QA를 위한 AI 에이전트: 11개 파이프라인 스킬

QA 프로세스 자동화를 위한 다중 에이전트 AI 시스템 아키텍처

개발 속도에 테스트가 뒤처지는 현상: 자동화 테스트는 새로운 시나리오를 커버하지 못하고, 수동 회귀 테스트는 늘어나며, 엔지니어 교체 시 한 달간의 온보딩이 필요합니다. QA 시간 분석 결과, 요구사항 분석부터 자동화까지 80%의 작업이 체계화 가능한 것으로 나타났습니다. 11개의 AI 에이전트 시스템이 이러한 일상 업무를 처리하여 엔지니어는 조정 작업에 집중할 수 있습니다.

개념: 외골격 장치 조종사로서의 QA 엔지니어

엔지니어의 역할이 변화합니다: 단계를 수동으로 실행하는 대신, 규칙을 설정하고 에이전트에 작업을 할당하며 산출물을 검토합니다. 원칙에는 기존 스택(Jira, Zephyr, GitLab, pytest) 통합, 투명한 형식, 완전한 감사 가능성, 확장성이 포함됩니다.

이전: 수동 테스트 설계, 개별 프롬프트, 비정형 데이터.

이후: 표준화된 산출물, 병렬 실행, 예측 가능한 비용.

전체 아키텍처: 통합 파이프라인의 11개 에이전트

Claude Code Skills 기반으로 구축된 이 시스템은 요구사항 로딩부터 자동화 테스트가 포함된 MR까지의 파이프라인을 구현합니다. 오케스트레이터가 병렬 실행을 관리하며 각 단계에서 품질을 확인합니다.

Jira/Confluence → 로딩 → 분해 → 시나리오 → API/UI 자동화 → 검증 → GitLab MR / Zephyr

11가지 스킬 목록

• jira-fetch: Jira/Confluence에서 작업, 첨부 파일, 하위 작업을 로드합니다.
• requirements-decomposer: 기능적/비기능적 요구사항과 수용 기준이 포함된 사용자 스토리 및 작업으로 분해합니다.
• scenarios-generator: ISTQB 방법(동등 분할, 경계값 분석)을 사용하여 시나리오를 생성합니다.
• scenario-data-fix: 글로벌 컨텍스트로 테스트 데이터를 수집합니다.
• scenario-discrepancies-fix: UI/API와의 불일치를 수정합니다.
• selectors-collector: POM을 위한 CSS/Playwright 선택자를 수집합니다.
• automation-api: API 테스트를 위한 pytest + requests.
• automation-ui: UI 테스트를 위한 pytest + Playwright.
• automation-compare: 시나리오와 자동화 테스트 코드를 비교합니다.
• zephyr-uploader: Zephyr Scale에 테스트 케이스를 업로드합니다.
• mr-creator: GitLab에서 Merge Request를 생성합니다.

단계 상세: 요구사항부터 시나리오까지

로딩 및 분해

jira-fetch는 텍스트, 테이블, PDF/DOCX와 같은 비정형 데이터를 파싱합니다. requirements-decomposer는 이를 구조화합니다:

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

분해 예시:

## 기능적 요구사항
- F-DEVAI-283-BE-01: POST /api/v1/integrations/confluence/connect

## 수용 기준
- AC-DEVAI-283-01: 유효한 데이터로 success: true 반환

글로벌 컨텍스트는 프로젝트 컨텍스트(API 계약, 환경)를 제공합니다.

시나리오 생성

scenarios-generator는 테스팅 피라미드를 적용합니다: 사용자 스토리에는 e2e, 작업에는 단위 테스트. JSON 형식은 추적성을 보장합니다:

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

요구사항 커버리지를 위한 RTM이 생성됩니다:

| ID | 이름 | 상태 | 테스트 | 커버리지 |

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

| F-DEVAI-258-01 | 인증 | 커버됨 | 2 | 100% |

MCP를 통한 Figma 통합은 목업을 분석합니다: 요소, 상태, 불일치.

오케스트레이션 및 통합

오케스트레이터는 에이전트를 병렬로 실행합니다: API/UI 자동화를 동시에. 통합:

• Jira/Confluence: REST API.
• Figma: UI 분석을 위한 MCP.
• Zephyr: JSON 테스트 케이스 임포트.
• GitLab: pytest 프로젝트가 포함된 MR 생성.

selectors-collector는 Page Object Model을 위한 SELECTORS.json을 생성합니다.

기술적 과제 및 해결책

문제점:

• 비정형 요구사항 — 분해 템플릿으로 해결.
• UI/API 불일치 — ERROR_DISCREPANCIES.md와 함께 에이전트로 수정.
• 자동화 테스트 커버리지 — 리포트와 함께 automation-compare.

확장: 한 명의 엔지니어가 품질 손실 없이 여러 프로젝트를 관리합니다.

핵심 요약

• QA 일상 업무의 80% 자동화: 분석, 시나리오, 자동화 테스트, MR.
• 투명성: 모든 산출물이 표준 형식(JSON, pytest, Zephyr).
• 추적성: RTM이 테스트별 요구사항 커버리지를 표시.
• 확장성: 병렬 실행, 스택 통합 변경 없이.
• 제어: 엔지니어가 단계별 조정, 감사 가능.

— Editorial Team