earticle

영어

This study proposes an AI MCP (Model Context Protocol)-based automated testing methodology to enhance the efficiency of software test automation. To overcome the limitations of traditional manual testing approaches, we designed a comprehensive testing framework that integrates static testing using GitHub MCP and dynamic testing using Playwright MCP. The proposed methodology automates the entire process from code analysis to defect prediction through a five-layer architecture consisting of Test Management Layer, Static Analysis Module, Dynamic Testing Module, Test Case Generation Module, and Defect Prediction Module. In particular, it strengthens the verification capability for code written by generative AI such as ChatGPT, Claude, and Gemini, presenting an intelligent testing solution that can respond to the complexity of modern software development environments.

한국어

본 연구는 소프트웨어 개발 환경의 복잡성 증가와 애자일 및 데브옵스 방법론의 확산으로 인한 빠른 릴리스 주기에 대응하기 위해 AI MCP(Model Context Protocol) 기반 자동화 테스트 방법론을 제안한다. 전통적인 수동 테 스트 방식은 시간과 비용 측면에서 한계를 보이며, 특히 대규모 시스템에서 충분한 테스트 커버리지 확보가 어려 운 상황에서, Anthropic에서 개발한 개방형 표준 프로토콜인 MCP를 활용하여 다양한 AI 모델들이 표준화된 방식 으로 상호 작용할 수 있는 테스트 자동화 솔루션을 개발하였다. 제안된 방법론은 GitHub MCP를 활용한 정적 테 스트를 통해 소스 코드의 복잡도 측정, 잠재적 결함 식별, 보안 취약점 스캔을 수행하고, Playwright MCP를 활용 한 동적 테스트를 통해 실제 웹 브라우저 환경에서의 사용자 인터페이스 검증, 크로스 브라우저 호환성 테스트, API 테스트를 실행한다. 생성형 AI가 작성한 코드에 대한 검증 능력을 강화하여 기존 규칙 기반 테스트 도구로는 예측하기 어려운 패턴과 결함을 지능적으로 분석할 수 있으며, 자연어 명령을 통해 별도의 전문 지식 없이도 포 괄적인 테스트를 수행하는 모델을 제시한다.