Logotipo de Parasoft Buscar

¡Descubre GoogleTest, con certificación TÜV y la tecnología Agentic AI para pruebas de C/C++!
Obtenga los detalles »

Blog de Parasoft

Desde los requisitos hasta la verificación confiable de API con IA de agentes

Foto de Jamie Motheral, gerente de marketing de productos y especialista en pruebas funcionales
By Jamie Motheral • 21 de septiembre de 2026 • 9 minutos de lectura
21 de septiembre de 2026 | 9 minutos de lectura
By Jamie Motheral
Texto a la izquierda: El desarrollo acelerado por IA rompió las pruebas, Parte 3: De los requisitos a la verificación confiable de API con IA agente. A la derecha hay un gráfico que muestra un cubo etiquetado como API con conexiones de datos azules, amarillas y moradas a aplicaciones en un lado y, en el otro, una conexión a un engranaje futurista etiquetado como IA.

Descubra nuestra serie sobre cómo mantener la verificación alineada con el desarrollo centrado en la IA. La primera parte analiza cómo la simulación autónoma de API y la virtualización de servicios abordan las dependencias no disponibles. La segunda parte explora la verificación de Java basada en agentes . La tercera parte conecta los requisitos, las pruebas de API y la virtualización de servicios con estado en un único flujo de trabajo de verificación basado en agentes.

Puntos Clave

  • Las pruebas de API basadas en agentes ayudan a los equipos a convertir automáticamente los requisitos, los criterios de aceptación y las definiciones de servicio en recursos ejecutables para pruebas de API.
  • La verificación eficaz de las API va más allá de la creación de pruebas iniciales. Los equipos también necesitan aserciones significativas, datos de prueba adecuados, dependencias disponibles, una ejecución fiable y recursos fáciles de mantener.
  • Las pruebas de API y la virtualización de servicios se pueden combinar en un flujo de trabajo continuo basado en agentes cuando las dependencias necesarias no están disponibles o están incompletas.
  • Los servicios virtuales con estado permiten a los equipos probar comportamientos de varios pasos que las simulaciones estáticas simples no pueden soportar.
  • Las pruebas basadas en agentes fiables combinan la creación y la orquestación impulsadas por IA con recursos de prueba ejecutables que los equipos pueden inspeccionar, mantener y reutilizar, junto con una ejecución coherente y una gobernanza definida por humanos.

Generar la API es solo el comienzo.

Un requisito se introduce en Jira el lunes. Para el martes, un agente de codificación de IA ha ayudado a convertirlo en una API funcional.

Impresionante, hasta que alguien hace la pregunta incómoda pero necesaria: ¿Cómo sabemos que realmente funciona?

Generar la API es solo el principio.

Antes de que la API pueda considerarse verificada con seguridad, el equipo de pruebas debe determinar:

  • Cómo se verificará la nueva API.
  • Defina un plan de pruebas.
  • Crear escenarios de prueba de API.
  • Agregar aserciones.
  • Obtenga los datos de prueba adecuados.
  • Simule cualquier dependencia no disponible en su entorno de prueba.
  • Ejecuta las pruebas.
  • Analiza los resultados.

Detrás de una simple palabra se esconde una cantidad considerable de trabajo: verificación.

A medida que la IA acelera el desarrollo de software, resulta cada vez más difícil, a gran escala, que los evaluadores coordinen todas las actividades de prueba. Generar un caso de prueba aislado puede ahorrar algo de tiempo, pero no resuelve el problema general del flujo de trabajo.

La mayor oportunidad reside en las pruebas de API con agentes: proporcionar a los agentes de IA acceso a capacidades de prueba especializadas para ayudar a convertir la intención del desarrollo en una verificación ejecutable.

El agente puede coordinar el flujo de trabajo e invocar capacidades de prueba especializadas para crear pruebas de API ejecutables y servicios virtuales. Las capacidades de prueba establecidas y la supervisión humana proporcionan la coherencia y la gobernanza necesarias para confiar en los resultados de las pruebas.

Gráfico que muestra el flujo de trabajo del enfoque tradicional de pruebas de API.

Los requisitos describen la intención, no la verificación completa.

Los requisitos son un punto de partida lógico para las pruebas, ya que describen la funcionalidad del software. Una historia de Jira, un conjunto de criterios de aceptación, la definición de una API o una colección de mensajes de ejemplo pueden describir las entradas esperadas, las reglas de negocio, las condiciones de éxito, el manejo de errores, las secuencias de interacción y las dependencias del servicio.

