40,000行のAPIテスト作成で学んだClaude Code Skillsの育て方 - カミナシ エンジニアブログ
こんにちは、ソフトウェアエンジニアの渡邉（匠）です。「カミナシ 設備保全」の開発に携わっています。 Claude CodeのSkills（以下スキル）を使い、約2週間で40,000行超のAPIシナリオテストを書き切りました。最初のスキルは粗削りでしたが、テストを量産する中で繰り返し改善した結果、後半は「スキル実行 → レビュー → マージ」のサイクルだけで回せるようになりました。 この記事では、スキルをどう設計し、どう育てたかを中心にお伝えします。 背景 APIの動作保証にシナリオテストツール runn を使っていました。 サービス成長に伴うAPIの増加により、当初のテスト構成では運用が回らなくなってきました。1ファイルあたりのステップ数が膨らみ、どこで何を検証しているのか判別が難しい状態に。テストの追加・修正が心理的にも技術的にもハードルの高い「辛い作業」へと変わっていました。 そこで、
AIエージェントの品質保証 〜QAが知識ゼロから挑んだ3ヶ月間〜 - Money Forward Developers Blog
こんにちは。CQO室 QAエンジニアのTodoです。 2025年12月3日に「マネーフォワード クラウド契約」から「リース識別エージェント」がリリースされました。 「リース識別エージェント」はワンストップ契約管理サービス『マネーフォワード クラウド契約』において提供するAIエージェントです。エージェントが電子化された契約書を解析し、リース取引となる該当性の一次判断、根拠条文や仕訳に必要な要素の抽出を行います。 このAIエージェントがユーザー課題を解決できるかを判断するために、客観的な立場のCQO室に精度評価が求められました。 そこで、AIプロダクトの品質保証の知識ゼロ、従来の機能テストQA経験のみの私が、このAIエージェントの精度検証を担当することになりました。これは、私にとって新しい挑戦でした。 本記事では、約3ヶ月の検証期間を通じてどのように模索してきたかをご紹介します。 想定読者 A
AIエージェント時代に、テスト駆動開発（TDD）は「ガードレール」になる【t_wada×やっとむ対談】 - Agile Journey
生成AIを巡る状況は、わずか1年ほどで劇的に変化しました。Claude Codeなど実用的なコード生成エージェントが普及し、開発現場に大きなインパクトを与えつつあります。 とはいえ、「どのような場面で活用できるのか」「実際の開発で本当に役立つのか」といった疑問を抱えるチームも少なくありません。 そこで本稿では「生成AIによるコーディングとテスト駆動開発（TDD）」をメインテーマに、TDDの第一人者・和田卓人さん（@t_wada）と、アジャイルコーチのやっとむさん、こと安井力さん（@yattom）が対談。TDDの意義や、チームでAIを活用するための現実的な視点を掘り下げます。 AIをどう導入し、どう使いこなすか──実践的なヒントが詰まった対談です。 2025年7月時点のコード生成エージェントの現場感 AIが広げるテスト導入の可能性 生成AIが自動テスト導入のハードルを下げた 「As-Is」の
Findyの爆速インフラ構築を支えるTerraform活用術 〜Terraform Test導入編〜 - Findy Tech Blog
はじめに こんにちは。CTO室 Platform開発チーム SREの原(@kouzyunJa)です。 ファインディでは日々サービスが爆速で開発されており、新しいプロダクトも次々と生まれています。それらのインフラ構築を、私たちのチームが支えています。 インフラ構築にもスピード感が求められるため、効率的かつ安全に進める仕組みが欠かせません。 今回は、そのスピード感あるインフラ構築を支えるTerraform Testの取り組みについてご紹介します。 はじめに Terraform Testの導入背景 Terraform Testの書き方紹介 UnitテストとIntegrationテスト ディレクトリ構成 mock providorとUnitテスト 複数モジュールを組み合わせたIntegrationテスト CIワークフローでの活用 まとめ Terraform Testの導入背景 developer.
