Un agente de n8n escribe casos de prueba con un caso de uso de Pachca y requisitos de Yandex Wiki
Para que una IA escriba casos de prueba útiles, no basta con un caso de uso en el chat: necesita requisitos y, por tanto, integraciones. El autor creó un flujo de trabajo en n8n: un bot de Pachca recoge el caso de uso, pide un enlace al requisito, recupera la página de Yandex Wiki mediante MCP y se lo envía todo al modelo. La respuesta llega directamente al hilo del caso de uso. No hay un nodo oficial para Wiki, pero MCP permite resolverlo.
Procesado por IA desde Habr AI; editado por Hamidun News
Enviar un caso de uso a un chatbot no basta para obtener buenos casos de prueba: los fallos se esconden en los detalles, y el modelo no los tiene. Necesita contexto: requisitos, tickets y conversaciones. Y para proporcionárselo hacen falta integraciones. El autor de un tutorial en Habr muestra una versión mínima de este proceso en n8n: desde un mensaje en el chat de trabajo hasta un caso de prueba terminado.
Qué vamos a montar y con qué
n8n es una herramienta para crear agentes que conecta modelos con código, gestores de tareas, CI y otros componentes de infraestructura. Cada acción es un nodo independiente, y los nodos se ensamblan en un flujo de trabajo como piezas de Lego. El flujo se puede exportar en JSON. El código fuente está disponible: en la nube de n8n se paga por el alojamiento y por cada ejecución; en infraestructura propia es gratis. Hay más de 2600 integraciones, por lo que se puede crear un agente para la mayoría de los entornos tecnológicos. Por ejemplo, uno que genere casos de prueba a partir de tickets de Jira y documentación de GitHub, con búsquedas mediante Pinecone.
El escenario del artículo es más sencillo. El requisito está en Yandex Wiki y el caso de uso, en un chat de Pachca. La lógica consta de cuatro pasos:
- el agente espera a que un usuario envíe un caso de uso al chat;
- responde al mensaje pidiendo que se introduzca la URL de la página del requisito mediante un formulario;
- envía al modelo el caso de uso y el requisito;
- devuelve la respuesta al hilo del caso de uso.
Cómo conectar Pachca y Wiki
En Pachca hay que crear un bot y activar su webhook saliente. El autor destaca tres opciones: ignorar sus propios mensajes para evitar que el bot se active a sí mismo, escuchar todos los mensajes y responder a las pulsaciones de botones. El sistema muestra el token una sola vez, así que hay que guardarlo de inmediato. Los permisos necesarios son messages:read, messages:create, threads:read, threads:create y views:write. Este último permite que el usuario envíe la URL del requisito mediante un formulario. La URL del webhook y la clave de firma se introducen en el disparador de n8n.
Hay un detalle importante. El botón Execute escucha en una URL de prueba, no en la URL configurada, por lo que no permite comprobar el disparador de esa forma. Quedan dos opciones: crear un bot de pruebas independiente o publicar el flujo de trabajo. En un flujo publicado, los disparadores reciben los eventos automáticamente y los resultados se pueden consultar en la pestaña Executions.
Con Yandex Wiki el proceso es más complejo: no hay un nodo listo para usar, pero sí funciona un servidor MCP. Se necesitan una aplicación OAuth con el permiso wiki:read, un token obtenido mediante un enlace de autorización con el ClientID propio y el identificador de la organización. Para Yandex 360 para empresas es X-Org-ID; para Yandex Cloud Organization, X-Cloud-Org-ID. En Credentials de n8n se crea una entrada de tipo Multiple Headers Auth con dos cabeceras: Authorization y la correspondiente a la organización.
A partir de ahí hay dos opciones. El nodo cuadrado MCP Client llama directamente a una herramienta. El nodo redondo MCP Client Tool se conecta al nodo del modelo, y es el modelo quien decide qué solicitar. El autor eligió la llamada directa: HTTP Streamable, endpoint mcp.wiki.yandex.net y herramienta GetPageById. El obstáculo es el ID de la página: solo se puede obtener mediante la API de Wiki con una consulta por slug, por ejemplo con curl, usando el token y la cabecera de la organización.