Las pruebas de API a partir de los requisitos aún requieren traducir la intención documentada en pruebas ejecutables.

Antes de crear pruebas ejecutables, el equipo aún necesita traducir esa intención en un plan de verificación.

  • ¿Qué escenarios deberían probarse?
  • ¿Qué condiciones positivas, negativas, de contorno y de error son importantes?
  • ¿Qué comportamiento de datos y dependencias requerirán esos escenarios?

Esta fase de planificación brinda a los equipos la oportunidad de aplicar sus conocimientos técnicos y de pruebas antes de que la IA comience a crear los recursos de prueba. A medida que el desarrollo centrado en la IA acelera el ritmo de los cambios en las API, los equipos necesitan una forma más rápida de pasar de la intención documentada a un plan de verificación claro y a pruebas ejecutables.

Los agentes de IA aceleran este proceso utilizando cualquier contexto aprobado disponible, como requisitos, criterios de aceptación, definiciones de servicio y recursos de prueba existentes, para proponer un plan de verificación. Una vez que establecen la intención suficiente, invocan capacidades de prueba especializadas para crear recursos de prueba de API ejecutables.

Sin embargo, existe una limitación importante. La IA solo puede recuperar la intención comercial documentada. Por lo tanto, la claridad en los requisitos y el criterio humano experto siguen siendo esenciales para elaborar un plan de verificación fiable.

Los equipos también pueden incorporar habilidades al flujo de trabajo para reconocer la información faltante o contradictoria y canalizarla para su aclaración, en lugar de permitir que el agente complete la información faltante.

Las pruebas de API basadas en agentes van más allá de la generación de pruebas.

La generación de pruebas asistida por IA y las pruebas de API basadas en agentes están relacionadas, pero no son lo mismo.

  • Generación asistida por IA Por lo general, se encarga de una tarea individual: crear una prueba para este punto final, sugerir casos límite o escribir una aserción. El usuario sigue coordinando el proceso general, lo que puede convertirse en un desafío para los equipos. escalado de pruebas de API.
  • Pruebas de API agenciales Comienza con un objetivo de verificación y permite que un agente de IA planifique y coordine las actividades necesarias para lograrlo. Ese objetivo podría ser tan sencillo como: Validar esta implementación de API según los requisitos y criterios de aceptación en la historia de Jira asociada.

Para lograr ese objetivo, el agente podría necesitar hacer lo siguiente.

  • Recuperar el contexto de los requisitos.
  • Crea o actualiza una prueba de API.
  • Agregar aserciones.
  • Configurar datos de prueba.
  • Identifica una dependencia no disponible.
  • Crea un servicio virtual.
  • Iniciar la ejecución.
  • Responda a los resultados.

El cambio importante no radica en que la IA generativa realice todas las actividades de prueba, sino en que las herramientas de prueba empresariales puedan exponer capacidades especializadas a través de MCP, lo que permite a los agentes de IA invocarlas como parte de un flujo de trabajo automatizado.

Las habilidades proporcionan instrucciones específicas para las pruebas que ayudan a los agentes a determinar cómo y cuándo usar esas capacidades, desde la creación de pruebas y aserciones hasta la generación de datos de prueba, la simulación de dependencias y el análisis de resultados. El agente puede entonces coordinar estas capacidades diseñadas específicamente para este fin a lo largo del flujo de trabajo de verificación, al tiempo que crea recursos de prueba persistentes y ejecutables.

Esto transforma la IA, pasando de ser una herramienta de generación basada en indicaciones en una interfaz de chat a un flujo de trabajo inteligente y coordinado que puede coordinar las actividades de prueba y ayudar a que la verificación se mantenga al día con los cambios acelerados por la IA.

Gráfico que muestra el flujo de trabajo de verificación de API orquestado por IA.

Dentro de un flujo de trabajo agente de requisitos a verificación

¿Cómo se ve esto en la práctica?

No existe un flujo de trabajo único y preestablecido para las pruebas con agentes. Los equipos deciden dónde encaja la IA, a qué capacidades de prueba pueden acceder los agentes, qué acciones están autorizados a realizar y cuándo se requiere la revisión o aprobación humana.

