惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

WordPress大学
WordPress大学
O
OpenAI News
钛媒体:引领未来商业与生活新知
钛媒体:引领未来商业与生活新知
博客园 - 三生石上(FineUI控件)
Webroot Blog
Webroot Blog
GbyAI
GbyAI
S
SegmentFault 最新的问题
Cyberwarzone
Cyberwarzone
Exploit-DB.com RSS Feed
Exploit-DB.com RSS Feed
J
Java Code Geeks
Google DeepMind News
Google DeepMind News
cs.CV updates on arXiv.org
cs.CV updates on arXiv.org
博客园 - 【当耐特】
S
Secure Thoughts
酷 壳 – CoolShell
酷 壳 – CoolShell
AWS News Blog
AWS News Blog
Engineering at Meta
Engineering at Meta
S
Security Affairs
H
Help Net Security
Microsoft Security Blog
Microsoft Security Blog
D
DataBreaches.Net
云风的 BLOG
云风的 BLOG
Hugging Face - Blog
Hugging Face - Blog
Google DeepMind News
Google DeepMind News
Spread Privacy
Spread Privacy
T
Threatpost
Forbes - Security
Forbes - Security
C
Cisco Blogs
Scott Helme
Scott Helme
Attack and Defense Labs
Attack and Defense Labs
Simon Willison's Weblog
Simon Willison's Weblog
腾讯CDC
The Last Watchdog
The Last Watchdog
Cloudbric
Cloudbric
Last Week in AI
Last Week in AI
Recorded Future
Recorded Future
小众软件
小众软件
V
Vulnerabilities – Threatpost
美团技术团队
人人都是产品经理
人人都是产品经理
有赞技术团队
有赞技术团队
Apple Machine Learning Research
Apple Machine Learning Research
Hacker News - Newest:
Hacker News - Newest: "LLM"
I
Intezer
月光博客
月光博客
C
Cyber Attacks, Cyber Crime and Cyber Security
博客园 - 司徒正美
C
Cybersecurity and Infrastructure Security Agency CISA
Martin Fowler
Martin Fowler
博客园 - 聂微东

