معرفی Mo؛ عامل هوش مصنوعی Momentic برای آزمون نرم‌افزار بدون اسکریپت

شرکت Momentic در ۲۸ سپتامبر ۲۰۲۶ از Mo رونمایی کرد؛ عاملی هوش مصنوعی برای آزمودن نرم‌افزار که به گفته این شرکت، می‌تواند بدون نیاز به نوشتن و نگه‌داری مجموعه‌ای از اسکریپت‌ها، یک برنامه را بر پایه دستورها و نیازمندی‌های توسعه‌دهنده بررسی کند. Mo با دریافت نشانی برنامه و توضیحی درباره آنچه باید آزموده شود، در برنامه تعامل می‌کند و در پایان گزارشی از موارد بررسی‌شده و خطاهای احتمالی ارائه می‌دهد. اهمیت این رویکرد در آن است که هم‌زمان با سریع‌تر شدن تولید کد، طراحی و نگه‌داری آزمون‌ها نیز می‌تواند به بخشی دشوار از فرایند توسعه تبدیل شود.

Mo چه مشکلی را هدف گرفته است؟

آزمون نرم‌افزار بخشی از فرایند بررسی یک برنامه پیش از انتشار است. مهندسان تضمین کیفیت یا QA تلاش می‌کنند اشکال‌ها و رفتارهای ناخواسته را پیش از آنکه برنامه به دست کاربران برسد شناسایی کنند. این کار می‌تواند شامل بررسی کیفیت کد و همچنین اطمینان از این باشد که خود برنامه هنگام اجرا مطابق انتظار کار می‌کند؛ برای نمونه، دکمه‌ها پاسخ می‌دهند یا کاربر می‌تواند یک فرایند خرید را تا مرحله پرداخت پیش ببرد.

در روش متداول آزمون رابط کاربری، توسعه‌دهندگان یا مهندسان آزمون مجموعه‌ای از دستورها را در قالب اسکریپت می‌نویسند. این اسکریپت‌ها می‌توانند روی دکمه‌ها کلیک کنند، منوها را باز کنند و اطلاعاتی را در کادرها وارد کنند. مشکل این است که با تغییر برنامه، آزمون‌های قدیمی نیز ممکن است به اصلاح نیاز داشته باشند. هرچه برنامه بزرگ‌تر و پیچیده‌تر شود، تعداد حالت‌هایی که باید آزموده شوند بیشتر می‌شود و نگه‌داری مجموعه آزمون می‌تواند زمان‌بر و دشوار شود.

Wei-Wei Wu، هم‌بنیان‌گذار و مدیرعامل Momentic، در گفت‌وگو با SiliconANGLE گفت حتی اسکریپتی که نوشتن و تغییر دادنش آسان باشد، همچنان به نگه‌داری نیاز دارد. او توضیح داد رویکرد پیشین شرکت، کمک به توصیف گردش‌کارها با زبان روزمره بود؛ کاری که مدل‌های زبانی بزرگ می‌توانند بخشی از زحمت آن را کم کنند. اما به‌گفته Wu، مسئله بنیادی باقی می‌ماند: یک artefact یا خروجی آزمون همچنان باید به‌روز نگه داشته شود.

این چالش در چرخه‌های توسعه‌ای که از عامل‌های کدنویس استفاده می‌کنند برجسته‌تر شده است. در چنین فرایندی ممکن است یک عامل کد تولید کند و توسعه‌دهنده آن را بررسی و اصلاح کند، اما خود آزمون‌ها نیز همچنان باید نوشته و کنترل شوند. Momentic می‌گوید Mo برای حذف این لایه میانی طراحی شده است تا بررسی برنامه مستقیماً از نیازمندی‌ها و هدف آزمون آغاز شود.

عامل چگونه برنامه را بررسی می‌کند؟

Mo از طریق یک رابط وب و کادر گفت‌وگو در دسترس است؛ شیوه‌ای که به ابزارهای کدنویسی عامل‌محور مانند Claude Code شباهت دارد. توسعه‌دهنده می‌تواند توضیح دهد چه چیزی باید بررسی شود و نشانی برنامه را وارد کند. این ابزار همچنین یک رابط خط فرمان دارد که امکان خودکارسازی کارها را فراهم می‌کند.

