Postman AI 完全指南:从智能助手到自主代理

Postman 已进化为 AI 原生的 API 开发平台。本文系统梳理 Postman 的三层 AI 能力：内置的 Agent Mode（智能助手）、可构建自定义代理的 AI Agent Builder、以及连接外部 AI 工具的 MCP Server。通过清晰的应用场景和代码示例，帮助你快速理解并选择适合自己的 AI 能力。

你是否遇到过这样的场景：写 API 测试脚本时反复查文档、调试错误时在响应和代码间来回切换、想让 Claude 帮你管理 Postman 集合却不知如何连接？

Postman 最新版本（Postman 12.2.3 March 19, 2026）用一套完整的 AI 能力矩阵解决了这些问题。它不再是简单的 API 客户端，而是一个让 AI 深度参与 API 全生命周期开发的平台。无论你是希望在日常工作中“有个帮手”，还是想构建自己的 AI 代理，或是让外部 AI 工具直接操作 Postman，Postman 都提供了对应的解决方案。

本文将带你理解这三层能力分别解决什么问题、适合谁用，以及如何快速上手。

一、整体概览：

Postman AI 的三层能力

Postman 的 AI 能力可以划分为三个层次，从“用 AI”到“造 AI”，层层递进：

这三层并非孤立，而是可以组合使用。例如，你可以用 AI Agent Builder 构建一个客服代理，内部通过 Agent Mode 调试 API，再通过 MCP Server 让这个代理被其他工具调用。

二、基础层：

Agent Mode — 你的 AI 副驾

2.1 它是什么？

Agent Mode 是内置于 Postman 客户端的 AI 助手。你只需用自然语言描述需求，它就能自动完成创建请求、编写测试、调试错误、设置 Mock 服务器等一系列操作。

目前处于 Open Beta 阶段，Free、Solo 、Team 和 Enterprise 计划均可使用。

2.2 它能做什么？

2.3 如何使用？

• 自然语言输入: 直接在聊天框输入，例如“创建一个 GET 请求到 users 端点，使用 Bearer Token 认证，并添加基本测试”。

• 快捷命令（Skills）：输入 /test 为当前响应生成测试，/debug 调试错误，/document 生成文档。

• @ 引用：用 @ 选择集合或数据作为上下文，让 AI 更精准理解。

2.4 典型场景

场景：调试一个出错的 API

1. 发送请求后收到 500 错误。

2. 在聊天框输入 /debug。

3. Agent Mode 自动分析响应，提示“数据库连接超时，建议检查连接池配置”。

4. 你根据建议修复问题，无需在文档和代码间反复切换。

三、扩展层：

AI Agent Builder — 构建你自己的 AI 代理

如果说 Agent Mode 是“用 AI 帮你做事”，那么 AI Agent Builder 就是“让你为别人或自己构建 AI 代理”的平台。

3.1 它是什么？

AI Agent Builder 是一套完整的工具套件，帮助你快速构建、测试和部署基于 API 的 AI 代理。这些代理可以自动执行多步任务，如查询订单状态、处理客服请求、监控系统告警等。

3.2 核心特点

• 无需从零编码：提供模板和拖拽式画板（Postman Flows），零代码即可起步。

• 基于可信 API：依托 Postman API Network 中超过 18,000 家公司的可靠 API。

• 全生命周期支持：从原型设计、测试到生产部署，一站式完成。

3.3 三大核心能力

3.4 典型场景

场景：构建一个订单状态查询的客服代理

1. 在 AI Agent Builder 中选择“客服代理”模板。

2. 拖拽“发送请求”块，调用订单查询 API。

3. 添加“条件判断”块，根据订单状态返回不同话术（如“已发货”则返回物流单号）。

4. 设置“输出”块，将结果以友好格式返回。

5. 一键部署为 API 端点，供聊天机器人或客服系统调用。

3.5 价值数据

根据官方统计

• 45% 的编码速度提升（来自样板代码的消除）。

• 14% 的客户服务生产力提升。

• 17% 的收入增长优势（使用 AI 的企业对比未使用者）。

四、连接层：

MCP Server — 让外部 AI 工具操作 Postman

Postman MCP Server 是 Postman 对 Model Context Protocol（MCP）开放标准的实现。它让 Claude、Cursor、Zed 等支持 MCP 的 AI 编码助手，能够直接与 Postman 的工作流交互。

4.1 它是什么？

MCP 可以理解为“AI 助手的通用接口标准”。Postman 提供了一个符合该标准的服务器，外部 AI 工具通过它就能安全地调用 Postman 的功能——运行集合、生成代码、管理工作空间，全部通过自然语言完成。

4.2 它能做什么？

在 Claude 或 Cursor 中，你可以直接输入：

• “用 Postman 运行我的‘订单测试’集合，使用 production 环境”。

• “Google Maps Geolocation API 可以返回哪些状态码？用 Postman”。

• “为我们的内部 acme sync API 生成 Python 客户端代码”。

• “把当前工作空间的所有集合导出”。

提示词中的“用 Postman”确保 AI 调用 MCP Server 工具。你也可以在 AI 工具中设置规则，让“探索 API、生成客户端代码”等场景默认使用 Postman MCP。

4.3 三种配置模式

Postman MCP Server 提供三种工具集，可根据需求选择：

4.4 安全与费用

• 通信通过 HTTPS 加密，无需在代理端额外配置。

• 数据安全遵循 Postman 服务条款与隐私政策。

• MCP 工具调用计入 Postman API 调用的月度限额。

• 支持为内部 API 和公共 API 生成 MCP 服务器。

五、综合实战：

三个能力如何协同工作

假设你有一个任务：构建一个“订单状态智能客服”，让用户通过自然语言查询订单，并自动调用订单 API 返回结果。

步骤1：用 Agent Mode 调试订单 API

在 Postman 中，先用 Agent Mode 测试订单 API：

“创建一个 GET 请求到 https://api.example.com/orders/{orderId}，添加 Bearer Token 认证，编写测试验证返回的 status 字段。”

Agent Mode 自动生成请求和测试脚本，确保 API 可用。

步骤2：用 AI Agent Builder 构建客服代理

1. 进入 AI Agent Builder，选择“客服代理”模板。

2. 拖拽“输入”块，接收用户输入的订单号。

3. 拖拽“发送请求”块，调用上一步调试好的订单 API。

4. 拖拽“条件判断”块：若 status 为 “shipped”，返回物流信息；若为 “pending”，返回预计时间。

5. 拖拽“输出”块，返回友好话术。

6. 部署为 API 端点。

步骤3：用 MCP Server 让团队 AI 助手调用

团队使用的 Cursor 已配置 Postman MCP Server。产品经理可以直接在 Cursor 中输入：

“查询订单号 12345 的状态，用 Postman”

Cursor 通过 MCP Server 调用订单 API，返回结果。无需产品经理打开 Postman 或了解 API 细节。

六、总结与选择指南

6.1 三种能力对比

6.2 我应该用哪个？

6.3 快速开始

• Agent Mode：打开 Postman 客户端，在底部聊天框直接输入需求。

• AI Agent Builder：访问 ai-agent-builder ，点击“Get started”。

• MCP Server：访问 mcp-server ，按照文档配置你的 AI 工具。

Postman 正通过这三层 AI 能力，让 API 开发从“人操作工具”走向“人指挥 AI 操作工具”。无论你处于哪个阶段，都能找到适合自己的起点。现在就打开 Postman ，开始体验 AI 驱动的 API 开发新范式吧。