Autonomous AI and Agentic Testing Agents: A Multi-Agent Architecture for Self-Directed Software Quality Assurance
यह शोध पत्र पारंपरिक स्क्रिप्टेड टेस्टिंग की सीमाओं को दूर करने के लिए ऐतिहासिक परिणामों से निरंतर सीखते हुए, टेस्ट जनरेशन, निष्पादन, सेल्फ-हीलिंग और डिफेक्ट ट्राइएज को स्वचालित करके स्व-निर्देशित सॉफ्टवेयर गुणवत्ता आश्वासन को सक्षम करने हेतु एलएलएम-संचालित स्वायत्त एजेंटों का लाभ उठाने वाला एक मल्टी-एजेंट आर्किटेक्चर प्रस्तावित करता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
सॉफ्टवेयर टेस्टिंग को एक विशाल, उच्च-दांव वाले "साइमन सेज़" (Simon Says) खेल के रूप में कल्पना करें, जो एक लगातार बदलते हुए खेल के मैदान पर खेला जा रहा है। पारंपरिक रूप से, एक मानव टेस्टर एक सख्त स्क्रिप्ट लिखता है: "नीले बटन पर क्लिक करें, फिर 'Hello' टाइप करें।" यदि डेवलपर बटन को नीले से बदलकर लाल कर देता है, या उसे दो इंच बाईं ओर खिसका देता है, तो स्क्रिप्ट टूट जाती है, और पूरा खेल तब तक रुक जाता है जब तक कि कोई इंसान उसे ठीक न कर दे। यह धीमा, नाजुक और निराशाजनक है।
यह शोध पत्र एक नया तरीका प्रस्तावित करता है: द ऑटोनॉमस एआई टेस्टिंग टीम (The Autonomous AI Testing Team)।
एक कठोर स्क्रिप्ट के बजाय, लेखकों ने डिजिटल "एजेंटों" (विशेषज्ञ एआई कार्यकर्ता) की एक टीम बनाई है जो सोच सकते हैं, योजना बना सकते हैं और मौके पर ही अनुकूलन (adapt) कर सकते हैं। वे इस प्रणाली को सरल अवधारणाओं और उपमाओं का उपयोग करके इस प्रकार समझाते हैं:
1. समस्या: "भंगुर स्क्रिप्ट" (The Brittle Script)
पारंपरिक सॉफ्टवेयर टेस्टिंग को एक वीडियो टेप पर रिकॉर्ड किए गए डांस रूटीन की तरह समझें। यदि डांसर (सॉफ्टवेयर) अपने जूते बदल लेता है या संगीत की गति बदल जाती है, तो वीडियो टेप को पता नहीं चलता कि कैसे तालमेल बिठाया जाए। वह बस पुराने मूव्स को ही चलाता रहता है, नए जूतों से टकराकर लड़खड़ा जाता है, और पूरा प्रदर्शन क्रैश हो जाता है। आधुनिक सॉफ्टवेयर में यह लगातार होता है क्योंकि ऐप्स हर दिन बदलते हैं।
2. समाधान: विशेषज्ञ एजेंटों की एक टीम
लेखक एक एकल वीडियो टेप के स्थान पर एक जीवंत, बुद्धिमान प्रोडक्शन क्रू (Live, Intelligent Production Crew) लगाने का प्रस्ताव देते हैं। एक व्यक्ति द्वारा सब कुछ करने के बजाय, उन्होंने एक स्तरित टीम बनाई है जहाँ प्रत्येक सदस्य के पास एक विशिष्ट कार्य है:
- आंखें (Perception Agents): ये एजेंट लगातार ऐप को देखते रहते हैं। एक विजुअल स्क्रीन को देखता है (जैसे एक इंसान वेबपेज को देखता है), दूसरा डेटा स्ट्रीम्स (APIs) को सुनता है, और दूसरा आवश्यकताओं (Requirements) को पढ़ता है (जैसे एक प्रोजेक्ट मैनेजर टू-डू लिस्ट पढ़ता है)। वे जो देखते हैं उसे उस भाषा में अनुवाद करते हैं जिसे टीम समझती है।
- मस्तिष्क (Reasoning Core): यह एक प्रोजेक्ट मैनेजर है। यह "टू-डू लिस्ट" और "यह कैसा दिखता है" को आँखों (Eyes) से लेता है, फिर एक योजना बनाता है। यह पूछता है: "हम क्या टेस्ट करने की कोशिश कर रहे हैं? क्या हमने ऐसा कुछ पहले किया है?" यह बड़े लक्ष्य को छोटे चरणों में तोड़ देता है।
- हाथ (Execution Agents): ये वे कार्यकर्ता हैं जो वास्तव में बटन क्लिक करते हैं, टेक्स्ट टाइप करते हैं और डेटा भेजते हैं। वे मस्तिष्क (Brain) की योजना का पालन करते हैं।
- मैकेनिक (Self-Healing Agents): यह सबसे जादुई हिस्सा है। यदि "हाथ" (Hands) एक बटन क्लिक करने की कोशिश करते हैं और वह गायब है (क्योंकि डेवलपर ने उसे हटा दिया है), तो एक पारंपरिक स्क्रिप्ट चिल्लाएगी "ERROR!" और रुक जाएगी। सेल्फ-हीलिंग एजेंट एक मिस्त्री (Handyman) की तरह बीच में आता है। वह कहता है, "रुको, मुझे वहां एक लाल बटन दिख रहा है जहां पहले नीला बटन था। मुझे इसे क्लिक करने की कोशिश करनी चाहिए।" यदि यह काम करता है, तो वह अगली बार के लिए नया स्थान याद रखता है।
