }
Зауважте, як taskId є послідовним у всіх запитах. Контекст робить це можливим
За межами REST: Всі протоколи
На даний момент ми ' зосередилися на РEST МSK1, але сучасні додатки потребують більше МSK2 Неважливо, чи ви будовуєте з GraphQL , реалізуєте реальні СМСК5 часові funkcje з SignalR МСК6 або працюєте з послугами gRPC ПМСК7 переважно зрозуміли ВМСК8 mockllmapi забезпечив вас УМСК9
Obsługовані протоколи:
- ✓ РEST
- ✓ GraphQL
- ✓ gRPC
- ✓ СигналR
- ✓ Сервер
- ✓ OpenAPI / Swagger
GraphQL
📖 Руководство Секция GraphQL
curl -X POST http://localhost:5000/api/mock/graphql \
-d '{"query": "{ users { id name email } }"}'
query IS the shape - need no separate schema.
gRPC
📖 Полний інструкт МSK1 Поддержка gRPC
# Upload .proto file
curl -X POST http://localhost:5116/api/grpc-protos \
--data-binary "@user_service.proto"
# Call via JSON or binary Protobuf
curl -X POST http://localhost:5116/api/grpc/userservice/UserService/GetUser \
-d '{"user_id": 123}'
Сигнальний час
📖 Руководство Руководство для демонстрації SignalR
const connection = new signalR.HubConnectionBuilder()
.withUrl("/hub/mock")
.build();
connection.on("DataUpdate", (message) => {
console.log(message.data); // Live generated data
});
await connection.start();
await connection.invoke("SubscribeToContext", "stock-prices");
Чудово для створення прототипу панелі управления.
Сервер-Надіслані події M SK1SSE)
📖 Руководство Моди потоку SSE
const eventSource = new EventSource('/api/mock/stream/users');
eventSource.onmessage = (event) => {
const data = JSON.parse(event.data);
console.log('Token:', data.chunk); // Progressive generation
};
Swagger OpenAPI /
📖 Полний інструкт МSK1 Функції OpenAPI
# CLI: Load any OpenAPI spec
llmock serve --spec https://petstore3.swagger.io/api/v3/openapi.json
# All endpoints become live mocks automatically
curl http://localhost:5000/petstore/pet/123
Встромні інструменти: Mix Real & Mock Data
📖 Полний інструкт МSK1 Наrzędziа & Działaння
Інколи вам потрібен гібридний підхід - реальні дані з виробництва, поєднані з генерованими mock-даннями . Встромна система інструментів дає змогу викликати справжні API під час генерації mocku МSK2 створення неймовірно реалістичних тестових сценаріїв
{
"Tools": [{
"Name": "getUserData",
"Type": "http",
"HttpConfig": {
"Endpoint": "https://api.production.com/users/{userId}",
"Headers": { "Authorization": "Bearer ${PROD_API_KEY}" }
}
}]
}
curl "http://localhost:5000/api/mock/orders?useTool=getUserData&userId=123"
Модель витягує дані реального користувача, тоді LLM генерує замовлення за допомогою цього. Надто корисний для реалістичного тестування з гібридним макетом/реальний робочий процесM SK1
ASP.NET - ядро інтеграції
Якщо ви будуєте з ASP, то інтерфейс ., ядра NET, , є безшовним. нуль змін коду на ваші послуги - ви просто встановите HttpClient щоб звернути увагу на макет під час розробки та на реальний API в процесі виробництва.
// Real code from mostlylucid.net
builder.Services.AddHttpClient<IMarkdownTranslatorService, MarkdownTranslatorService>(
client => {
var baseUrl = builder.Configuration["TranslationService:BaseUrl"]
?? "http://localhost:5000"; // Mock during dev
client.BaseAddress = new Uri(baseUrl);
}
);
програмне забезпечення.РазвитиеM SK1json:
{
"TranslationService": {
"BaseUrl": "http://localhost:5000" // Mock
}
}
налаштування.Продукція.jsonM SK2
{
"TranslationService": {
"BaseUrl": "https://api.production.com" // Real
}
}
Ця модель працює для будь-якого HttpClient в вашій програмі - перекладові послуги , платежні воротаM SK2 зовнішні API, ви називаєте їх так
Коли використовувати це
Перед тим, як заглибитись у розширені можливості, давайте зрозуміємо, коли цей інструмент має сенс для вашого робочого процесу.
