Как я внедрил Scripted Orchestration в наш QA-фреймворк.

Я решил пойти дальше и создал ИИ-агента, который выступает как QA.Главный инсайт: LLM не должна выполнять тесты пошагово, это медленно. Я применил паттерн Scripted Orchestration:Агент получает задачу и читает PRD, различную документацию, составляет тест-план.После моего одобрения (Human-in-the-loop), генерирует полноценный Python-скрипт для тестов.Сервер выполняет этот скрипт в изолированной песочнице, дергая наши внутренние инструменты (Telegram API, сервис ПП, Kafka, ERP).Агент получает только результат выполнения и логи.Если тест падает, агент применяет паттерн Failing Forward - сам идет в логи бэкенда через SSH, находит причину и выдает готовый RCA-отчет.При необходимости заводит баг-репорт в CRM.Что дальше?Сейчас в процессе интеграция с расширением Claude Code в VS Code, чтобы разработчики могли проводить тесты прямо из терминала. Следующий шаг — автоматический запуск проверок на уровне коммитов (Impact Analysis).ROI - великолепный, время на проверку сложных асинхронных сценариев сократилось в разы, а точность детекции багов выросла.Вопрос к экспертам: используете ли вы подобные архитектуры (Agentic Workflows) в своих проектах? Какие инструменты для и передачи контекста (MCP, LangChain, CrewAI) выбираете?И какие процессы ими автоматизируете?#Python #Kafka #MCP #AI agent #Automation #Testing #RCA