- जासूस (Root-Cause Agent): यदि कुछ टूट जाता है, तो यह एजेंट जांच करता है। यह लॉग्स और इतिहास को देखता है और तय करता है कि: "क्या यह ऐप में वास्तविक बग है? क्या इंटरनेट केवल धीमा है? या क्या स्वयं टेस्ट ही अस्थिर (flaky) है?" यह असली समस्याओं और शोर के बीच अंतर करता है।
3. वे मिलकर कैसे काम करते हैं: "फीडबैक लूप" (The Feedback Loop)
शोध पत्र एक निरंतर चक्र का वर्णन करता है, जैसे कि एक स्मार्ट फैक्ट्री असेंबली लाइन:
- इन्जेस्ट (Ingest): टीम एक नई आवश्यकता को पढ़ती है (जैसे, "उपयोगकर्ताओं को लॉग इन करने की आवश्यकता है")।
- प्लान (Plan): मस्तिष्क इसे चरणों में तोड़ देता है।
- एक्ट (Act): हाथ इसे करने का प्रयास करते हैं।
- फिक्स (Fix): यदि कोई चरण बटन के हिल जाने के कारण विफल होता है, तो मैकेनिक इसे तुरंत ठीक कर देता है।
- लर्न (Learn): यदि कोई बग पाया जाता है, तो जासूस पता लगाता है कि क्यों हुआ।
- रिमेम्बर (Remember): महत्वपूर्ण बात यह है कि पूरी टीम जो कुछ भी हुआ उसे एक साझा मेमोरी बैंक में लिखती है। अगली बार जब वे समान समस्या का सामना करते हैं, तो वे शून्य से शुरुआत नहीं करते; वे याद करते हैं कि पहले क्या काम आया था।
4. पायलट टेस्ट: असल जिंदगी में क्या हुआ?
लेखकों ने एक वास्तविक वेबसाइट और एक आंतरिक डेटा सेवा पर इस प्रणाली का परीक्षण किया। उन्हें क्या मिला:
- टेस्ट लिखना: 35 नई आवश्यकताओं को दिए जाने पर, एआई ने उन सभी के लिए टेस्ट का पहला ड्राफ्ट लिखा। इंजीनियरों को केवल मामूली बदलाव करने पड़े, जिससे बहुत समय बचा।
- टूटे हुए टेस्ट को ठीक करना: जब वेबसाइट ने अपना डिज़ाइन बदला, तो 46 पुराने टेस्ट टूट गए। एआई के "मैकेनिक" ने नए बटनों को ढूंढकर उनमें से 39 को सफलतापूर्वक स्वचालित रूप से ठीक कर दिया।
- कब रुकना है यह जानना: उन 7 टेस्टों के लिए जो स्वचालित रूप से ठीक करने के लिए बहुत अधिक टूटे हुए थे (जैसे कि एक पूरा मेनू गायब हो जाना), एआई ने बुद्धिमानी से कहा, "मैं इसे सुरक्षित रूप से ठीक नहीं कर सकता; एक इंसान को इसे देखने की जरूरत है।" उसने अनुमान नहीं लगाया; उसने मदद मांगी।
- शोर को छांटना: सिस्टम ने सही ढंग से पहचाना कि विफलता एक वास्तविक बग थी या केवल एक अस्थायी ग्लिच, और अधिकांश मामलों में मानव विशेषज्ञों की राय से मेल खाया।
5. कमी: यह अभी भी पूर्ण नहीं है
शोध पत्र अपनी सीमाओं के बारे में ईमानदार है।
- "ओरेकल" की समस्या (The Oracle Problem): एआई आत्मविश्वासी हो सकता है लेकिन गलत भी हो सकता है। यदि निर्देश अस्पष्ट हैं, तो एआई एक ऐसा टेस्ट बना सकता है जो अच्छा दिखता है लेकिन वास्तव में वह टेस्ट नहीं करता जिसकी व्यवसाय को आवश्यकता है।
- अनिश्चितता (Unpredictability): कभी-कभी, एआई हर बार थोड़ा अलग तरह से टेस्ट लिख सकता है, जो ट्रैकिंग के लिए भ्रमित करने वाला हो सकता है।
- विश्वास (Trust): महत्वपूर्ण स्थितियों में (जैसे स्वास्थ्य सेवा या बैंकिंग में), एआई के निर्णयों को स्वतंत्र रूप से चलाने से पहले मनुष्यों को अभी भी उनके निर्णयों की दोबारा जांच करने की आवश्यकता है।
सारांश
संक्षेप में, यह शोध पत्र कठोर, स्क्रिप्टेड टेस्टिंग (एक रोबोट जो केवल वही करता है जो उसे बताया गया है) से एजेंटिक टेस्टिंग (एआई कार्यकर्ताओं की एक टीम जो देख सकती है, सोच सकती है, अपनी गलतियों को सुधार सकती है और इतिहास से सीख सकती है) की ओर एक बदलाव प्रस्तुत करता है। यह एक डांस रिकॉर्डिंग से लाइव डांसर्स के समूह में अपग्रेड करने जैसा है जो मंच बदलने पर भी कोरियोग्राफर के मुख्य विजन का पालन करते हुए सुधार (improvise) कर सकते हैं।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।