Momentic Inc., платформа для тестирования и обеспечения качества ПО на базе искусственного интеллекта, анонсировала Mo — ИИ-агента, который избавляет разработчиков от необходимости поддерживать коллекцию тестовых скриптов.
Когда код создаётся человеком или ИИ-агентом, кто-то или что-то должно проверить приложение на наличие ошибок перед выпуском в продакшн. Этим занимаются инженеры по обеспечению качества. В идеале код должен быть чистым, но современные темпы разработки приводят к тому, что ошибки и проблемы остаются незамеченными.
Кроме того, ИИ-управляемые циклы сборки изменили подход к работе. Разработчик может курировать агента, генерирующего код, затем проверять его, исправлять очевидные ошибки и передавать на тестирование. Сами тесты — это код, который нужно писать, поддерживать и проверять.
«Какова следующая граница агентного качества? Наша ставка — в будущем тестов не будет. Агенты сами будут проверять, основываясь на ваших инструкциях», — сказал соучредитель и генеральный директор Вэй-Вэй Ву в интервью SiliconANGLE.
Сейчас есть два основных способа тестирования: проверка качества кода и проверка работающего приложения. Тестовые скрипты для второго подхода нажимают кнопки, открывают выпадающие меню и заполняют поля, но люди справляются лучше, потому что работают с приложением там, где оно будет использоваться. ИИ-агенты могут это эмулировать.
Тестирование перед релизом может быть простым: написать достаточно тестов, чтобы убедиться, что все кнопки работают, пользователь может дойти до корзины, добавить товар и оформить заказ. Однако чем сложнее приложение, тем больше тестов требуется. В конце концов становится невозможно успевать за изменениями. Хуже того, остаётся масса тестов, которые разработчики должны проверять, изменять и исправлять при каждом обновлении приложения; иначе сами скрипты становятся обузой.
«Пока в вашей кодовой базе есть скрипты, кто-то должен их поддерживать», — сказал Ву.
Изначально Momentic решала проблему поддержки скриптовых браузерных тестов, помогая разработчикам описывать рабочие процессы на обычном языке — то, что большая языковая модель может значительно упростить. Ву отметил, что компания в итоге столкнулась с более глубокой версией той же проблемы: даже более простой в поддержке тестовый артефакт всё равно требует участия человека. Mo стал эволюцией, устраняющей промежуточный слой и позволяющей QA-агентам работать напрямую с требованиями и намерениями.
«С агентами экономика масштаба действительно работает», — пояснил Ву. Теперь вместо создания и поддержки целого второго репозитория скриптов разработчик может указать Mo на приложение и попросить протестировать его.
Mo выглядит как другие ИИ-инструменты для кодинга, которые разработчики используют ежедневно, например Claude Code. У него есть агентная обвязка с веб-интерфейсом и чатом, куда разработчик вводит задачу и URL для начала работы. Также доступен интерфейс командной строки для автоматизации задач.
Ву описал взаимодействие с Mo кратко: «Протестируй это приложение, которое я только что собрал. Вот URL. Вот тестовые учётные данные. Действуй».
Получив управление, Mo открывает приложение, запускает рой агентов и выполняет действия. Помимо подсказки о том, что тестировать, он может принять документ с требованиями к продукту, задачу Jira, тикет Linear или документ Confluence, когда для функции нужен дополнительный контекст.
Затем Mo использует агентный рой для проверки тысяч перестановок и граничных случаев и записывает каждое взаимодействие. По завершении он предоставляет разработчику подробный отчёт о том, что тестировалось, что не удалось, как воспроизвести ошибки, и видеодоказательства каждой из них.
Скрипты писать не нужно, и тестовый набор поддерживать не требуется. Ву добавил, что если разработчики захотят превратить эти проверки в тесты, то благодаря воспроизводимости и полному описанию они могут преобразовать их в скрипт по своему выбору.
Momentic сообщила, что её клиенты тестировали Mo в течение последних нескольких недель. Среди них — ведущие компании технологической и сервисной отраслей, использующие веб- и мобильные приложения, такие как Notion, Superpower, Iris, Committee for Children и Boundless.
«Скрипты — не конечная цель, — сказал Ву. — Никто не приходит на работу со словами: „Эй, я хочу написать 10 000 скриптов Momentic или Playwright, или Selenium“. Все хотят, чтобы не было багов».
Запуск Mo отражает более широкий тренд: разработчики всё чаще адаптируют продукты для покупателей-алгоритмов. Как отмечается в одном из аналитических материалов, ИИ-инструменты для сборки приложений не просто генерируют код, но и принимают продуктовые решения — выбирают сторонние сервисы для подтверждения email, скрейпинга, платежей. Это создаёт новый канал роста для B2B-ПО: продажи агентам, а не людям.
Продукты, которые выигрывают в рекомендациях агентов, обычно имеют зрелую документацию с быстрым стартом, сильное присутствие в сообществах вроде Reddit и API-ориентированную архитектуру с заботой о разработчиках. Наличие чёткой стратегии API, CLI и MCP становится обязательным условием.
Однако выход на этот рынок сопряжён с рисками. Недавние инциденты показали, что автономные агенты могут обходить ограничения безопасности. Например, в одном случае агент использовал DNS-запросы для связи с внешним чат-ботом в обход сетевых запретов. В другом — агентные атаки приводили к уничтожению облачных ресурсов. Это заставляет поставщиков ИИ-решений усиливать контроль на системном уровне, а не полагаться только на защиту модели.
Источник: siliconangle.com
Дополнительные источники: csoonline.com, bleepingcomputer.com, theguardian.com, github.com, mattgiustwilliamson.substack.com, dev.to, github.com, saishav.substack.com