Mock OpenAI API

中文说明 | English

一个完整的 OpenAI API 兼容的模拟服务器，无需调用真实的大模型，返回预定义的测试数据。非常适合开发、测试和调试使用 OpenAI API 的应用程序。

🚀 快速开始

方法 1：公共服务（无需安装配置）

最快的使用方式是直接使用我们的公共部署服务：

服务地址: https://mockllm.anya2a.com/v1
API密钥: DeepChat

# 测试公共服务
curl https://mockllm.anya2a.com/v1/models \
  -H "Authorization: Bearer DeepChat"

# 聊天完成示例
curl -X POST https://mockllm.anya2a.com/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer DeepChat" \
  -d '{
    "model": "mock-gpt-thinking",
    "messages": [{"role": "user", "content": "你好"}]
  }'

方法 2：NPM 安装（本地部署）

npm install -g mock-openai-api

启动服务器

npx mock-openai-api

服务器将在 http://localhost:3000 启动。

⚙️ CLI 选项

模拟服务器支持多种命令行选项进行自定义配置：

基本用法

# 使用默认设置启动
npx mock-openai-api

# 指定自定义端口启动
npx mock-openai-api -p 8080

# 指定自定义主机和端口
npx mock-openai-api -H localhost -p 8080

# 启用详细请求日志
npx mock-openai-api -v

# 组合多个选项
npx mock-openai-api -p 8080 -H 127.0.0.1 -v

可用选项

| 选项 | 简写 | 描述 | 默认值 | | ------------------ | ---- | ------------------------ | --------- | | --port <number> | -p | 服务器端口 | 3000 | | --host <address> | -H | 服务器主机地址 | 0.0.0.0 | | --verbose | -v | 启用请求日志输出到控制台 | false | | --version | | 显示版本号 | | | --help | | 显示帮助信息 | |

使用示例

# 开发环境设置，启用详细日志
npx mock-openai-api -v -p 3001

# 生产环境设置
npx mock-openai-api -H 0.0.0.0 -p 80

# 本地测试设置
npx mock-openai-api -H localhost -p 8080 -v

# 查看版本
npx mock-openai-api --version

# 获取帮助
npx mock-openai-api --help

服务器启动时，会显示正在使用的配置：

🚀 Mock OpenAI API server started successfully!
📍 Server address: http://0.0.0.0:3000
⚙️  Configuration:
   • Port: 3000
   • Host: 0.0.0.0
   • Verbose logging: DISABLED
   • Version: 1.0.1

基本使用

# 获取模型列表
curl http://localhost:3000/v1/models

# 聊天完成（非流式）
curl -X POST http://localhost:3000/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{
    "model": "mock-gpt-thinking",
    "messages": [{"role": "user", "content": "你好"}]
  }'

# 聊天完成（流式）
curl -X POST http://localhost:3000/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{
    "model": "mock-gpt-thinking",
    "messages": [{"role": "user", "content": "你好"}],
    "stream": true
  }'

# 图像生成
curl -X POST http://localhost:3000/v1/images/generations \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-4o-image",
    "prompt": "一只可爱的猫咪",
    "n": 1,
    "size": "1024x1024"
  }'

🎯 特性

• ✅ 完整的 OpenAI API 兼容性
• ✅ 支持流式和非流式聊天完成
• ✅ 支持函数调用
• ✅ 支持图像生成
• ✅ 预定义的测试场景
• ✅ TypeScript 编写
• ✅ 易于集成和部署
• ✅ 详细的错误处理

📋 支持的 API 端点

模型管理

• GET /v1/models - 获取可用模型列表
• GET /models - 兼容端点

聊天完成

• POST /v1/chat/completions - 创建聊天完成
• POST /chat/completions - 兼容端点

图像生成

• POST /v1/images/generations - 生成图像
• POST /images/generations - 兼容端点

健康检查

• GET /health - 服务器健康状态

🤖 可用模型

1. mock-gpt-thinking

思考型模型 - 显示推理过程，适合调试逻辑

{
  "model": "mock-gpt-thinking",
  "messages": [{"role": "user", "content": "计算 2+2"}]
}

响应会包含 <thinking> 标签显示思考过程。

2. gpt-4-mock

函数调用模型 - 支持工具和函数调用

{
  "model": "gpt-4-mock",
  "messages": [{"role": "user", "content": "今天北京的天气怎么样？"}],
  "functions": [
    {
      "name": "get_weather",
      "description": "获取天气信息",
      "parameters": {
        "type": "object",
        "properties": {
          "location": {"type": "string"},
          "date": {"type": "string"}
        }
      }
    }
  ]
}

3. mock-gpt-markdown

Markdown 示例模型 - 专门输出标准 Markdown 格式的纯文本模型

{
  "model": "mock-gpt-markdown",
  "messages": [{"role": "user", "content": "任何问题"}]
}

响应将是一个完整的 Markdown 文档，包含各种格式元素，适合前端 UI 调试。 注意： 此模型专注于内容展示，不支持函数调用功能，保持输出的纯净性。

4. gpt-4o-image

图像生成模型 - 专门用于图像生成

{
  "model": "gpt-4o-image",
  "prompt": "一只可爱的橘猫在阳光下玩耍",
  "n": 2,
  "size": "1024x1024",
  "quality": "hd"
}