DEV Community

Authentication Security Deep Dive: From Brute Force to Salted Hashing (With Java Examples) Why AI Systems Don’t Fail — They Drift Spilling beans for how i learn for exam😁"Reinforcement Learning Cheat Sheet" I Replaced Chrome with Safari for AI Browser Automation. Here's What Broke (and What Finally Worked) How Python Borrows Other People's Work The $40 Architecture: Processing 1 Billion API Requests with 99.99% Uptime Vibe Coding: A Workflow Guide (From Zero to SaaS) Most webhook security guides protect the wrong side. The scary part is delivery. Headless CMS for TanStack Start: Build a Blog with Cosmic EU Age Verification App "Hacked in 2 Minutes" — What Actually Happened Comfy Cloud’s delete function does not actually remove files Running AI Models on GPU Cloud Servers: A Beginner Guide Event-driven media intelligence with AWS Step Functions and Bedrock I scored 500 AI prompts across 8 quality dimensions — here's what broke How to Call Google Gemini API from Next.js (Free Tier, No Backend Needed) The Portal Protocol: Reclaiming Human Connection in the Age of AI How to Fix Your Team's Scattered Knowledge Problem With a Self-Hosted Forum Intro to tc Cloud Functors: A Graph-First Mental Model for the Modern Cloud Designing Multi-Tenant Backends With Both Ownership and Team Access I Built a Neumorphic CSS Library with 77+ Components — Here's What I Learned PostgreSQL Performance Optimization: Why Connection Pooling Is Critical at Scale Cómo construí un SaaS multi-rubro para gestionar expensas en Argentina con FastAPI + Vue 3 🚀 I Built an Ethical Hacking Scanner Tool – Open Source Project I Replaced /usage and /context in Claude Code With a Single Statusline A Pythonic Way to Handle Emails (IMAP/SMTP) with Auto-Discovery and AI-Ready Design I Collected 8.9 Million Polymarket Price Points — Here's What I Found About How Markets Really Move EcoTrack AI — Carbon Footprint Tracker & Dashboard Everyone's Using AI. No One Agrees How. 5 self-hosted ebook managers worth trying in 2026 Building Your First AI Agent with LangChain: From Chatbot to Autonomous Assistant Common SOC 2 Failures (Real World) Stop Vibe-Checking Your AI App: A Practical Guide to Evals How to Use SonarQube and SonarScanner Locally to Level Up Your Code Quality Your Next To-Do App Is Dead — I Replaced Mine with an OpenClaw AI Sign a Nostr event in 60 lines of Python using coincurve — no nostr-sdk, no nbxplorer, no rust toolchain ITGC Audit Explained Like You’re in Big 4 Patch Tuesday abril 2026: Microsoft parcha 163 vulnerabilidades y un zero-day en SharePoint Stop scraping everything: a better way to track competitor price changes Listing on MCPize + the Official MCP Registry while routing payments OUTSIDE the marketplace — how I kept 100% of my x402 revenue Building an AI-Powered Risk Intelligence System Using Serverless Architecture Why We Ripped Function Overloading Out of Our AI Toolchain Testing AI-Generated Code: How to Actually Know If It Works SaaS Churn Is Killing Your Business. Here Is What to Do About It (Without a Support Team) The Speed of AI Is No Longer Linear - And Self-Improving Models Are Why How to Implement RBAC for MCP Tools: A Practical Guide for Engineering Teams From Standard Quote to Persuasive Proposal: AI Automation for Arborists I built a CLI that scaffolds complete multi-tenant SaaS apps Axios CVE-2025–62718: The Silent SSRF Bug That Could Be Hiding in Your Node.js App Right Now The dashboard that ended our friendship Data Pipelines Explained Simply (and How to Build Them with Python) The Hidden Cost of AI Systems Nobody Talks About. undefined vs undeclared, and how typeof behaves Switching from file-based jobs to NATS/Kafka in Rust without changing code io_uring Adventures: Rust Servers That Love Syscalls Why Agentic AI is Killing the Traditional Database The POUR principles of web accessibility for developers and designers Quantum Neural Network 3D — A Deep Dive into Interactive WebGL Visualization How To Install Caveman In Codex On macOS And Windows Automation Pipeline Reliability: Why Your Workflow Breaks When Nobody Is Watching I Built an 'Open World' AI Coding Agent — It Works From ANY Folder From Freelancing to Product: A Tech Service Company's SaaS Transformation China's AI Giants: Adding Tencent Hunyuan & ByteDance Doubao to AI University (74 Providers) On the Vibe Coders and Their Lies clerk: Auto-Summarize Your Claude Code Sessions AI Weekly — 2026/04/10–04/17 | The Model Lockdown Is Here, but the Toolchain Is the Real Battleground AI 週報 — 2026/04/10–2026/04/17 模型封鎖潮來了,但工具鏈才是真戰場 Maybe this is how Open-Source apps are born... 🚀 Fine-Tune LLMs with LoRA and QLoRA: 2026 Guide tRPC v11 + Next.js App Router: End-to-End Type Safety Without the Boilerplate ShadCN UI in 2026: Why I Stopped Installing Component Libraries and Started Owning My Components SaaS Billing in React Server Components: Stripe + Supabase Without a Single `useEffect` Join our DEV Weekend Challenge — $1,000 in Prizes Across TEN winners! Submissions Due April 20 at 6:59 AM UTC. Implementing FSRS Spaced Repetition in Flutter + Supabase — Adding Memory Science to an AI Learning App "I Texted My Localhost From the Train — Claude Code Fixed the Bug Before I Got Home" I Built a Sales Prep AI and It Went Deeper Than Expected Design to Code #2: One JSON, Eleven Outputs Solving the 100M-Row Problem: A Summary Table Pattern for High-Volume Push Notification Logs Flutter Web With Wasm: What Actually Changes For Developers I Built 50 Royalty-Free Soundtracks for My Side Project in a Weekend Using AI Music Generation The Vibe Coding Security Checklist: 7 Things to Check Before You Ship Stop Letting Googlebot Guess Fix Your React App's SEO Right Desconstruindo o Streaming do LinkedIn: Como Criar um Engine de Extração de Vídeo de Alta Performance com HLS e FFmpeg (EDA Part-1) EDA (Exploratory Data Analysis) Explained With Real Life — Why Looking at Your Data Is the Most Important Step in Machine Learning Brand Relationship Management at Scale: Our 4-Touch Outreach System for 200+ Brands Why String.fromEnvironment() Might Return an Empty String in Dart JGuardrails 1.0.0 — Hardening Java LLM Apps Against Jailbreaks, Toxicity, and Prompt Injection Plan and Schedule a Full Week of Threads Content From One Claude Conversation Coding Cat Oran Ep3, Five Tables Changed Everything Updated: BFF Pattern I'm done watching freelancers get buried by 200 proposals. So I'm building the alternative. This is my first post BFS Algorithm in Java Step by Step Tutorial with Examples Tracking LLM Pricing Monthly: An Open Dataset for 22 AI Models How We Measure Content ROI on a Comparison Site: Revenue Attribution Without Perfect Data Introducing Nova AI Ops: The AI-Native Operating System for SRE Teams I built a free desktop video downloader for Windows — Grabbit How Talkie OCR Helps Vision-Impaired & Dyslexic Users Read the World Around Them VRCFaceTracking安装和iPhone面捕配置教程,有bug Even CrowdStrike Can't See Your Agents The Automation Gold Rush: What n8n Workflows and Claude Are Opening Up for Developers Right Now
Bruno CLI vs Apidog CLI : Exécution de tests API en CI
Antoine Laurent · 2026-06-15 · via DEV Community

