Iris

Os testes começam como frases, não como scripts. Você digita o cenário, indica a página e o Iris transforma as instruções em um fluxo executável. Um passo de pré-visualização mostra como o agente leu suas palavras antes de rodar qualquer coisa, então você pega uma leitura errada a tempo. Para times sem engenheiro de automação formado, esse é o recurso que decide se os testes chegam a ser escritos.

Cada agente vê a página e lê o texto dela ao mesmo tempo, igual a uma pessoa. Essa mistura é o motivo de o Iris afirmar que lida com conteúdo carregado dinamicamente, estados da interface, respostas de rede e atualizações ao vivo sem scripts especiais. Quando um site muda, o aprendizado recursivo deixa o agente se ajustar em vez de falhar de imediato, e aí está o núcleo da promessa de autorrecuperação.

O trabalho fica em projetos, e cada projeto guarda um conjunto de testes que você roda um a um ou todos de uma vez. Um teste reúne suas instruções, regras de validação, critérios de sucesso e a própria configuração de agente. Cada execução é guardada como uma corrida com passos, tempos, capturas de tela e uma gravação, então uma falha chega com evidência, não só com um rastro de erro.

Nas configurações do projeto você carrega cookies, localStorage e sessionStorage, o que permite ao agente alcançar telas que ficam atrás de um login. Isso importa porque quase toda aplicação real se esconde atrás da autenticação, e testes que só tocam páginas públicas deixam passar os fluxos que de fato quebram em produção.

O Iris conecta ao GitHub para disparar testes em pull requests, criar issues e publicar resultados de checagem, e ao Slack e Discord para notificações em tempo real e alertas de falha. Ele também lista GitHub Actions, CircleCI, Jenkins e GitLab CI entre os pipelines compatíveis. A intenção é que um teste rode a cada mudança e caia na ferramenta onde o time já trabalha.

A plataforma expõe uma API tRPC com autenticação por token que cobre testes, agentes, projetos e organizações, e aceita lotes e consultas filtradas. O Iris documenta como seu plano de controle e sua rede distribuída de agentes se encaixam, e o código fica em uma organização pública no GitHub. Ainda não há SDK de TypeScript, e o time diz que virá.

Uma execução concluída gera um relatório com os passos seguidos, o ponto de falha, uma gravação em vídeo e o contexto necessário para reproduzir o problema. Os relatórios podem ser compartilhados por e-mail e comparados com corridas anteriores. Para um time que tria um bug, a gravação costuma responder à pergunta mais rápido do que um log escrito.