Присоединяйся к нельзяграму
Постепенно буду раскрывать эту тему пока на таких картинках, раскрывая тему глубже:
Представь: AI умеет анализировать требования, находить проблемы и генерировать идеи для тестов.
Но сам по себе он не получает доступ к Jira, GitHub, браузеру или базе данных.
И здесь появляется MCP — Model Context Protocol.
MCP — открытый стандарт, который задаёт единый способ взаимодействия AI-приложения с внешними системами.
MCP-сервер может предоставлять AI:
🔹 Tools — инструменты и действия
🔹 Resources — данные и контекст
🔹 Prompts — готовые шаблоны инструкций
А что это даёт QA?
🐞 Jira → прочитать задачу или создать баг
📚 Confluence → получить требования
🌐 Browser → открыть сайт и выполнить сценарий
💻 GitHub → посмотреть код или изменения
🗄 БД → получить данные для проверки
И тогда получается уже не просто:
«AI, подскажи, как протестировать эту фичу»
А, например:
«Проанализируй задачу → проверь данные → выполни сценарий → зафиксируй результат».
Но есть важный нюанс 👇
MCP НЕ превращает AI автоматически в автономного QA-инженера.
Он предоставляет стандартизированный способ взаимодействия с инструментами и данными.
Что именно AI сможет сделать, зависит от подключённых MCP-серверов, доступных инструментов и настроек доступа.
Главная мысль:
MCP не заменяет знания QA.
Он помогает AI перейти от простого разговора к взаимодействию с рабочими системами.
А значит, у QA появляется ещё один инструмент для автоматизации рутины и работы с информацией.
Сохрани пост, если хочешь разобраться, как MCP можно применять именно в тестировании.
Подписывайся на @protestinginfo здесь разбираю сложные AI- и QA-технологии простыми словами.
Ставь 🔥, если уже завтра продолжить❤️
Постепенно буду раскрывать эту тему пока на таких картинках, раскрывая тему глубже:
Представь: AI умеет анализировать требования, находить проблемы и генерировать идеи для тестов.
Но сам по себе он не получает доступ к Jira, GitHub, браузеру или базе данных.
И здесь появляется MCP — Model Context Protocol.
MCP — открытый стандарт, который задаёт единый способ взаимодействия AI-приложения с внешними системами.
MCP-сервер может предоставлять AI:
🔹 Tools — инструменты и действия
🔹 Resources — данные и контекст
🔹 Prompts — готовые шаблоны инструкций
А что это даёт QA?
🐞 Jira → прочитать задачу или создать баг
📚 Confluence → получить требования
🌐 Browser → открыть сайт и выполнить сценарий
💻 GitHub → посмотреть код или изменения
🗄 БД → получить данные для проверки
И тогда получается уже не просто:
«AI, подскажи, как протестировать эту фичу»
А, например:
«Проанализируй задачу → проверь данные → выполни сценарий → зафиксируй результат».
Но есть важный нюанс 👇
MCP НЕ превращает AI автоматически в автономного QA-инженера.
Он предоставляет стандартизированный способ взаимодействия с инструментами и данными.
Что именно AI сможет сделать, зависит от подключённых MCP-серверов, доступных инструментов и настроек доступа.
Главная мысль:
MCP не заменяет знания QA.
Он помогает AI перейти от простого разговора к взаимодействию с рабочими системами.
А значит, у QA появляется ещё один инструмент для автоматизации рутины и работы с информацией.
Сохрани пост, если хочешь разобраться, как MCP можно применять именно в тестировании.
Подписывайся на @protestinginfo здесь разбираю сложные AI- и QA-технологии простыми словами.
Ставь 🔥, если уже завтра продолжить❤️