以QA工程思维构建代理式软件开发生命周期
内容提要
本文介绍Motorola Solutions测试工程经理Suneet Malhotra分享的代理式软件开发生命周期（SDLC）方法。他利用MCP构建端到端代理管道，采用Cohen's kappa评估多个LLM法官，并通过设计阶段后的规格增强步骤将QA左移，以改进需求。相关代码和论文已公开。
延伸解读
QA左移：规格增强步骤
文章强调在设计阶段后立即加入规格增强步骤，将QA左移。这意味着在编码前就利用代理管道改进需求，从而减少后期返工。对于团队而言，这提示在传统SDLC中，需求分析往往不够充分，而通过自动化代理在早期介入，可以更早发现歧义或遗漏，提升最终交付质量。
多LLM法官评估
Suneet使用Cohen's kappa来评估多个LLM法官的一致性，这为代理输出质量提供了量化指标。Cohen's kappa常用于衡量评分者间信度，在此场景下，它帮助验证不同LLM对代理生成结果的判断是否一致，从而确保评估的可靠性。读者可借鉴此方法，在依赖LLM进行自动评估时，避免单一模型偏差。
MCP构建代理管道
文章提到利用MCP（模型上下文协议）构建端到端代理管道，这体现了标准化协议在集成多个AI代理中的作用。MCP允许不同工具和模型间无缝通信，使得代理可以协同完成复杂任务。对于开发者，理解MCP有助于设计可扩展的AI工作流，但需注意文章未提供具体实现细节，读者应参考公开代码进一步学习。
Q&A
什么是代理式软件开发生命周期（Agentic SDLC）？
代理式软件开发生命周期是一种利用AI代理（如基于MCP构建的代理）来自动化和增强软件开发流程的方法，涵盖从需求分析到测试的各个阶段。本文中，Suneet Malhotra分享了如何构建端到端的代理管道，以改进软件交付。
如何利用MCP构建端到端的代理管道？
Suneet Malhotra使用MCP（模型上下文协议）来构建端到端的代理管道，通过集成多个AI代理来执行SDLC中的不同任务，从而实现自动化流程。具体细节可参考其GitHub上的代码。
Cohen's kappa在代理式SDLC中有什么作用？
Cohen's kappa用于评估多个LLM法官（LLMs-as-judges）之间的一致性，以确保评估结果的可靠性。在代理式SDLC中，它帮助验证AI代理生成的输出质量。
如何通过QA左移来改进需求？
通过在设计阶段后立即增加一个规格增强步骤，将QA活动提前，从而在需求阶段就发现并改进问题，减少后期返工。
Suneet Malhotra的代理式SDLC包含多少个代理？
Suneet Malhotra的代理式SDLC包含五个代理，具体细节可在其GitHub上查看。
在哪里可以找到代理式SDLC的相关代码和论文？
相关代码可在Suneet Malhotra的GitHub上找到，论文包括《Cross-Layer Observability for LLM-Assisted Test Automation: A Reference Architecture and Web Feasibility Study》及其参考实现和评估数据。