Чудово для:
- Розробка фронтального інтерфейсу перед тим, як він існуватиме - Зупиніть блокування команд на зворотньому рівні
- Мульти-ступеннє тестування потоку роботи - Контекстна пам 'ять виконує складні сценарії
- Прототипування API - Експеримент з формами реагування перед тим, як почати
- Оффлайн розвиток - Працювати без залежностей від мережі
- Випробовування сценаріїв - Симулювати невдачі без руйнування виробництва
- Трубопроводи - Без зовнішніх віддалень означає швидший , надійніші будинки
Не ідеальний для:
- Середовища виробництва - Це інструмент для розробки та тестування
- Детерміністичні дані тесту - Використовуйте пристрої, коли вам потрібна точная репродукційність
- Тестування контракту - Взагалі-то перевіряти справжні API для контрактів з виробництвом
Тепер, коли ви знаєте, де він вміщується,
Заawansовані характеристики
Ці характеристики є опційними - ви можете отримати величезну цінність лише з базових даних . Але коли вам потрібна продукція МSK2 рівень реалізму в масштабі МSK3 ці інструменти є тут
Багато LLM-засадників
📖 Руководство Багато LLM-засадників
# Fast for dev
curl http://localhost:5000/api/mock/users
# High quality for demos
curl "http://localhost:5000/api/mock/users?backend=quality"
# Cloud AI for production-like
curl "http://localhost:5000/api/mock/users?backend=openai"
Симуляції обмеження швидкості
📖 Руководство Ограничення швидкості & Batching
Випробуйте, як ваша програма управляє обмеженнями швидкості:
{
"EnableRateLimiting": true,
"RateLimitDelayRange": "500-2000"
}
Симулювання помилки
# Test 429 rate limiting
curl "http://localhost:5000/api/mock/users?error=429&errorMessage=Rate%20limit%20exceeded"
# Test 503 unavailable
curl "http://localhost:5000/api/mock/users?error=503"
Obsługує всі коди 4xx та 5xx
Caching реагування
# Generate and cache 10 variants
curl "http://localhost:5000/api/mock/users?shape={\"$cache\":10,\"id\":0,\"name\":\"string\"}"
Далішні запити отримують миттєву реакцію вキャッシュі.
Утиціалителі тестування: переважно яскраві .mockllmapiM SK2 Тестування
Всі ці характеристики чудові для розвитку,, але як щодо автоматизованого тестуванняM SK1 Помічник тестування надає плавний API, що робить тести інтеграції неважливими - конфігурувати модель поведінки декларативно і дозволити HttpClient зробити решту.
Установлення
dotnet add package mostlylucid.mockllmapi.Testing
Початкове використання
using mostlylucid.mockllmapi.Testing;
// Create a client with a single endpoint configuration
var client = HttpClientExtensions.CreateMockLlmClient(
baseAddress: "http://localhost:5116",
pathPattern: "/users",
configure: endpoint => endpoint
.WithShape(new { id = 0, name = "", email = "" })
.WithCache(5)
);
// Make requests - configuration is automatically applied
var response = await client.GetAsync("/users");
var users = await response.Content.ReadFromJsonAsync<User[]>();
Багато кінцевих точок
var client = HttpClientExtensions.CreateMockLlmClient(
"http://localhost:5116",
configure: handler => handler
.ForEndpoint("/users", config => config
.WithShape(new { id = 0, name = "", email = "" })
.WithCache(10))
.ForEndpoint("/posts", config => config
.WithShape(new { id = 0, title = "", content = "", authorId = 0 })
.WithCache(20))
.ForEndpoint("/error", config => config
.WithError(404, "Resource not found"))
);
// Each endpoint automatically uses its configuration
var usersResponse = await client.GetAsync("/users");
var postsResponse = await client.GetAsync("/posts");
var errorResponse = await client.GetAsync("/error"); // Returns 404
Параметри налаштування
Конфігурація форми:
// Using anonymous objects
.WithShape(new { id = 0, name = "", active = true })
// Using JSON strings
.WithShape("{ \"id\": 0, \"name\": \"\", \"tags\": [] }")
// Complex nested structures
.WithShape(new
{
user = new { id = 0, name = "" },
posts = new[] { new { id = 0, title = "" } }
})
Симулювання помилок:
// Simple error
.WithError(404)
// With custom message
.WithError(404, "User not found")
// With details
.WithError(422, "Validation failed", "Email address is invalid")
Streaming:
// Enable streaming with token-by-token output
.WithStreaming()
.WithSseMode("LlmTokens")
// Stream complete objects
.WithStreaming()
.WithSseMode("CompleteObjects")
// Stream array items individually
.WithStreaming()
.WithSseMode("ArrayItems")