Resultados y limitaciones
Los datos se transmiten entre nodos en JSON, y se accede a la salida del nodo anterior mediante $json.nombre_variable. La forma más sencilla de consultar los nombres de las variables es abrir la pestaña Executions después de cualquier ejecución, aunque haya fallado. El resultado: el bot recibe el caso de uso, pide un enlace al requisito y devuelve un caso de prueba en el hilo. El autor publicó el flujo de trabajo terminado en GitHub en formato JSON.
Por ahora se trata de una demostración de posibilidades, no de una evaluación de calidad. No hay métricas: no se indica hasta qué punto los casos de prueba generados coinciden con los escritos a mano ni cuántos errores dejan pasar. El propio autor advierte de las dificultades: la herramienta no puede recuperar requisitos que solo existen en la cabeza del cliente, ni elimina las alucinaciones o las comprobaciones manuales. La siguiente entrega abordará estas cuestiones.
Cómo llevarlo a la práctica. Si el equipo ya utiliza Pachca y Wiki, se puede reproducir el flujo en una tarde. Para la primera ejecución basta con una llamada directa a MCP: es más predecible que dejar que el modelo elija la herramienta. Esta es nuestra valoración; el artículo no incluye esa comparación. Guarda los datos de autenticación en Credentials, en lugar de introducirlos en los propios nodos. Comprueba los resultados con 5–10 casos de uso reales y compáralos con lo que escribiría un profesional de pruebas. Solo entonces conviene decidir si un agente así tiene cabida en el proceso.
- 12 nov 2026Los ingenieros de QA de SpaceWeb encargaron a la IA escribir autotests: un script funcional en 50 minutos
- 9 nov 2026El equipo de Dokumenterra encarga a Claude escribir pruebas automatizadas en cinco horas
- 15 sept 2026Cognition y AWS cierran un acuerdo: Devin reduce la modernización de COBOL de 8 meses a 8 días
- 31 oct 2026Agentes de IA corrigen prospectos de IPO según las observaciones de la SEC: el aprendizaje aportó +3,7 p. p.
Preguntas frecuentes sobre la noticia
¿Qué se sabe sobre Qué vamos a montar y con qué?
n8n es una herramienta para crear agentes que conecta modelos con código, gestores de tareas, CI y otros componentes de infraestructura. Cada acción es un nodo independiente, y los nodos se ensamblan en un flujo de trabajo como piezas de Lego. El flujo se puede exportar en JSON. El código fuente está disponible: en la nube de n8n se paga por el alojamiento y por cada ejecución; en infraestructura propia es gratis.
Cómo conectar Pachca y Wiki?
En Pachca hay que crear un bot y activar su webhook saliente. El autor destaca tres opciones: ignorar sus propios mensajes para evitar que el bot se active a sí mismo, escuchar todos los mensajes y responder a las pulsaciones de botones. El sistema muestra el token una sola vez, así que hay que guardarlo de inmediato. Los permisos necesarios son messages:read, messages:create, threads:read, threads:create y views:write. Este último permite que el usuario envíe la URL del requisito mediante un formulario.
¿Qué se sabe sobre Resultados y limitaciones?
Los datos se transmiten entre nodos en JSON, y se accede a la salida del nodo anterior mediante $json.nombre_variable. La forma más sencilla de consultar los nombres de las variables es abrir la pestaña Executions después de cualquier ejecución, aunque haya fallado. El resultado: el bot recibe el caso de uso, pide un enlace al requisito y devuelve un caso de prueba en el hilo. El autor publicó el flujo de trabajo terminado en GitHub en formato JSON.
Build & Ship Production AI Agents Without Boilerplate Code
Start your free 72-hour trial at Hamidun Academy (academy.hamidun.com) — interactive lessons on Claude Code & Cursor, live Tech Radar, and production agent templates.
Lo esencial de la IA — una vez por semana
Siete historias que de verdad importaron, elegidas a mano. Sin ruido ni notas de prensa.
¡Listo! Revisa tu correo para la confirmación.