От рискованного релиза к Agentic AI: как команда создала новый инструмент для тестирования микросервисов
Столкнувшись с необходимостью протестировать сложный релиз в высоконагруженных микросервисах со старым кодом и сжатыми сроками, команда инженеров не только справилась с задачей, но и разработала новый инструмент на основе Agentic AI, автоматизирующий сложные сценарии тестирования.
Инженерной команде пришлось протестировать рискованный релиз в сжатые сроки. Система состояла из множества микросервисов с устаревшим кодом.
Релиз затрагивал 8 сервисов. На подготовку и проведение тестов выделили 60 часов. За это время требовалось покрыть тестами 2 основные пользовательские роли. Ручное тестирование было невозможно, а традиционная автоматизация на жестких скриптах не справлялась с динамичностью микросервисов.
Команда создала инструмент на основе Agentic AI. ИИ-агенты самостоятельно выполняли сложные, многошаговые задачи, принимая решения на основе контекста.
В рамках тестирования было автоматизировано 860 шагов. Агенты выполнили 2 комплексных пользовательских сценария, взаимодействуя с разными сервисами. В результате нашли 3 критические ошибки, которые могли привести к серьезным сбоям после релиза. Ключевое преимущество - способность агентов адаптироваться к изменениям в интерфейсе или API, что повысило устойчивость тестов.
Инструмент помог протестировать релиз с идентификатором 1086968. Статья, описывающая этот опыт, также имеет идентификатор 1086968.
Этот подход позволил не просто уложиться в срок, но и обеспечить качество, недостижимое при ручных проверках или статичной автоматизации. Агенты, выполнив 860 шагов, фактически смоделировали реальную нагрузку и сложные сценарии использования. Обнаружение 3 критических ошибок до релиза предотвратило потенциальные простои и финансовые потери. Метод доказал свою эффективность для тестирования распределенных систем, где изменения происходят постоянно, а время на проверку ограничено, как в данном случае - 60 часами на 8 сервисов.