Інгекція залежності
Введений клієнт:
services.AddMockLlmHttpClient<IUserApiClient>(
baseApiPath: "/api/mock",
configure: handler => handler
.ForEndpoint("/users", config => config
.WithShape(new { id = 0, name = "", email = "" }))
);
Названий Client:
services.AddMockLlmHttpClient(
name: "MockApi",
baseApiPath: "/api/mock",
configure: handler => handler
.ForEndpoint("/data", config => config
.WithShape(new { value = 0 }))
);
// Usage
var client = httpClientFactory.CreateClient("MockApi");
До прикладу тестування інтеграції
[Fact]
public async Task Should_Handle_User_Creation()
{
// Arrange
var client = HttpClientExtensions.CreateMockLlmClient(
"http://localhost:5116",
"/users",
config => config
.WithMethod("POST")
.WithShape(new { id = 0, name = "", email = "", createdAt = "" })
);
// Act
var newUser = new { name = "John Doe", email = "[email protected]" };
var response = await client.PostAsJsonAsync("/users", newUser);
// Assert
response.EnsureSuccessStatusCode();
var created = await response.Content.ReadFromJsonAsync<User>();
Assert.NotNull(created);
Assert.NotEqual(0, created.Id);
}
[Fact]
public async Task Should_Handle_Not_Found_Error()
{
// Arrange
var client = HttpClientExtensions.CreateMockLlmClient(
"http://localhost:5116",
"/users/999",
config => config.WithError(404, "User not found")
);
// Act
var response = await client.GetAsync("/users/999");
// Assert
Assert.Equal(HttpStatusCode.NotFound, response.StatusCode);
}
Як це працює
І MockLlmHttpHandler є DelegatingHandler що:
- Перехоплює вихідні HTTP-запити
- Збігає вимоги з конфігурованими шаблонами кінцевих точок
- Вводимо макетну конфігурацію за допомогою параметрів запиту та заголовків HTTP
- Пересилає модифікований запит до реального mock LLM API
Це дозволяє використовувати справжні HttpClient в тестах, а також легко контролювати поведінку mock API без зміни коду aplikacji.
Найкращі практики & Совети
Після роботи з цим інструментом над багатьма проектами
- Повсякчас використовувати контексти для потоків роботи - Обіцяє послідовну ідентифікацію і дані впродовж багатьох кроків МSK1
- Використовуйте форму для безпеки типу - Робіть так, щоб він співпадав з вашими інтерфейсами TypScript
- Поєднати реальні та штучні дані з інструментами - Найкраще з обох світів
- Виберите правильну модель (гляньте Руководство по моделям Оллами для повних деталей):
- Рекомендовано для dev:
ministral-3:3b(3B-парамиM SK1 32K-контекст KILLER для JSON! Ультра -швидкий МSK1 високоточний МSK2 мінімальний RAM - Produkція-подобна:
llama3(8B-парамиM SK1 8K-контекстМSK3 - Найкращий баланс якості та продуктивності - Високоякісна:
mistral-nemo(12B-парамиM SK1 128K-контекст) - Комплексні схеми та масивні набори даних - Ресурс-ушкоджений:
gemma3:4bабоphi3- Легкі альтернативи
- Рекомендовано для dev:
Полна документація
- Головний репозитор - Źródło та огляд
- Конфігурація - Все налаштування
- Справка про контексти API - Глубоке занурення у контекстну пам 'ять
- Наrzędziа & Działaння - Внутрішня інтеграція API
- Функції OpenAPI - Spec- - мотика на основі
- Поддержка gRPC - Буфери протоколу
- Докерна інструкція - Розгортання контейнерів
- Мільйозом чорних сторінок - Установка мультиплікатора
- Ограничення швидкості - Симулювати обмеження
- Тестування пакету - HttpClient Utilities
Завершення
Frontend development doesn’ t have to wait for backend APIs. mostlylucid.mockllmapi дає вам:
- Контекстна пам 'ять - Сpójні , статистичні дані через багатох кроків
- Kontrolа форми - Наскіпливі визначення схем, які відповідають вашим типам
- Універсальна підтримка протоколу - REST, GraphQL, gRPCM SK3 SignalRMska4 SSEMSKA5 OpenAPI
- Гібридне тестування - Поєднати реальні дані про виробництво з генерованими моделями
- Нуль технічного обслуговування - Ніяких установок JSON для оновлення при зміні требований
- Випробовування програмного забезпечення - Fluent API для тестів на інтеграцію
Різниця між цим і традиційним копіюванням? Ваш фронтальний інтерфейс працює проти реалістичного , контекстуально свідомих даних з першого дня МSK2 Нічого більше МСК3 це працювало з макетними даними, але не спрацювало з реальними даними М СК4 сюрпризи M СК5
Неважливо, ви будуєте простий блог чи складну корпоративну програму.
Готові до початку?
docker compose up -d
Це – МСК0, це – МSK1. Не вимагається зворотнього зв 'язку.