Agent harness: qué es y cómo lo aplica Tero

Cada vez es más común encontrar plataformas que permiten crear agentes de IA personalizados y acceder a agentes ya construidos desde un repositorio común, para que todo un equipo los use de forma uniforme.

Resuelven un problema real: centralizar la creación y el acceso a agentes. Pero en calidad de software eso no alcanza. ¿Con qué contexto de negocio razona ese agente? ¿A qué sistemas accede? ¿Qué evidencia deja? ¿ Y quién revisa lo que decide antes de que llegue a producción?

Tero es la respuesta de Abstracta a estas preguntas. No compite como plataforma generalista de agentes: es un agent harness diseñado específicamente para QA workflows.

Tero es, además, el corazón tecnológico de Tero Enterprise Edition, uno de los tres componentes de Abstracta Intelligence, la solución con la que Abstracta incorpora IA a la calidad en todo el ciclo de desarrollo.

Por qué esto importa ahora¶

De acuerdo con un informe de Gartner, el gasto de IT en banca y servicios de inversión está proyectado a superar USD 1,1 billones para 2029. Pero aumentar la inversión y sumar herramientas de IA no resuelve por sí solo cómo los equipos toman decisiones de calidad.

A nivel individual, la IA mejora la productividad de una persona. A nivel de equipo, el contexto de sistemas complejos, el compliance y el conocimiento experto de testers y analistas siguen dependiendo en gran medida de las personas.

Llevar esa mejora individual al equipo implica compartir contexto, reutilizar conocimiento y generar evidencia para decidir qué llevar a producción.

Por eso, Tero no se piensa como una herramienta de productividad individual, sino como un agent harness: la capa que convierte ese conocimiento en una capacidad de equipo, gobernada y medible.

¿En qué se diferencia Tero de plataformas que permiten crear y compartir agentes de IA?¶

Esas plataformas de creación y uso compartido de agentes tienen focos distintos entre sí: algunas trabajan con datos de producción, otras son SWE Agents ( Software Engineering Agents) orientados a resolver tareas de programación. Tero, en cambio, está enfocado específicamente en agentes para la calidad de software y no busca competir como una solución generalista de agentes.

Su diferencial es ser un agent harness especializado en QA workflows y en el contexto que las organizaciones necesitan para operar esos agentes de forma consistente, gobernada e integrada a sus procesos reales de software delivery. Esto incluye testing y automatización, pero también análisis funcional, comprensión del sistema, gestión y reutilización del conocimiento, colaboración entre QA, desarrollo, producto y negocio, seguridad, gobernanza e integración con el stack tecnológico de la organización.

¿Qué significa que Tero sea un agent harness?¶

Un agent harness es la capa de software alrededor de un modelo de IA que define cómo debe operar para cumplir un trabajo específico: qué contexto recibe, a qué herramientas puede acceder, qué reglas debe seguir y qué output debe producir.

En Tero, el modelo aporta la capacidad de razonamiento; Tero aporta el workflow, el contexto, los controles, las integraciones, la observabilidad y la evidencia necesarios para aplicar ese razonamiento de forma consistente a QA.

Por eso, Tero no se limita a alojar o compartir agentes: define el sistema dentro del cual esos agentes trabajan, es decir, cuál es su objetivo, qué información utiliza, a qué sistemas pueden acceder, qué acciones tienen permitidas, qué evidencia debe recopilar, qué proceso deben seguir, cuándo se requiere revisión humana y qué artefacto deben producir.

Ese es el principal diferencial frente a soluciones cuyo valor se concentra en crear agentes y disponibilizarlos para un equipo. En Tero, el agente no es solamente un prompt reutilizable o una configuración compartida, sino es una capacidad especializada integrada dentro de un QA workflow, con contexto, herramientas, controles, permisos y resultados definidos.

Tero permite que testers funcionales y de automatización, especialistas en performance, analistas funcionales, QA leads, desarrollo, producto, managers y otros perfiles que participan en decisiones de calidad compartan contexto, conocimiento y evidencia, y utilicen esa información para entender mejor los sistemas sobre los que trabajan.

En definitiva, además de conectar agentes con herramientas, Tero controla qué contexto, herramientas y acciones del ecosistema tecnológico quedan disponibles para cada agente según su QA workflow.

¿Qué aporta Tero en concreto por encima de una solución de crear y compartir agentes?¶

Tero dentro de Abstracta Intelligence¶

Tero forma parte de Abstracta Intelligence, la solución de Abstracta para incorporar IA a la calidad en todo el ciclo de desarrollo. Abstracta Intelligence capitaliza casi 20 años de experiencia de Abstracta en calidad de software y combina tres componentes que se evolucionan mes a mes:

1. Tero Enterprise Edition (el agent harness y los agentes especializados).

2. AIX — Abstracta AI Experience (adopción de IA apalancada en Abstracta Academy).

3. Impact Dashboards (medición de resultados y valor generado).

1. Tero Enterprise Edition

Es la versión empresarial, respaldada por Abstracta, de Tero open source. Permite crear y desplegar agentes de forma segura en organizaciones con altos requerimientos de control y regulación, como banca, seguros y entidades gubernamentales.

