Asistentes de IA y MCP

Autonomy ofrece un servidor alojado de Model Context Protocol para que un asistente de IA de tu editor pueda trabajar con Autonomy. Un asistente conectado puede encontrar tus proyectos y casos de prueba, escribir casos de prueba nuevos, iniciar ejecuciones contra una previsualización, seguirlas paso a paso, leer la evidencia y registrar incidencias.

https://app.autonomyqa.com/api/mcp

Cómo se conecta

• Transporte: un único servidor remoto mediante Streamable HTTP. No hay nada que instalar en local.
• Autorización: OAuth en el navegador. La primera vez que se conecta un cliente, inicias sesión y eliges una organización. Las claves de API no funcionan aquí.
• Acceso: el asistente actúa como tú, en esa organización. El asistente de un miembro solo llega a los proyectos que ese miembro puede abrir. La lectura y cada tipo de cambio son permisos distintos que tú apruebas.

Qué puede hacer un asistente

El servidor tiene 23 herramientas, una por cada operación de la API HTTP: proyectos, casos de prueba, planes de pruebas, ejecuciones (con Step Actions y evidencia), entornos e incidencias. Las ejecuciones pueden apuntar a web, API y Android (iOS llegará pronto), con un entorno guardado o con una URL de previsualización o una compilación nuevas.

El asistente no hace clic ni toca nada por sí mismo. Pide a Autonomy que ejecute un caso de prueba; el agente alcanza cada resultado esperado en un runner y el asistente lee el resultado. Consulta Acciones disponibles para ver todas las herramientas.

Usa MCP cuando un asistente deba comprobar si un flujo ya tiene cobertura, ejecutar un caso de prueba después de un cambio o leer una ejecución que no se superó antes de proponer una corrección. El patrón útil es un agente de programación que cambia el producto y Autonomy que lo comprueba con evidencia.

Para scripts y trabajos de CI que envían solicitudes JSON, usa la API HTTP v1.

Dónde encaja MCP

• Panel: las personas escriben casos de prueba, los agrupan en planes de pruebas y revisan ejecuciones, incidencias y evidencia.
• GitHub: las pull requests reciben los resultados de las ejecuciones y enlaces a la evidencia.
• MCP: los asistentes de IA comprueban la cobertura, inician ejecuciones, las siguen y leen la evidencia desde su editor.

Primeros pasos

1. Conecta un cliente con la URL del servidor de arriba.
2. Autoriza una organización en el navegador.
3. Prueba la primera ejecución de MCP con un caso de prueba pequeño.
4. Usa Acciones disponibles como referencia de los nombres de las herramientas, las confirmaciones y el seguimiento de una ejecución.