支持多种尺寸和质量设置，返回高质量的模拟图像。

🛠️ 开发

本地开发

# 克隆项目
git clone https://github.com/zerob13/mock-openai-api.git
cd mock-openai-api

# 安装依赖
npm install

# 开发模式运行
npm run dev

# 构建项目
npm run build

# 生产模式运行
npm start

项目结构

src/
├── types/          # TypeScript 类型定义
├── data/           # 预定义的测试数据
├── utils/          # 工具函数
├── services/       # 业务逻辑服务
├── controllers/    # 路由控制器
├── routes/         # 路由定义
├── app.ts          # Express 应用设置
├── index.ts        # 服务器启动
└── cli.ts          # CLI 工具入口

添加新的测试场景

1. 在 src/data/mockData.ts 中添加新的测试用例
2. 可以为现有模型添加测试用例，或创建新的模型类型
3. 重新构建项目：npm run build

示例：

const newTestCase: MockTestCase = {
  name: "新功能测试",
  description: "测试新功能的描述",
  prompt: "触发关键词",
  response: "预期的响应内容",
  streamChunks: ["分段", "流式", "内容"], // 可选
  functionCall: { // 可选，仅用于 function 类型模型
    name: "function_name",
    arguments: { param: "value" }
  }
};

🌐 部署

Docker 部署

创建 Dockerfile:

FROM node:18-alpine
WORKDIR /app
COPY package*.json ./
RUN npm ci --only=production
COPY dist ./dist
EXPOSE 3000
CMD ["node", "dist/index.js"]

构建和运行：

docker build -t mock-openai-api .
docker run -p 3000:3000 mock-openai-api

环境变量

• PORT - 服务器端口（默认：3000）
• HOST - 服务器主机（默认：0.0.0.0）

🧪 测试

使用 curl 测试

# 测试公共服务
curl https://mockllm.anya2a.com/health
curl https://mockllm.anya2a.com/v1/models \
  -H "Authorization: Bearer DeepChat"

# 测试本地服务
curl http://localhost:3000/health
curl http://localhost:3000/v1/models

# 测试思考型模型
curl -X POST http://localhost:3000/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{
    "model": "mock-gpt-thinking",
    "messages": [{"role": "user", "content": "解释一下递归"}]
  }'

# 测试函数调用
curl -X POST http://localhost:3000/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-4-mock",
    "messages": [{"role": "user", "content": "现在几点了？"}]
  }'

# 测试 Markdown 输出
curl -X POST http://localhost:3000/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{
    "model": "mock-gpt-markdown",
    "messages": [{"role": "user", "content": "任何内容"}]
  }'

# 测试流式输出
curl -X POST http://localhost:3000/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{
    "model": "mock-gpt-thinking",
    "messages": [{"role": "user", "content": "讲个故事"}],
    "stream": true
  }'

# 测试图像生成
curl -X POST http://localhost:3000/v1/images/generations \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-4o-image",
    "prompt": "一只可爱的橘猫",
    "n": 2,
    "size": "1024x1024"
  }'

使用 OpenAI SDK 测试

import OpenAI from 'openai';

// 使用公共服务
const client = new OpenAI({
  baseURL: 'https://mockllm.anya2a.com/v1',
  apiKey: 'DeepChat'
});

// 或使用本地部署
const localClient = new OpenAI({
  baseURL: 'http://localhost:3000/v1',
  apiKey: 'mock-key' // 可以是任意值
});

// 测试聊天完成
const completion = await client.chat.completions.create({
  model: 'mock-gpt-thinking',
  messages: [{ role: 'user', content: '你好' }]
});

console.log(completion.choices[0].message.content);

// 测试流式聊天
const stream = await client.chat.completions.create({
  model: 'mock-gpt-thinking',
  messages: [{ role: 'user', content: '你好' }],
  stream: true
});

for await (const chunk of stream) {
  const content = chunk.choices[0]?.delta?.content || '';
  process.stdout.write(content);
}

// 测试图像生成
const image = await client.images.generate({
  model: 'gpt-4o-image',
  prompt: '一只可爱的橘猫',
  n: 1,
  size: '1024x1024'
});

console.log(image.data[0].url);

🤝 贡献

欢迎提交 Issue 和 Pull Request！

1. Fork 本项目
2. 创建特性分支：git checkout -b feature/AmazingFeature
3. 提交更改：git commit -m 'Add some AmazingFeature'
4. 推送到分支：git push origin feature/AmazingFeature
5. 提交 Pull Request

📄 许可证

本项目使用 MIT 许可证。详见 LICENSE 文件。

🔗 相关链接

• OpenAI API 文档
• Express.js
• TypeScript

💡 使用场景

• 前端开发: 无需等待后端 API，快速开发和测试 AI 功能
• API 集成测试: 验证应用程序与 OpenAI API 的集成
• 演示和原型: 创建不依赖真实 AI 服务的演示
• 开发调试: 调试流式响应、函数调用等复杂场景
• 成本控制: 避免开发阶段的 API 调用费用
• 离线开发: 在没有网络的情况下开发 AI 应用

🎉 结语

Mock OpenAI API 让您能够快速、可靠地开发和测试 AI 应用，无需担心 API 配额、网络连接或费用问题。开始您的 AI 应用开发之旅吧！