Actualmente, cuenta con más de 40 agentes listos para utilizar, orientados a desafíos de testers funcionales, automatizadores, especialistas en performance, analistas funcionales y managers, además de una comunidad creciente que comparte aprendizajes, nuevos agentes y extiende Tero mediante nuevos conectores.

Se integra con el stack habitual de los equipos de calidad, como Jira, Confluence, PractiTest, YouTrack, Playwright, Selenium, Postman, GitHub, GitLab, Datadog y bases de datos SQL, entre otras.

También incorpora integraciones con plataformas clave del sector financiero, como Bantotal, un core bancario que procesa la actividad financiera de más de 50 millones de personas, e IC Banking, de Infocorp, una suite de banca digital utilizada por más de 40 bancos. Además, tiene en su roadmap nuevas integraciones con plataformas como PayStudio, un sistema de tarjetas de crédito.

Más adelante en el artículo detallamos más sobre sus integraciones.

Otras características relevantes:

• Gobernanza, evaluación y testing de agentes. Cada agente puede incluir un banco de pruebas, controles de presupuesto y límites de pasos ejecutables, lo que permite evaluar su desempeño de forma consistente y contar con una base de comparación si se cambia de proveedor de LLM.
• Observabilidad y Chain of Thought. Permite inspeccionar la ejecución y el razonamiento disponible del agente para auditar decisiones, optimizar prompts y evaluar qué LLM resulta más costo-eficiente para cada tarea, lo que ayuda a reducir el efecto de caja negra y a que las personas usuarias evolucionen de consumidoras de IA a creadoras y evaluadoras de sus propios agentes.
• Independencia de LLM e infraestructura. Es agnóstico de modelo y de nube: soporta modelos cerrados como GPT, Claude o Gemini vía API, y modelos open weight o locales como Qwen, DeepSeek o Kimi, desplegados on-premise o bajo Bring Your Own Cloud (BYOC), reduciendo el vendor lock-in.
• Código abierto y auditable. Permite inspeccionar el código de forma manual o automática utilizando los mecanismos de seguridad definidos por cada organización. Al ser una base abierta, la organización mantiene control sobre sus workflows, contexto y lógica de los agentes.
• Diseñado para QA y análisis funcional. Ofrece una interfaz low-code para crear, probar y mantener agentes sin programación compleja; se integra al espacio de trabajo mediante Browser Copilot (usable directamente desde Jira, la aplicación bajo prueba o la web) y mediante MCP (desde Cursor, Claude Desktop, Claude Code y GitHub Copilot); y cuenta con acceso simplificado vía SSO web, sin necesidad de instalación local para la persona usuaria final.

2. AIX — Abstracta AI Experience¶

AIX brinda las bases de conocimiento necesarias para que los equipos identifiquen oportunidades, propongan soluciones e implementen agentes de IA de forma efectiva. Consiste en capacitaciones, workshops, sesiones de trabajo 1:1 y acompañamiento, apalancados en Abstracta Academy, para que la adopción de estas tecnologías no quede limitada a esfuerzos aislados y se convierta en una capacidad sostenida de los equipos y la organización.

3. Impact Dashboards¶

Medir el impacto de la IA y el retorno de la inversión es fundamental para sostener estos esfuerzos. Por eso, el despliegue de Tero incluye un componente específico de Impact Dashboards: los agentes recolectan datos e indicadores desde el primer día para dar seguimiento a la adopción y a la inversión en IA. Los dashboards base son:

• Dashboard de adopción integrado — AI Console: métricas de adopción de agentes, tiempo ahorrado por agente y por persona, sesiones y chats.
• Nivel de madurez de las prácticas de calidad: puntaje por proyecto según las prácticas implementadas, desde testing básico hasta testing continuo, sobre la base del modelo de madurez de Abstracta, basado en ISO 25010.
• DevOps DORA Metrics: medición de velocidad y estabilidad en las entregas.
• Release Readiness Report: indicador consolidado para evaluar si un release está listo para pasar a producción.

Además, la solución permite crear nuevos Impact Dashboards a medida de las necesidades y objetivos de cada organización.

¿Con qué herramientas y plataformas se integra Tero?¶

Como agent harness especializado en QA, Tero cuenta con una arquitectura abierta que le permite integrarse con las herramientas y fuentes de contexto utilizadas a lo largo del ciclo de desarrollo y calidad de software. Esta apertura importa porque el trabajo de calidad no ocurre en una sola herramienta: pasa por el sistema de gestión, el repositorio de código, el entorno de pruebas y el monitoreo en producción, y un agente que solo accede a una parte de ese ecosistema termina razonando con información incompleta.