شرح آزمون می‌تواند ساده باشد یا اطلاعات بیشتری در بر بگیرد. برای شروع، ممکن است توسعه‌دهنده نشانی برنامه و اطلاعات ورود آزمایشی را به Mo بدهد و از آن بخواهد برنامه را بررسی کند. اگر آزمون به زمینه بیشتری نیاز داشته باشد، به‌گفته Momentic می‌توان اسنادی مانند سند نیازمندی‌های محصول، تیکت Jira یا Linear و محتوای Confluence را نیز در اختیار عامل گذاشت. چنین اسنادی می‌توانند هدف یک قابلیت یا رفتار مورد انتظار آن را مشخص کنند.

پس از دریافت دستور، Mo برنامه را باز می‌کند و به گفته شرکت، گروهی از عامل‌ها را برای بررسی آن به کار می‌گیرد. این عامل‌ها حالت‌ها و ترکیب‌های متفاوتی را امتحان می‌کنند؛ از جمله حالت‌های مرزی که ممکن است در استفاده معمول کمتر دیده شوند. Momentic می‌گوید Mo می‌تواند هزاران حالت و ترکیب را بررسی و تعامل‌های انجام‌شده را ثبت کند.

خروجی کار صرفاً اعلام این نیست که آزمون موفق بوده یا شکست خورده است. طبق توضیحات شرکت، گزارش نهایی نشان می‌دهد چه مواردی بررسی شده‌اند، کدام بخش‌ها با مشکل روبه‌رو شده‌اند و برای بازتولید هر خطا چه مراحلی باید طی شود. Momentic همچنین می‌گوید برای هر خطا مدرک ویدیویی ارائه می‌شود تا توسعه‌دهنده بتواند رفتار برنامه هنگام بروز مشکل را مشاهده کند.

این رویکرد آزمون را به جای اجرای فهرستی ثابت از دستورهای ازپیش‌نوشته‌شده، بر تعامل مستقیم با برنامه و هدفی که توسعه‌دهنده تعیین کرده است استوار می‌کند. بااین‌حال، Momentic می‌گوید اگر تیم توسعه بخواهد، شرح دقیق و امکان بازتولید آزمون‌ها می‌تواند به تبدیل آن‌ها به اسکریپت‌های دلخواه کمک کند. بنابراین ادعای محصول این نیست که اسکریپت‌ها دیگر هیچ کاربردی ندارند؛ بلکه اجرای اولیه و بررسی برنامه می‌تواند بدون ساخت و نگه‌داری یک مجموعه اسکریپت انجام شود.

تغییر از آزمون‌های ثابت به بررسی مبتنی بر هدف

تفاوت اصلی Mo با روشی که Momentic پیش‌تر دنبال می‌کرد، حذف نیاز به یک لایه پایدار از آزمون‌های قابل نگه‌داری است. در رویکرد اسکریپت‌محور، هر آزمون مجموعه‌ای از مراحل مشخص را دنبال می‌کند؛ بنابراین تغییر در رابط یا عملکرد برنامه ممکن است باعث شود مراحل آزمون دیگر کار نکنند. در روش توصیف‌شده برای Mo، توسعه‌دهنده به جای ساختن همان فهرست مراحل، هدف بررسی را بیان می‌کند و عامل تلاش می‌کند برنامه را در مسیرهای مختلف ارزیابی کند.

این تفاوت با تغییراتی هم‌راستاست که عامل‌های هوش مصنوعی در شیوه تولید کد ایجاد کرده‌اند؛ اما از توضیحات Momentic نمی‌توان نتیجه گرفت که همه وظایف تضمین کیفیت خودکار شده‌اند یا Mo در هر برنامه‌ای خطاها را پیدا می‌کند. شرکت درباره قابلیت‌های محصول و گستره حالت‌هایی که عامل‌هایش امتحان می‌کنند توضیح داده است، اما متن اعلام محصول معیار مستقلی برای سنجش دقت یا پوشش آزمون ارائه نمی‌کند. در نتیجه، گزارش Mo می‌تواند بخشی از روند بررسی باشد، نه مدرکی به‌تنهایی برای تضمین نبود خطا در محصول نهایی.