Vos tests API passent en local. Le vrai enjeu est de les exécuter automatiquement à chaque pull request, fusion et build nocturne, sans clic manuel. Pour cela, vous avez besoin d’un exécuteur CLI : il lance vos tests en mode headless, retourne un code de sortie exploitable par la CI et génère un rapport lisible par votre pipeline.

Essayez Apidog aujourd'hui

Deux outils reviennent souvent pour ce cas d’usage : le CLI Bruno et le CLI Apidog. Les deux exécutent des tests API depuis GitHub Actions, GitLab CI, Jenkins ou tout environnement Node.js. Les deux font échouer la build lorsqu’un test échoue. La différence principale se situe avant l’exécution : où vivent les tests, comment ils sont créés et comment la CI y accède.

Cet article compare les deux outils au niveau commande, avec des exemples directement intégrables dans un pipeline.

En bref

  • CLI Bruno (@usebruno/cli, binaire bru) exécute des fichiers .bru présents dans votre dépôt Git. Il est open source, fonctionne hors ligne et ne nécessite ni compte ni jeton.
  • CLI Apidog (apidog-cli, binaire apidog) exécute des scénarios de test créés visuellement dans Apidog, récupérés par ID avec un jeton d’accès.
  • Les deux génèrent des rapports JUnit, JSON et HTML.
  • Les deux retournent un code non nul en cas d’échec, ce qui permet à la CI de bloquer une fusion ou un déploiement.
  • Choisissez Bruno si vous voulez des tests versionnés comme du code, dans le dépôt.
  • Choisissez Apidog si vous voulez créer, chaîner et exécuter des scénarios visuels sans maintenir manuellement des fichiers de test.

Le problème : des tests qui existent mais ne tournent pas

Un test API lancé manuellement finit souvent par devenir obsolète. Il a été écrit, validé une fois, puis oublié pendant que l’API évoluait.

La solution n’est pas seulement d’ajouter plus de tests. Il faut les exécuter automatiquement à chaque changement avec un signal clair :

  • succès ou échec ;
  • rapport exploitable ;
  • code de sortie lisible par la CI.

Un exécuteur CLI doit donc remplir trois conditions :

  1. fonctionner sans interface graphique ;
  2. retourner un code non nul en cas d’échec ;
  3. produire un rapport lisible par machine, idéalement JUnit XML.

Bruno et Apidog remplissent ces conditions. Leur différence se situe dans la source du test :

  • Bruno lit des fichiers .bru depuis le disque ;
  • Apidog récupère un scénario depuis un projet Apidog.