La intervención humana no implica requerir aprobación humana en cada paso. Los equipos pueden incorporar puntos de control de revisión en el flujo de trabajo, según sus políticas de gobernanza y el nivel de confianza en la automatización. Dentro de esos límites, el agente avanza de forma autónoma de una actividad de prueba a la siguiente.

Consideremos un posible flujo de trabajo.

Un equipo está desarrollando una nueva API documentada en Jira que depende de un servicio secundario aún en desarrollo. La organización ha configurado un flujo de trabajo basado en agentes para facilitar la verificación.

Proporciona al agente acceso a los requisitos aprobados, capacidades de prueba de API a través de Parasoft SOAtest y virtualización de servicios a través de Parasoft Virtualize, al tiempo que mantiene los puntos de control definidos bajo control humano.

Gráfico que muestra detalles de un flujo de trabajo agente desde el requisito hasta la verificación, que incluye lo siguiente: observar, planificar, actuar, verificar, decidir.

 

1. Comience con el objetivo de verificación.

El flujo de trabajo comienza con un objetivo de verificación, no con una larga secuencia de instrucciones de prueba manuales. Dependiendo de cómo la organización haya configurado el flujo de trabajo, un agente de IA podría recuperar una historia de Jira, los criterios de aceptación, la definición de la API y otro contexto al que tenga autorización para acceder.

A partir de estas fuentes, el agente puede identificar las operaciones esperadas, las entradas, las reglas de negocio, las condiciones de éxito y el comportamiento ante errores. También inspecciona los recursos de prueba existentes en busca de escenarios reutilizables. Cuando no dispone de suficiente contexto para continuar con seguridad, señala la información faltante o ambigua.

Esto reduce el tiempo que los evaluadores dedican a recopilar información de diferentes sistemas y a traducir manualmente los requisitos en tareas de prueba, lo que permite que la verificación comience tan pronto como se disponga del contexto necesario.

2. Definir el plan de pruebas y los escenarios.

Comprender los requisitos es solo el comienzo. Alguien aún tiene que determinar qué es lo que realmente se debe probar.

Tradicionalmente, esto requiere un evaluador con suficiente conocimiento del dominio y de la API para traducir los criterios de aceptación en escenarios positivos y negativos, condiciones límite, casos de error y flujos de trabajo empresariales de varios pasos.

Utilizando sus habilidades y el contexto aprobado disponible, el agente puede proponer un plan de prueba inicial e identificar los escenarios necesarios para verificar el requisito. El evaluador revisa dicho plan inicial, solicita al agente que refine o amplíe los escenarios, corrige cualquier deficiencia y continúa este proceso de revisión hasta que el plan refleje con precisión lo que se debe verificar.

Una vez que el evaluador aprueba el plan, el agente puede guiar las actividades de prueba subsiguientes. En lugar de partir de cero y determinar manualmente cada ruta de prueba, el evaluador comienza con un plan generado por IA que ha sido revisado y perfeccionado antes de que el flujo de trabajo pase a la creación de pruebas ejecutables.

3. Crea las pruebas de API ejecutables con SOAtest.

Aquí es donde los equipos pueden reducir una cantidad significativa de trabajo manual.

Tradicionalmente, para crear una prueba de API se requiere escribir código de prueba o configurarla mediante una plataforma de pruebas sin código. En ambos casos, para probar el escenario de negocio, el evaluador debe comprender y determinar cómo deben funcionar conjuntamente las operaciones individuales de la API para representarlo.

A partir de ahí, el evaluador aún necesita dedicar tiempo a configurar las solicitudes y cargas útiles individuales, la autenticación y los encabezados, las fuentes de datos, las aserciones y otros detalles necesarios para que el escenario sea ejecutable y determinar si la API se comporta correctamente.

En el caso de flujos de trabajo empresariales de varios pasos, esto puede significar extraer valores de una respuesta y pasarlos a solicitudes posteriores, mantener la información entre interacciones, secuenciar las operaciones correctamente o agregar lógica personalizada para conectar llamadas API individuales en un flujo de trabajo empresarial integral.

Las aserciones de las pruebas de API también pueden requerir la validación de códigos de estado, valores de carga útil, encabezados, respuestas de error, reglas de negocio, relaciones entre mensajes y cambios de estado esperados en las interacciones. Esto lleva tiempo y, a menudo, exige un conocimiento profundo de la API, las pruebas y el dominio.

