AI-agenti pro QA: 11 schopností pipeline

Architektura multiagentního AI systému pro automatizaci QA procesu

Testování zaostává za vývojem: automatizované testy nepokrývají nové scénáře, manuální regrese roste, rotace inženýrů vyžaduje měsíc na zaučení. Analýza času QA ukazuje, že 80 % úloh je systematizovatelných – od analýzy požadavků po automatizaci. Systém z 11 AI agentů přebírá tuto rutinu, ponechávajíc inženýrovi kontrolu a úpravy.

Koncept: QA inženýr jako operátor exoskeletonu

Role inženýra se mění: místo manuálního provádění fází stanovuje pravidla, zadává úkoly agentům a kontroluje artefakty. Principy – integrace do stávajícího stacku (Jira, Zephyr, GitLab, pytest), transparentnost formátů, úplný audit a škálovatelnost.

Dříve: manuální test design, individuální prompty, nestrukturovaná data.

Nyní: standardizované artefakty, paralelní provádění, předvídatelné náklady.

Obecná architektura: 11 agentů v jednotném pipeline

Systém založený na Claude Code Skills implementuje pipeline od nahrání požadavků po MR s automatizovanými testy. Orchestrátor řídí paralelní provádění, kontroluje kvalitu ve fázích.

Jira/Confluence → Nahrání → Dekompozice → Scénáře → Automatizace API/UI → Validace → GitLab MR / Zephyr

Seznam 11 dovedností

• jira-fetch: Nahrání úloh, příloh, podúloh z Jira/Confluence.
• requirements-decomposer: Dekompozice na User Stories a Tasks s funkčními/nefunkčními požadavky a kritérii přijetí.
• scenarios-generator: Generování scénářů podle ISTQB (ekvivalentní rozdělení, hraniční hodnoty).
• scenario-data-fix: Sběr testovacích dat s globálním kontextem.
• scenario-discrepancies-fix: Oprava nesrovnalostí s UI/API.
• selectors-collector: Sběr CSS/Playwright selektorů pro POM.
• automation-api: pytest + requests pro API testy.
• automation-ui: pytest + Playwright pro UI testy.
• automation-compare: Porovnání scénářů s kódem automatizovaných testů.
• zephyr-uploader: Nahrání případů do Zephyr Scale.
• mr-creator: Vytvoření Merge Request v GitLab.

Detaily fází: od požadavků ke scénářům

Nahrání a dekompozice

jira-fetch parsuje nestrukturovaná data: text, tabulky, PDF/DOCX. requirements-decomposer vytváří strukturu:

testing/requirements/DEVAI-258/
├── US-001.md
├── TASK-001.md
├── NOTES-classification.md
└── _index.json

Příklad dekompozice:

## Funkční požadavky
- F-DEVAI-283-BE-01: POST /api/v1/integrations/confluence/connect

## Kritéria přijetí
- AC-DEVAI-283-01: success: true při platných datech

Globální kontext zajišťuje kontext projektu (API kontrakty, prostředí).

Generování scénářů

scenarios-generator aplikuje pyramidu testování: e2e pro User Stories, unit pro úkoly. JSON formát s trasovatelností:

{
  "testSuite": {
    "name": "US-001: Autorizace",
    "testCases": [{
      "id": "TC-001-001",
      "testSteps": [{
        "action": "POST /api/auth/login",
        "expectedResult": "HTTP 200, JWT token"
      }],
      "traceability": {"requirementIds": ["F-DEVAI-258-01"]}
    }]
  }
}

Vytváří se RTM pro pokrytí požadavků:

| ID | Název | Stav | Testy | Pokrytí |

|---|----------|--------|-------|----------|

| F-DEVAI-258-01 | Autorizace | Pokryto | 2 | 100% |

Integrace s Figma přes MCP analyzuje návrhy: prvky, stavy, nesrovnalosti.

Orchestrace a integrace

Orchestrátor spouští agenty paralelně: API/UI automatizace současně. Integrace:

• Jira/Confluence: REST API.
• Figma: MCP pro UI analýzu.
• Zephyr: import JSON případů.
• GitLab: vytvoření MR s pytest projekty.

selectors-collector generuje SELECTORS.json pro Page Object Model.

Technické výzvy a řešení

Problémy:

• Nestrukturované požadavky – řešeno šablonami dekompozice.
• Nesrovnalosti UI/API – fix-agenty s ERROR_DISCREPANCIES.md.
• Pokrytí automatizovanými testy – automation-compare s reportem.

Škálování: jeden inženýr řídí několik projektů bez ztráty kvality.

Co je důležité

• 80 % rutiny QA automatizováno: analýza, scénáře, automatizované testy, MR.
• Transparentnost: všechny artefakty ve standardních formátech (JSON, pytest, Zephyr).
• Trasovatelnost: RTM ukazuje pokrytí požadavků testy.
• Škálovatelnost: paralelní provádění, integrace do stacku bez změn.
• Kontrola: inženýr upravuje ve fázích, audit dostupný.

— Editorial Team