Si vous mettez en place une stratégie CI/CD complète, lisez aussi ce guide sur l’automatisation des tests API en CI/CD.

Ce que le CLI Bruno fait bien

Bruno adopte une approche Git-native. Chaque requête, environnement et assertion est stocké dans un fichier .bru en texte brut.

Cela donne un workflow simple :

  • les tests vivent dans le dépôt ;
  • les modifications de tests passent dans les mêmes pull requests que le code ;
  • les diffs sont lisibles ;
  • les conflits se résolvent dans un éditeur ;
  • aucun compte ni jeton n’est nécessaire pour exécuter le CLI.

C’est utile si votre équipe traite les tests comme du code et veut éviter toute dépendance à un service distant pendant l’exécution.

Installation :

npm install -g @usebruno/cli

Le binaire est bru.

Depuis le dossier contenant la collection :

bru run --env staging

Pour exécuter aussi les requêtes dans les sous-dossiers :

bru run -r --env staging

Dans ce modèle, les fichiers du dépôt sont la source de vérité. Le CLI ne récupère rien à distance.

Pour aller plus loin sur le positionnement de Bruno, consultez ces articles sur ce qui rend Bruno différent en tant que client API Git-native et sur ses limites pour les grandes équipes.

Ce que le CLI Apidog fait bien

Apidog fonctionne différemment. Vous créez vos tests dans l’application Apidog sous forme de scénarios :

  • enchaînement de requêtes ;
  • assertions ;
  • extraction de valeurs depuis les réponses ;
  • réutilisation de variables ;
  • exécution basée sur des données CSV ou JSON.

Le CLI exécute ensuite ces scénarios en mode headless.

Installation :

npm install -g apidog-cli

Le binaire est apidog.

Exemple d’exécution :

apidog run --access-token $APIDOG_ACCESS_TOKEN -t 605067 -e 1629989 -n 1 -r html,junit

Les paramètres principaux sont :

  • --access-token : jeton d’accès ;
  • -t : ID du scénario ;
  • -e : ID de l’environnement ;
  • -n : nombre d’itérations ;
  • -r : formats de rapport.

En pratique, vous n’avez pas besoin de deviner ces ID. Dans Apidog :

  1. ouvrez le scénario de test ;
  2. allez dans l’onglet CI/CD ;
  3. générez un jeton d’accès ;
  4. copiez la commande générée ;
  5. stockez le jeton dans un secret CI, par exemple APIDOG_ACCESS_TOKEN.

La référence complète des options est disponible dans le guide complet du CLI Apidog.

Comparaison côte à côte

Dimension CLI Bruno (bru) CLI Apidog (apidog)
Package @usebruno/cli apidog-cli
Commande d’exécution bru run apidog run
Source du test Fichiers .bru dans le dépôt Git Scénarios Apidog récupérés par ID
Création Fichiers texte ou application Bruno Constructeur visuel Apidog
Authentification CI Aucune Jeton d’accès --access-token
Sélection des tests Dossier, -r, --tags Scénario -t, dossier -f, --test-suite
Environnement --env <nom> -e <idEnvironnement>
Données --csv-file-path, --json-file-path -d <chemin>
Itérations --iteration-count <n> -n <n>
Rapports JSON, JUnit, HTML cli, html, json, junit
Échec rapide --bail --on-error end
Open source Oui Non, CLI npm gratuit
Compte requis Non Oui, pour le projet Apidog

Les deux couvrent les besoins CI essentiels : sélection d’environnement, données de test, rapports et code de sortie non nul. Le choix dépend surtout de la source de vérité :

  • dépôt Git pour Bruno ;
  • scénario visuel Apidog pour Apidog.

Rapports et codes de sortie

En CI, deux éléments comptent vraiment :

  1. le rapport généré ;
  2. le code de sortie.

Générer des rapports avec Bruno

bru run -r --env staging \
  --reporter-junit ./results/junit.xml \
  --reporter-html ./results/report.html \
  --reporter-json ./results/report.json

Utilisez :

  • --reporter-junit pour produire un XML JUnit lisible par la CI ;
  • --reporter-html pour générer un artefact consultable ;
  • --reporter-json pour un post-traitement personnalisé.