Con un plan de verificación aprobado, el agente puede utilizar las capacidades de prueba de API de Parasoft SOAtest a través de MCP para crear y configurar pruebas ejecutables. Mediante este plan, junto con los requisitos, las definiciones de API y demás contexto aprobado disponible para el flujo de trabajo, el agente puede convertir los escenarios de negocio definidos en recursos de prueba SOAtest funcionales.

En lugar de construir manualmente cada paso de la prueba, los equipos pasan mucho más rápido de un plan de verificación aprobado a un escenario de prueba de API ejecutable y reutilizable. El valor no reside simplemente en una generación de pruebas más rápida. Reduce la configuración manual y los conocimientos técnicos necesarios para traducir lo que se debe verificar —y cómo las operaciones de la API deben colaborar para verificarlo— en un escenario de prueba funcional.

4. Obtén los datos de prueba que necesitas.

Los escenarios de prueba de API requieren datos que representen las condiciones que se están probando. Es posible que sea necesario solicitar, proporcionar, enmascarar o sanitizar datos derivados del entorno de producción, mientras que las condiciones negativas, los valores límite y los escenarios comerciales inusuales pueden requerir que los equipos definan y creen datos específicos que aún no existen.

En un flujo de trabajo basado en agentes, el agente puede utilizar el escenario de prueba y el contexto disponible para generar los datos necesarios bajo demanda. Esto reduce el esfuerzo manual de preparar los datos para cada escenario, respetando al mismo tiempo las políticas de privacidad y gobernanza de datos existentes en la organización.

5. Identificar la dependencia faltante

Ahora bien, la prueba, las aserciones y los datos pueden estar listos, pero el servicio posterior necesario aún no lo está.

Quizás otro equipo aún lo esté desarrollando. Tal vez el servicio sea inestable, costoso de acceder, esté controlado por un tercero o sea difícil de configurar con el estado y los datos que requiere el escenario.

Tradicionalmente, esto puede detener las pruebas. Es posible que alguien deba esperar a que se resuelva la dependencia, coordinarse con otro equipo o cambiar de herramienta y construir manualmente una simulación antes de que las pruebas puedan continuar.

En un flujo de trabajo basado en agentes que utiliza SOAtest y Virtualize, una habilidad guía al agente para que reconozca cuándo una dependencia no disponible está bloqueando la prueba y determine cuándo se necesita un servicio virtual. Utilizando los requisitos de la prueba, la definición del servicio, los mensajes de ejemplo u otro contexto aprobado, el agente puede invocar Virtualize a través de MCP para crear e implementar la simulación necesaria y desbloquear las pruebas.

En lugar de otro estado de espera o una transferencia manual, el flujo de trabajo pasa de reconocer la dependencia a crear lo necesario para que las pruebas sigan avanzando.

6. Cree el servicio virtual con estado con Virtualize.

Para una interacción sencilla, devolver una respuesta predefinida puede ser suficiente. Sin embargo, los flujos de trabajo empresariales reales suelen requerir más.

Un servicio posterior puede necesitar devolver respuestas diferentes según la secuencia de interacciones previas. Un pedido puede pasar de enviado a aprobado y luego a enviado. Un saldo puede cambiar después de un pago. Un recurso creado por una solicitud puede necesitar ser devuelto por otra.

La creación manual de estos comportamientos puede requerir mucho tiempo y conocimientos especializados en virtualización de servicios. Es necesario comprender la dependencia, configurar las respuestas, modelar las transiciones de estado y las relaciones de datos, y asegurarse de que la simulación proporcione el comportamiento que requiere la prueba.

Mediante el servidor MCP de Parasoft Virtualize , el agente puede invocar las capacidades de virtualización de servicios para generar el recurso virtual con estado necesario para el escenario de prueba. Dado que el agente ya dispone del contexto sobre el objetivo de verificación y el escenario de prueba, la creación de pruebas y la simulación de dependencias pueden integrarse en lugar de ser proyectos y traspasos independientes.

Aquí es donde las pruebas de API y la virtualización de servicios se integran en un mismo flujo de trabajo de verificación automatizada. Cuando la prueba requiere un comportamiento que el entorno no puede proporcionar, el flujo de trabajo puede pasar de la creación de la prueba a la simulación de dependencias sin necesidad de una intervención manual adicional.