Wu دیدگاه بلندمدت شرکت را این‌طور توصیف کرده است که در آینده، عامل‌ها بتوانند نرم‌افزار را بر پایه دستورها و نیازمندی‌ها خودشان راستی‌آزمایی کنند و نیاز به مجموعه آزمون‌های جداگانه کاهش یابد. این یک چشم‌انداز اعلام‌شده از سوی مدیرعامل Momentic است، نه نتیجه‌ای که عرضه Mo به‌تنهایی تحقق آن را ثابت کند. خود شرکت نیز می‌گوید اسکریپت‌های آزمون، در صورت نیاز توسعه‌دهندگان، همچنان می‌توانند از دل بررسی‌های تکرارپذیر ساخته شوند.

عرضه و نشانه‌های استفاده اولیه

Momentic می‌گوید تعدادی از مشتریانش طی چند هفته پیش از اعلام عمومی، Mo را در عمل آزموده‌اند. شرکت از Notion، Superpower، Iris، Committee for Children و Boundless به‌عنوان نمونه‌هایی از سازمان‌هایی نام برده که از برنامه‌های وب و موبایل استفاده می‌کنند و محصول را بررسی کرده‌اند. این نام‌ها نشان می‌دهد Momentic در معرفی خود بر کاربرد Mo برای آزمون برنامه‌های واقعی تأکید دارد؛ بااین‌حال، اعلام شرکت جزئیاتی درباره نتیجه آزمون‌ها یا میزان استفاده هر مشتری منتشر نمی‌کند.

عامل‌های آزمون می‌توانند بخشی از کارهای تکراری را از دوش تیم‌های توسعه بردارند، اما ارزش عملی چنین ابزاری به کیفیت گزارش‌ها، توانایی بازتولید خطاها و تناسب آزمون‌ها با نیازهای هر برنامه وابسته است. در مورد Mo، Momentic بر گزارش مرحله‌به‌مرحله و ویدئوی خطاها تأکید می‌کند تا افراد بتوانند یافته‌ها را بررسی و در صورت لزوم به آزمون‌های دائمی تبدیل کنند. این ویژگی‌ها برای ارزیابی محصول مهم‌اند، زیرا تشخیص یک رفتار نامعمول تنها آغاز کار است و تیم باید بتواند آن را بازبینی و اصلاح کند.

در معرفی Mo، Wu بر تفاوت میان نوشتن آزمون و هدف نهایی آن تأکید کرده است: تیم‌ها برای افزودن شمار زیادی اسکریپت به مخزن کد کار نمی‌کنند، بلکه می‌خواهند خطاهای برنامه را پیدا کنند. این نگاه، مسئله را از تولید خودکار آزمون به سمت سپردن بخشی از بررسی برنامه به عامل هوش مصنوعی می‌برد. این‌که Mo تا چه اندازه بتواند بار نگه‌داری آزمون‌ها را کم کند، به تجربه عملی تیم‌ها و پیچیدگی برنامه‌هایی که با آن بررسی می‌شوند بستگی خواهد داشت.

این خبر برای چه کسانی اهمیت دارد

معرفی Mo بیش از همه برای مهندسان تضمین کیفیت، توسعه‌دهندگان برنامه‌های وب و موبایل و تیم‌هایی اهمیت دارد که به‌طور منظم با تغییرات محصول و نگه‌داری آزمون‌های رابط کاربری سروکار دارند. برای این گروه‌ها، امکان آغاز آزمون با یک شرح هدف و دریافت گزارش قابل بازتولید می‌تواند گزینه‌ای تازه در کنار اسکریپت‌های متداول باشد. مدیران محصول و طراحان نیز ممکن است از این رویکرد بهره ببرند، زیرا اسنادی مانند نیازمندی‌های محصول و تیکت‌های کاری می‌توانند زمینه آزمون را فراهم کنند.

بااین‌حال، تیم‌هایی که Mo را بررسی می‌کنند باید میان ادعای خودکارسازی و تضمین کامل کیفیت تفاوت بگذارند. Momentic می‌گوید عاملش می‌تواند حالت‌های متعدد را بیازماید، تعامل‌ها را ثبت کند و شواهدی از خطا ارائه دهد؛ اما تصمیم درباره پذیرش، اولویت‌بندی و اصلاح مشکلات همچنان به بررسی تیم وابسته است. ارزش Mo در این مرحله، فراهم‌کردن راهی برای آزمودن برنامه بدون وابستگی اولیه به مجموعه بزرگی از اسکریپت‌هاست.