Postman MCP Server به agentهای هوش مصنوعی اجازه می‌دهد منابع Postman را مدیریت کنند و workflowهای پیچیده را با دستور طبیعی انجام دهند. چون agentها ممکن است اشتباه کنند، بهتر است promptها را شفاف بنویسید و عملیات تغییردهنده یا مخرب را قبل از تایید نهایی بازبینی کنید.
بهترین روش‌ها
- نام سرور را صریح بگویید: prompt را با عبارتی مثل «هنگام کار با منابع Postman از Postman MCP Server استفاده کن» شروع کنید تا مدل سراغ curl یا CLI نرود.
- عملیات را بازبینی کنید: برای به‌روزرسانی یا حذف منابع، پاسخ agent و منبع هدف را قبل از قبول تغییر بررسی کنید.
- ID منابع را بدهید: اگر workspace، collection یا environment مشخصی مدنظر است، ID آن را در prompt وارد کنید تا تعداد API callها کمتر شود و خطای انتخاب منبع پایین بیاید.
تغییر متغیر محیط
Prompt نمونه: مقدار متغیر محیط Postman با نام baseUrl را در environment به نام Local به http://localhost:8001 تغییر بده. هنگام کار با منابع Postman از Postman MCP Server استفاده کن.
ساخت OpenAPI و همگام‌سازی با Postman
Prompt نمونه: این repository یک API با Django REST Framework دارد. برای من یک OpenAPI definition برای CRUD منبع Customer حدس بزن، ID workspace به نام Customers را با ابزارهای Postman MCP Server بگیر، یک Postman Spec در همان workspace بساز و از روی spec یک Collection ایجاد کن.
به‌روزرسانی مستندات Collection
Prompt نمونه: اطلاعات Collection با نام Customer API Collection را به این متن تغییر بده: CRUD operations on the customers table. These endpoints require authentication and permissions on the Customer table.
اعمال تغییرات backend بر اساس Postman Spec
Prompt نمونه: من Postman Spec با نام Customer API را به‌روزرسانی کرده‌ام و چند field جدید به منبع Customer اضافه شده است. تغییرات spec را با Postman MCP Server بخوان، آن‌ها را تحلیل کن و تغییرات لازم را در کد Django، شامل model و serializer، اعمال کن.
جمع‌بندی
برای promptهای Postman MCP Server، هدف، منبع، IDها، محدودیت‌ها و معیار موفقیت را روشن بیان کنید. برای کارهای حساس، از agent بخواهید قبل از اعمال تغییر نهایی خلاصه برنامه و منبع هدف را اعلام کند.
منبع آموزشی: Postman Docs، بازنویسی و ساده‌سازی‌شده برای کاربران فارسی‌زبان.