Pour arrêter l’exécution au premier échec :

bru run -r --env staging --bail

Générer des rapports avec Apidog

apidog run --access-token $APIDOG_ACCESS_TOKEN -t 605067 \
  -r html,junit --out-dir ./apidog-reports

Le flag -r accepte plusieurs formats séparés par des virgules.

Pour contrôler le comportement en cas d’erreur :

apidog run --access-token $APIDOG_ACCESS_TOKEN -t 605067 \
  --on-error continue \
  -r html,junit \
  --out-dir ./apidog-reports

Options courantes :

  • --on-error end : arrête à la première erreur ;
  • --on-error continue : continue pour collecter toutes les erreurs ;
  • --on-error ignore : ignore certaines erreurs connues.

Dans les deux cas, si une assertion échoue, le CLI retourne un code non nul. La CI marque alors l’étape comme échouée.

Évitez ceci :

bru run -r --env staging || true

ou :

apidog run --access-token $APIDOG_ACCESS_TOKEN -t 605067 || true

|| true masque l’échec et empêche la CI de bloquer la fusion.

Utiliser le CLI Bruno dans GitHub Actions

Comme les fichiers .bru sont déjà dans le dépôt, le workflow est direct :

name: Tests API

on:
  pull_request:
    branches: [main]

jobs:
  api-tests:
    runs-on: ubuntu-latest
    steps:
      - name: Récupération du code
        uses: actions/checkout@v4

      - name: Configuration de Node.js
        uses: actions/setup-node@v4
        with:
          node-version: '20'

      - name: Installation du CLI Bruno
        run: npm install -g @usebruno/cli

      - name: Exécution des tests API
        working-directory: ./api-tests
        run: bru run -r --env staging --reporter-junit ./results/junit.xml

      - name: Téléchargement du rapport
        if: always()
        uses: actions/upload-artifact@v4
        with:
          name: rapport-bruno
          path: ./api-tests/results

Points importants :

  • working-directory doit pointer vers le dossier de la collection Bruno ;
  • if: always() permet de récupérer le rapport même si les tests échouent ;
  • aucun secret n’est nécessaire pour exécuter Bruno.

Utiliser le CLI Apidog dans GitHub Actions

Avec Apidog, le workflow est similaire, mais vous devez fournir un jeton d’accès via les secrets GitHub.

name: Tests API

on:
  pull_request:
    branches: [main]

jobs:
  api-tests:
    runs-on: ubuntu-latest
    steps:
      - name: Récupération du code
        uses: actions/checkout@v4

      - name: Configuration de Node.js
        uses: actions/setup-node@v4
        with:
          node-version: '20'

      - name: Installation du CLI Apidog
        run: npm install -g apidog-cli

      - name: Exécution du scénario de test API
        run: |
          apidog run \
            --access-token "$APIDOG_ACCESS_TOKEN" \
            -t 605067 \
            -e 1629989 \
            -r html,junit \
            --out-dir ./apidog-reports
        env:
          APIDOG_ACCESS_TOKEN: ${{ secrets.APIDOG_ACCESS_TOKEN }}

      - name: Téléchargement du rapport
        if: always()
        uses: actions/upload-artifact@v4
        with:
          name: rapport-apidog
          path: ./apidog-reports

À configurer côté GitHub :

  1. ouvrez les paramètres du dépôt ;
  2. allez dans Secrets and variables ;
  3. ajoutez APIDOG_ACCESS_TOKEN ;
  4. collez le jeton généré depuis l’onglet CI/CD d’Apidog.

Le guide complet du CLI Apidog montre aussi des variantes pour GitLab CI et Jenkins.

Exécuter sans installation globale

Sur des runners CI éphémères, vous pouvez éviter l’installation globale.

Avec Bruno :

npx @usebruno/cli run -r --env staging

Avec Apidog :

npx apidog-cli run --access-token $APIDOG_ACCESS_TOKEN -t 605067 -e 1629989

Vérifiez les options disponibles dans votre version :

bru run --help

apidog run --help

Comment choisir

Le bon choix dépend de votre workflow de test.

