
TCS:用 AgentCore 做金融测试编排器,约 100 个场景的人工工时从 200 小时降到约 24 小时
金融工程管理TCSAgentCore测试编排BFSI
一句话结论
TCS 为银行保险客户在 Amazon Bedrock AgentCore 上做多租户测试编排器,把需求到可执行测试、失败分类和留证连成一条受控流程;在约 100 个场景的内部对照里,单场景平均工时从约 2 小时降到约 14 分钟,总工时从约 200 小时降到约 24 小时,降幅约 88%。
打开原文
AWS:How TCS built an agentic test orchestrator with Amazon Bedrock AgentCore
背景与理念
对 TCS 服务的银行、金融和保险客户来说,发布最慢的往往不是写应用代码,而是读需求、设计场景、写和维护自动化、准备环境、排查失败,以及汇集审查证据。传统测试自动化能加快执行,但场景设计和脚本维护仍靠人工;需求一变,旧脚本很快失效。目标不是替换质量工程师,而是去掉重复的翻译和执行,让人把时间用在风险分析、探索性测试和发布决策上。
具体做法
- 平台做成共享控制面加租户应用面的多租户 SaaS:计算资源共享,身份、密钥和数据按租户隔离。每个租户有自己的 Kubernetes 命名空间、Cognito 用户池、KMS 密钥、S3 桶、DynamoDB 表和 Bedrock Knowledge Bases。租户开通由管理 API 写下待开通记录,经 EventBridge 触发 CodeBuild,再用 CDK 部署,保证开通可重复。
- 生成前的检索按租户、项目和会话过滤,避免一个客户的上下文进入另一个客户的测试。输入可以是 Jira 故事及关联故事链、业务需求文档、Swagger、参考代码、定位器文档、测试数据和 GitLab 源码目录;界面自动化另有基于 Puppeteer 的采集服务,能把网址和自然语言目标转成界面流程文档和 XPath 定位器文档。
- 工作拆成专用智能体,而不是一个大提示:场景、Gherkin、代码生成与校验、对话修订、需求文档转用户故事、沿 Jira 故事链做增量生成,以及执行。这些智能体用 Strands Agents SDK 写成容器,跑在 AgentCore 运行时的隔离微虚拟机里。执行智能体按生成代码判断类型:API 测试走 Fargate 上的 ECS,Selenium 界面测试走带虚拟显示的 EC2 ECS,必要时用 FFmpeg 采集画面并以 HLS 送到 S3。
- 执行与修正被写成 LangGraph 状态图,步骤顺序和重试次数是固定的。获取节点取回测试资产并做清理,执行节点拉起 ECS 任务并解析结果;只有被判为代码错误且仍在重试策略内,才会把受约束的错误上下文交给修复智能体。安全检查会拒绝空文件、意外新文件或文件大小异常变化;连通性或认证这类环境错误不会送给代码修复器。
关键数据/例子
TCS 用现有流程做对照,在一份约 100 个测试场景的代表性银行保险工作负载上测量。人工路径下,每个场景从设计、脚本到执行大约要 2 小时工程师时间,全套约 200 小时;用编排器后,单场景平均约 14 分钟,全套约 24 小时,对照降幅约 88%。文章注明这是受控内部基准,实际效果会随工作负载、应用复杂度和团队而变。对 TCS 而言,更重要的是需求摄入、生成、执行、修正和报告变成一条可追溯的工作流,质量工程师改为审阅和治理模型产物。
创新点
第一,用确定性的监督路由和有界修正环,把生成式步骤嵌进受监管行业能接受的测试留证流程。第二,租户隔离不只做在存储上,而是贯穿知识库检索、会话微虚拟机和执行环境,避免提示词跨客户污染。
可否复用
- 先对一条真实发布链路做对照测量,记下设计、脚本、执行和留证各自耗时,再决定哪一段交给智能体。
- 按阶段拆专用智能体,并用固定状态图限制自动修复的次数和允许改动的范围,环境故障不要送给改代码的模型。
- 检索和存储必须按租户与项目过滤,尤其是同时服务多家金融机构的平台。