Esto reduce significativamente la barrera técnica para la virtualización de servicios sofisticados, al tiempo que disminuye el tiempo que los equipos dedican a esperar las dependencias o a configurar manualmente el comportamiento necesario para continuar con las pruebas.

7. Ejecutar, analizar y continuar

Una vez que la prueba, los datos, las aserciones y las dependencias virtuales necesarias estén disponibles, el agente puede invocar SOAtest para ejecutar el escenario. SOAtest ejecuta la prueba y genera resultados basados ​​en las solicitudes, validaciones, datos y comportamiento simulado configurados.

El flujo de trabajo no tiene por qué detenerse en un resultado de éxito o fracaso. Los equipos pueden configurar su flujo de trabajo basado en agentes para que continúe según los resultados, utilizando habilidades para guiar los siguientes pasos y servidores MCP para conectar al agente con las herramientas necesarias para actuar.

Dependiendo de cómo esté diseñado ese flujo de trabajo, el agente podría recabar información adicional, solucionar un problema de configuración de la prueba, informar sobre un posible defecto de implementación o transferir los resultados a otro sistema o persona.

La organización determina hasta qué punto el flujo de trabajo avanza de forma autónoma. Los equipos definen los permisos, las medidas de seguridad y los puntos de control de revisión humana en función de sus propias políticas de calidad, tolerancia al riesgo y nivel de confianza en la automatización. La intervención humana no implica necesariamente la presencia de un humano en cada paso.

El objetivo no es eliminar a los evaluadores de la verificación de API, sino eliminar la configuración repetitiva, las esperas, las transferencias de tareas y las barreras técnicas que consumen su tiempo.

El proceso comienza con la intención definida por el usuario y finaliza con la verificación de la evidencia. Lo que cambia es la rapidez con la que el equipo puede pasar de una etapa a la otra y la cantidad de trabajo intermedio que se puede orquestar de forma inteligente utilizando las capacidades de pruebas empresariales en las que ya confían.

Preparación para la verificación de la API de Agentic

No existe un modelo único para las pruebas de API de agentes. Parasoft proporciona funcionalidades de prueba que los agentes pueden invocar a través de MCP. Los equipos determinan cómo se integran estas funcionalidades en el flujo de trabajo general de los agentes. Seleccionan las habilidades, integraciones, permisos, secuencias y puntos de control humanos, ya sean proporcionados o personalizados, que mejor se adapten a su proceso de desarrollo y nivel de riesgo.

Esto significa que para empezar no es necesario crear un flujo de trabajo autónomo para toda la empresa. Comience con un caso de uso delimitado y repetible y responda algunas preguntas prácticas.

  • ¿De dónde proviene la intención de realizar las pruebas? Determine qué requisitos, criterios de aceptación, definiciones de servicio y activos existentes puede utilizar el agente como contexto.
  • ¿A qué capacidades puede acceder el agente? Defina qué herramientas, habilidades y acciones de SOAtest, Virtualize y otras herramientas conectadas están disponibles a través del flujo de trabajo.
  • ¿Qué puede hacer el agente de forma autónoma? Establecer permisos para crear, modificar, ejecutar y compartir recursos de prueba.
  • ¿Dónde aporta valor el juicio humano? Establezca puntos de control en torno a las decisiones que los justifiquen, como revisar y perfeccionar el plan de verificación antes de crear los recursos de prueba, en lugar de exigir aprobación en cada paso.
  • ¿Cómo se medirá el éxito? Se realizará un seguimiento de los resultados, como el tiempo transcurrido desde la definición del requisito hasta la verificación ejecutable, los pasos manuales eliminados, la cobertura de las pruebas, el tiempo de creación del servicio virtual y el esfuerzo de mantenimiento.

Los equipos pueden ampliar el flujo de trabajo a medida que adquieren confianza en los activos, los resultados y el modelo de gobernanza. El objetivo no es la máxima autonomía, sino aplicarla donde se reduce la carga de trabajo sin comprometer la confianza.

Explora la serie completa

Parte 1: Cómo la simulación autónoma de API soluciona la brecha

Parte 2: Cómo mantener la verificación de Java al ritmo del código generado por IA.

Parte 3: De los requisitos a la verificación confiable de API con IA agenica
Estás leyendo este artículo.

Descubre cómo tu equipo puede conectar los requisitos, las pruebas de API y la virtualización de servicios con estado en un único flujo de trabajo de verificación basado en agentes.

Solicitar una demo