Playwrightで実際のDBを用いてテストを並列実行し高速化する | hiroppy's site
最近は、LLMによるコード生成が日常的になっています。 それに伴って、テストはコードが正しく実行されているかを保証するために今後更に重要になっていきます。 そこでLLMにとっても人間にとっても、実行速度が重要な要素となりますが、特にe2eは実行速度が遅い点が課題です。 さらに実際のDBを用いたテストを行う際、並列に実行した場合にはテスト全体を冪等にすることは難しく、直列実行が一般的です。(GitHub Actionsのmatrixやコンテナで隔離すれば可能) 今回は、実際のDBを用いつつ、並列に実行し、e2e全体の実行時間を大幅に短縮しつつ堅牢にする方法を考えます。 今回使用する技術スタック Next.js NextAuth.js Prisma PostgreSQL Playwright Testcontainers Playwrightの問題点 webserverは、単一のサーバー起動の
ソフトウェアテストのグローバルトレンド 2025 #scrumniigata / software-test global trend 2025
スクラム新潟2025でプレゼンしました。 https://confengine.com/conferences/scrum-fest-niigata-2025/proposal/21850/2025 グローバルなソフトウェアテストにかんするサーベイであるThe State of Testin…
TS特化Clineプログラミング
Previous slideNext slideToggle fullscreenOpen presenter view TS特化Clineプログラミング mizchi / tskaigi 2025 mizchi: パフォーマンスチューニングの傭兵 一ヶ月で御社のプロダクトをコスパよく高速化します フロントエンド視点のE2Eチューニング(Lighthouse) CI/CD 高速化 (Linux, GitHub Actions) New プロンプトエンジニアリングでワークフロー自動化 主な環境 VSCode + RooCode (ほぼ常に Orchestrator モード) Claude 3.7 + Gemini 2.5 (約2~3万円/月) TypeScript / Node / Deno / Cloudflare あらすじ 2014: なぜ仮想DOMという概念が俺達の魂を震えさせるのか
Playwright MCPのNetwork機能を改良してAPIテストの調査から実装まで自然言語でやれるか試してみた
こんにちは。ダイの大冒険エンジョイ勢のbun913と申します。 みなさんはAPIテストを書く時に、「もうCursorとかでどんな時にどういう順でAPIが呼ばれるか、仕様の把握からテストコードの作成まで自然言語で指示できないかな」と思ったことはありませんか？私はあります。 今回は以下のB1のように、特定のユースケースを満たすために、呼ばれている一連のAPIを把握して、そのままAI搭載エディタにテストを書いてもらうということをPlaywright MCP server に搭載された Network機能を使って、試してみました。 どんなAPIが呼ばれたか？ では API: hoge と API: fuga の結果、ユーザーにはこのような情報がみえるべきなのでそのテストを書きましょう といったことを自然言語で指示して、開発のバックグラウンドのない方でもAPIテストをPlaywrightで記載できる
GitHub - hoppscotch/hoppscotch: Open-Source API Development Ecosystem • https://hoppscotch.io • Offline, On-Prem & Cloud • Web, Desktop & CLI • Open-Source Alternative to Postman, Insomnia
❤️ Lightweight: Crafted with minimalistic UI design. ⚡️ Fast: Send requests and get responses in real time. 🗄️ HTTP Methods: Request methods define the type of action you are requesting to be performed. GET - Requests retrieve resource information POST - The server creates a new entry in a database PUT - Updates an existing resource PATCH - Very similar to PUT but makes a partial update on a reso
手動 × ローコード × コードベース： 3つのアプローチをつなぐ実践 @JaSST'25 Tokyo
2025/03/27(木) 事例セッション 「D4-2）手動 × ローコード × コードベース：3つのアプローチをつなぐ実践」の講演資料
バグ密度・テスト密度に依存しない品質保証への挑戦 | NTTデータ
