Перейти к содержимому
Экосистема AI Vibe

Новости

TCS разнесла автотесты по агентам вместо одного промпта

Редакция 10 ноября 2026 г.

Цепочка агентов превращает требования из трекера и репозитория в автотесты, прогон и отчёт с изоляцией данных арендатора.

TCS для BFSI-клиентов на Amazon Bedrock AgentCore собрала оркестратор: тянет Jira, BRD, Swagger и GitLab, на выходе — сценарии, Gherkin и Java или Python с прогоном на ECS и отчётом в веб-приложении арендатора. Цель — не вытеснить инженеров по качеству, а снять с них бесконечный перевод требований в скрипты и разбор однотипных падений.

Обычная автоматизация ускоряет только запуск: сценарии, локаторы и диагностику по-прежнему пишут руками, а один длинный промпт не тянет многостадийный контур с контролем. Команда разложила работу на роли — детерминированный супервизор решает, кому отдать задачу, а workflow фиксирует повторы, классификацию ошибок и отчётность. Runtime AgentCore масштабирует сессии и изолирует их в отдельных microVM, так что инженерия ушла в логику тестов, а не в свой слой инфраструктуры агентов.

Кто за что отвечает

Платформа на Strands Agents SDK в runtime AgentCore. У каждого агента свои инструменты, правила валидации и контекст:

  • Generation agent — сценарии, Gherkin, код на Java или Python и проверка результата.
  • Chat agent — ответ на вопрос или правка активного артефакта по запросу тестировщика.
  • Dynamic task agent — из BRD собирает user story с требованиями и критериями приёмки.
  • Incremental agent — дополняет сценарии и код по цепочке связанных Jira stories, без старта с нуля.
  • Execution agent — среда, прогон, классификация сбоев, ограниченные правки и сохранение итога.

Откуда берётся контекст

Документы и артефакты — в Amazon S3, метаданные сессий — в DynamoDB; проектные файлы индексируются в Bedrock Knowledge Bases с векторным поиском. Retrieval режется по арендатору, проекту и сессии, чтобы данные одного клиента не попали в тесты другого. Для UI отдельный capture на Puppeteer превращает URL и цель на естественном языке в описание потока и XPath-локаторы.

Прогон и цикл правок

Execution agent шлёт API-тесты на AWS Fargate, Selenium UI — на ECS с EC2 и виртуальным дисплеем; при необходимости пишет HLS-поток прогона в S3. Шаги fetch → execute → fix → save оформлены как LangGraph workflow: fixer включается только при классификации «ошибка в коде» и в рамках лимита повторов; пустые файлы и резкие скачки размера отсекаются, сетевые и auth-сбои в fixer не уходят.

На контрольном наборе из примерно 100 BFSI-сценариев ручной цикл занимал около 200 часов — в среднем два часа на сценарий. С оркестратором тот же объём уложился примерно в 24 часа, около 14 минут на сценарий; TCS зафиксировала сокращение усилий на 88 % на внутреннем бенчмарке, с оговоркой, что на другом стеке цифры будут другими.

Источник: How TCS built an agentic test orchestrator with Amazon Bedrock AgentCore.