Choisissez Bruno si le dépôt est la source de vérité

Bruno convient si vous voulez :

  • stocker les tests dans Git ;
  • relire les changements de tests dans les pull requests ;
  • exécuter hors ligne ;
  • éviter comptes et jetons ;
  • manipuler des fichiers texte avec vos outils habituels.

C’est un bon choix pour les équipes qui veulent traiter les tests API comme du code versionné.

Choisissez Apidog si vous voulez accélérer la création de scénarios

Apidog convient si vous voulez :

  • construire les scénarios visuellement ;
  • chaîner plusieurs requêtes ;
  • extraire des variables entre étapes ;
  • exécuter les mêmes scénarios sur plusieurs environnements ;
  • éviter la maintenance manuelle de fichiers de test.

Le scénario créé dans Apidog devient la source de vérité, et le CLI l’exécute tel quel en CI.

Pour les équipes venant de Postman, Apidog peut aussi s’inscrire dans une migration plus large. Voir cette comparaison des alternatives à Postman pour les tests d’API.

Vous pouvez aussi utiliser les deux

Les deux CLI peuvent coexister dans le même pipeline :

  • Bruno pour des vérifications bas niveau versionnées dans Git ;
  • Apidog pour des scénarios de bout en bout plus complexes.

Chaque outil devient une étape distincte avec son propre code de sortie.

Si vous comparez les plateformes au-delà du CLI, cette comparaison Apidog vs Bruno couvre aussi la conception, le mocking et la collaboration.

Foire aux questions

Le CLI Bruno est-il gratuit ?

Oui. Le CLI Bruno est open source et distribué comme package npm @usebruno/cli. Il s’exécute localement ou en CI sans compte ni jeton. Bruno Ultimate est un niveau payant séparé avec des fonctions d’équipe et de gouvernance comme le SSO, le SCIM, les intégrations de gestionnaires de secrets et l’audit.

Le CLI Apidog est-il gratuit ?

Le CLI est un package npm gratuit : apidog-cli. Il exécute les scénarios de test de votre projet Apidog. Ce que vous pouvez exécuter dépend donc de votre plan Apidog, mais le CLI n’est pas un produit payant séparé.

Dois-je écrire les tests sous forme de code ?

Avec Bruno, les tests sont des fichiers .bru que vous pouvez éditer directement ou générer via l’application Bruno.

Avec Apidog, vous créez les scénarios visuellement dans l’application, puis le CLI les exécute par ID. Vous n’avez pas à maintenir manuellement le code de test.

Les deux CLI font-ils échouer la build ?

Oui. Les deux retournent un code non nul lorsqu’une assertion échoue. La CI utilise ce code pour marquer l’étape comme échouée et bloquer la fusion ou le déploiement.

Bruno peut s’arrêter au premier échec avec :

bru run --bail

Apidog utilise :

apidog run --on-error end

--on-error end est le comportement par défaut.

Quel format de rapport utiliser en CI ?

Utilisez JUnit XML pour l’intégration CI, car c’est le format le plus couramment analysé par les tableaux de bord.

Avec Bruno :

bru run -r --reporter-junit ./results/junit.xml

Avec Apidog :

apidog run -r junit --out-dir ./apidog-reports

Ajoutez HTML si vous voulez un rapport consultable comme artefact.

Le CLI Bruno nécessite-t-il Internet ?

Non. Bruno exécute les fichiers .bru depuis le dépôt local. Il ne nécessite pas de connexion ni de récupération distante, ce qui convient aux environnements isolés.

Le CLI Apidog, lui, s’authentifie avec un jeton d’accès et récupère le scénario depuis votre projet Apidog. Il nécessite donc un accès réseau au service Apidog pendant l’exécution.

Puis-je lancer les CLI avec npx ?

Oui.

Bruno :

npx @usebruno/cli run -r --env staging

Apidog :


bash
npx apidog-cli run --access-token $APIDOG_ACCESS_TOKEN -t 605067 -e 1629989