カテゴリで探す 業界トレンド／展望 技術トレンド／展望 事例 サービスで探す コンサルティング 戦略コンサルティング 社会課題コンサルティング 業務コンサルティング デザインコンサルティング 変革支援コンサルティング アプリケーション・サービス テクノロジーコンサルティング CRM（Salesforce） ERP（SAP/Biz∫） 顧客接点・決済 カーボンニュートラル SCM ロジスティクス 電子申請 データ＆インテリジェンス 生成AI アプリケーション開発・管理 データスペース ブロックチェーン 量子コンピュータ・イジングマシン デジタルツイン IoT ロボティクス・RPA クラウド ネットワーク データセンター サイバーセキュリティ ビジネスプロセスサービス 業種で探す 金融 官公庁・自治体 医療・ヘルスケア 防災・レジリエンス 食品 流通・小売 モビリティ 製薬・ライフサイエンス
「それ、設定ファイルに書いておいたよ」〜AIエージェントCursor/Clineでのテスト生成改善の記録〜 (2025年1月現在)
はじめに こんにちは、UbieでQAエンジニアをしている ackey です。 昨年の12月よりアプリチーム全体の開発・運用生産性改善を担うチームに所属しています。 本記事では、AIエージェントを使ったテストコード生成におけるちょっとした工夫事例をご紹介します。 2025年初頭時点での試行錯誤の記録として、また、生成AI時代を生き抜こうともがくQAエンジニアの取り組みとして参考になれば幸いです。 AIエージェントとのやりとりで感じた課題 UbieではCursorやClineなど開発AIエージェントのトライアルを一部のプロジェクトで開始しており、もはやAIエージェントなしの開発スタイルには戻れない状態になりつつあります。 アプリチームでもAIエージェントの利用は活発で、新機能開発からテストコードの生成まで幅広く活用されています。QAエンジニアの私も主にテスト作成文脈[1]でAIエージェントを活
Autify Genesis｜生成AIによるテストケース・テストシナリオ自動生成｜Autify (オーティファイ)
Autify Genesisは、生成AIを活用してプロダクトの仕様書からテストケース・テストシナリオを自動生成するソリューションです。
モダンなテストレベル設計（ユニットテスト～システムテスト等をどう設計するか）の原則 - 千里霧中
プロジェクト全体のテストを組み立てる際に重要な課題になるのが、テストレベル設計です。テストレベル設計は、ユニットテスト、結合テスト、システムテストといったテストレベルを、どのような責務・段取りで行うか分析・設計する活動です。 このテストレベル設計ですが、ここ10年程度の間に望ましいアプローチが変わってきたと感じています。今回はこの変化と、変化後のモダンなテストレベル設計の原則について、考えていることを書き出したいと思います。 旧来のテストレベル設計のアプローチ 旧来、このテストレベル設計では、Vモデルをベースしたアプローチや、自工程完結・品質積み上げをベースとしたアプローチがよく見られました。 このうち一つ目のVモデルをベースとしたアプローチは、要求定義から設計までの上流工程への対応を観点に、テストレベルを設計するものです。 （Vモデルが必須と明言しているわけではなく、極端な例ですが）例え
テストアーキテクチャの実践 - freee Developers Hub
こんにちは。決済プロダクトでQAエンジニアをしているrenです。freee QA Advent Calendar2024の23日目です。 今回は、決済プロダクト開発にテストアーキテクチャを設計した事例について紹介します。 テストアーキテクチャとは テストアーキテクチャによって解決したい課題 テストアーキテクチャ設計のステップ 1. この振る舞いを担保するためには、どのようなテストが必要だろうか？という問いを立てる 2. 抽象化して考えるための概念を学ぶ 3. テストアーキテクチャを描き、議論する テストアーキテクチャ設計のインパクト 実装改善に関する気づき テストの構造とソフトウェアの構造に関する気づき 自分たちのテスト活動の課題に関する気づき チーム開発の支援を通じた工数上のインパクト テストアーキテクチャがもたらす価値 今後の展望 [appendix]今回設計したテストアーキテクチャの
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
GitHub - mgechev/skillgrade: "Unit tests" for your agent skills
Unit Tests for AI Agent Skills
GitHub - foss42/apidash: API Dash is a beautiful AI-powered open-source cross-platform (Desktop & Mobile) API Client built using Flutter which can help you easily create & customize your HTTP & GraphQL API requests, visually inspect responses and generate
Metaがソフトウェアテストに関する革新的な論文を発表 — LLMによるテスト生成とミューテーションテストを統合した新たな手法に注目が集まる
Genesis | Autify