takahirom/arbigent
AI Agent for testing Android, iOS, and Web apps. Get Started in 5 Minutes. Arbigent's intuitive UI and powerful code interface make it accessible to everyone, while its scenario breakdown feature ensures scalability for even the most complex tasks.
Arbigent란 무엇인가요?
Arbigent(Arbiter‑Agent의 약자)는 사용자 인터페이스와 상호 작용하는 AI 기반 에이전트를 테스트하기 위한 오픈소스 프레임워크입니다. 고수준의 자연어 목표(예: “로그인하고 비디오 검색”)를 작성하면, 이를 실제 또는 에뮬레이트된 장치(iOS, Android, 웹, TV)에서 실행합니다. 이 프레임워크는 복잡한 목표를 더 작고 종속적인 시나리오로 분할하고, AI의 동작을 조정하며, 이미지 기반 어설션을 통해 결과를 확인합니다.
왜 중요한가요?
기존의 UI 테스트는 깨지기 쉽습니다. 레이아웃이 조금만 변경되어도 스크립트가 실패할 수 있기 때문입니다. LLM은 UI를 이해할 수 있으므로 Arbigent의 테스트는 더 탄력적입니다. AI가 사소한 UI 변경에 적응할 수 있어 유지보수 부담이 줄어듭니다. 또한 비프로그래머를 위한 시각적 UI와 자동화 파이프라인을 위한 코드 우선 인터페이스를 제공하여 AI 에이전트 테스트를 일반적인 QA 워크플로우에 통합합니다.
핵심 기능 (README 설명 기준)
| 카테고리 | 하이라이트 |
|---|---|
| 작업 분해 | 시나리오는 서로 종속될 수 있습니다(예: login → search). 프레임워크가 흐름을 조정합니다. |
| 하이브리드 워크플로우 | 시나리오 생성을 위한 UI; 프로그래밍 방식 실행을 위한 YAML 파일(arbigent run …). |
| 크로스 플랫폼 | iOS, Android, 웹, TV(D‑pad 탐색 포함) 지원. |
| AI 최적화 | UI 트리 필터링, 주석이 달린 스크린샷, 접근성 레이블에 포함된 선택적 AI 힌트를 통해 모델 이해도 향상. |
| 비용 효율적인 모델 | 기본값은 gpt‑4.1이며, gpt‑4o‑mini와 같은 저렴한 모델도 지원합니다. |
| 신뢰성 보조 | AI 기반 이미지 어설션(Roborazzi 사용), 화면 멈춤 감지, 재시도 및 폴백 캐싱을 통한 재실행. |
| 확장성 | 사용자 정의 훅, 외부 도구를 위한 Model Context Protocol (MCP) 서버, 재사용 가능한 시나리오 라이브러리(GitHub Actions와 유사). |
| Maestro YAML 통합 | 기존 Maestro 테스트 흐름을 초기화 단계로 실행하여 AI가 시작되기 전에 결정론적인 앱 상태를 설정할 수 있습니다. |
| 오픈 소스 | 무료 사용, 수정 및 배포 가능; 커뮤니티 기여를 장려합니다. |
누가 사용하나요?
- QA 엔지니어: 코드를 작성하지 않고 포인트 앤 클릭 UI로 테스트를 정의하려는 분.
- 개발자: CLI 및 YAML 구성을 통해 AI 에이전트 테스트를 CI 파이프라인에 포함하려는 분.
- 제품 팀: 기존 스크립트가 불안정한 복잡하고 동적인 흐름(예: 온보딩, 비디오 재생)을 테스트해야 하는 팀.
- 기업: 이미 Maestro나 다른 UI 자동화 도구를 사용 중이며, 기존 자산을 버리지 않고 AI 계층을 추가하려는 기업.
시작하는 방법 (README 기준)
- GitHub 릴리스 페이지에서 UI 바이너리를 다운로드합니다.
- 장치를 연결(실제 또는 에뮬레이터)하고 앱에 AI 제공업체의 API 키를 입력합니다.
- UI에서 자연어 목표를 입력하여 시나리오를 생성합니다.
- (선택 사항) 기존 Maestro YAML 또는 Android Studio Journeys 파일을 가져와 앱 상태를 설정합니다.
- UI 또는 CLI를 통해 시나리오를 실행합니다. 예:
arbigent run --project-file=project.yaml --scenario-ids=login-search
저자가 언급한 제한 사항
- 속도 – LLM 지연 시간 및 실시간 UI 상호 작용(단계당 약 1~2초)에 의해 제한됩니다. 병렬 실행(
--shard) 및 결과 캐싱으로 완화할 수 있습니다. - 비용 – 각 AI 단계마다 API 요금이 발생합니다(예: GPT‑4o 사용 시 단계당 0.005달러).
- 신뢰성 – 장치 안정성에 의존하며, 에뮬레이터의 불안정성이 실패의 원인이 될 수 있습니다.
- 프롬프트 엔지니어링 – 복잡한 앱의 경우 필요할 수 있지만, 시간이 지남에 따라 모델이 개선되는 것을 목표로 합니다.
위의 모든 정보는 저장소의 README에서 직접 가져온 것이며, 추가 기능은 추론되지 않았습니다.
관련
- Dispatch
- 프로젝트
- 프로젝트
- 프로젝트
- 프로젝트