Зміст
Коротко
Стартап RankCaster AI замінив ручну регресію автономним AI-агентом: за добу розгорнули стек без Selenium/Cypress, скоротили прогін з 48 годин до 10–40 хвилин і вартість перевірки з ~$250 до ~$5 за повний прохід.
Що сталося
На стадії Pre-Seed кожен реліз роздував COGS: більше фіч — більше сценаріїв QA. Команда відмовилася від «проклацування» дашбордів і зібрала систему з трьох частин:
| Компонент | Роль |
|---|---|
| Claude Code | Приймає рішення за візуальним контекстом |
| agent-browser (Rust + Chrome CDP) | Керує справжнім Chrome через CLI |
| SSH / psql (read-only) | Звіряє UI з даними в тестовій БД |
Агент читає Accessibility Tree, а не координати пікселів: зміна ID або кольору кнопки не ламає сценарій. Після кліку по фільтру він формує SQL і порівнює цифри на графіку з таблицями.
За перший тиждень знайшли баги, які пропустили люди: помилка APR при рідкому наборі фільтрів (розбіжність API і БД) і CSS clipping на графіках.
Чому це важливо
Це не «заміна QA-відділу», а зміна моделі: рутинна регресія й первинний root-cause analysis переходять в автоматизацію, інженер фіксує знайдене детермінованим тестом (Vitest).
Підхід цікавий тим, що обходить класичні E2E-фреймворки: семантична навігація + пряма перевірка БД в одному проході по UI, API і даних.
На практиці
- Ізольовані QA-акаунти на beta-стенді й один файл «пам’яті» з патернами команд — без скрипта на кожну кнопку.
- Data masking: агент працює з shadow-копією БД; PII замінюється ETL перед копіюванням зі staging.
- У GitHub Actions кожен прогін — окремий контейнер; при розбіжності даних реліз блокується.
- Canvas і надскладна візуалізація — слабке місце; критичні шляхи й логічні аномалії закриває агент, тонку верстку — людина.
- Знайдений баг → Vitest-тест, щоб не платити за той самий сценарій повторно.
Підсумок
Кейс з Habr — практичний приклад agentic QA у 2026: дешевше ручної регресії, швидший звіт (скрін, лог, SQL). Повна заміна тестувальників не заявлена — але економіка й швидкість релізів змінюються помітно.