Actualmente, Tero se integra con:

• Gestión y colaboración: Jira, Confluence, Redmine, YouTrack y Azure DevOps.
• Gestión de pruebas: PractiTest, Zephyr.
• Automatización y ejecución de pruebas: Playwright, Selenium, Postman, bases de datos.
• Repositorios y control de versiones: GitHub, GitLab, Azure DevOps y repositorios mediante integración de Codebase.
• Integración y despliegue continuo (CI/CD): Azure Pipelines.
• Bases de datos: SQL Server, MySQL, PostgreSQL y otros motores compatibles mediante SQL estándar.
• Sistemas legacy y plataformas IBM: acceso y análisis de código y contexto en tecnologías como COBOL y RPG, con soporte para entornos IBM i / AS/400.
• Observabilidad y monitoreo: Datadog.
• Conocimiento y documentación: GeneXus Knowledge Base (KB), documentación corporativa ( Docs) y otras fuentes documentales.
• Navegación e interacción web: Browser, para interacción automatizada con aplicaciones web y captura de evidencia.
• Fuentes de información externas: Web (consulta y extracción de información pública) y servidores MCP ( Model Context Protocol) para conectarse con herramientas empresariales adicionales.

Esta arquitectura integra Tero al ecosistema tecnológico existente y da a cada agente acceso al contexto, las herramientas y las acciones que necesita para ejecutar su QA workflow. Cuando el proyecto lo requiere, también es posible incorporar nuevas integraciones.

¿Cómo se implementan las integraciones de Tero?¶

La forma de integración depende del ecosistema tecnológico, los estándares y los requerimientos de seguridad de cada organización. Tero está diseñado para integrarse a la arquitectura existente, minimizar el esfuerzo de adopción y permitir que el acceso de los agentes a sistemas y acciones se defina según las necesidades de cada workflow.

Según el escenario, las integraciones pueden realizarse mediante:

• APIs REST, SOAP o GraphQL, cuando las aplicaciones exponen interfaces de integración.
• SDKs o conectores nativos de herramientas como Jira, GitHub, GitLab, Azure DevOps o PractiTest, entre otras.
• Acceso directo a bases de datos, cuando es necesario consultar o validar información.
• Integración con pipelines de CI/CD, incorporando a Tero como una etapa más dentro del proceso de desarrollo y despliegue.
• MCP ( Model Context Protocol), conexión estandarizada con herramientas, repositorios y servicios que ya disponen de servidores MCP.
• Integración con otros agentes o plataformas de IA, colaborando con asistentes ya existentes en la organización mediante APIs, protocolos de mensajería o arquitecturas multiagente.

En aquellos casos donde no existe un mecanismo de integración estándar, es posible desarrollar adaptadores específicos para conectarse con aplicaciones propietarias o sistemas legacy.

Un ejemplo concreto es el desarrollo de un servidor MCP para IBM AS/400 (IBM i), que permite a los agentes de IA interactuar directamente con aplicaciones y datos del entorno AS/400 mediante un protocolo estandarizado, sin depender de interfaces de línea de comandos (CLI). Este MCP puede desplegarse de forma segura en la infraestructura local junto a la instalación de Tero.

¿Qué herramientas usa Tero para cada tipo de prueba?¶

Tero no depende de una única herramienta o framework: como agent harness, se integra con las herramientas donde cada organización ya gestiona requerimientos, pruebas, ejecución y defectos, y adapta la selección de tecnología al tipo de prueba, al stack del cliente y a su ecosistema actual.

Testing funcional¶

Tero puede acompañar distintos momentos del workflow de testing funcional, desde el análisis de requerimientos y diseño de pruebas hasta la ejecución, gestión de defectos y análisis de resultados. Se integra con las herramientas donde el equipo gestiona requerimientos, casos de prueba, ejecución, defectos y evidencias —como Jira, Azure DevOps, PractiTest y Zephyr— además de interactuar con aplicaciones web mediante Browser Copilot. Cuando los casos son candidatos a automatización, se integra también con frameworks como Playwright y Selenium.

Entre sus capacidades se incluyen:

• Generación de casos de prueba funcionales a partir de historias de usuario, requerimientos o criterios de aceptación.
• Identificación de escenarios positivos, negativos, alternativos y casos límite que podrían no haberse considerado.
• Revisión de la cobertura funcional y detección de posibles brechas en los casos de prueba.
• Generación de datos de prueba adecuados para cada escenario.
• Asistencia al tester durante la ejecución manual, con los pasos a seguir y los resultados esperados.
• Generación automática de evidencias y documentación de la ejecución.
• Creación de defectos con la información relevante (pasos para reproducir, impacto, evidencias y contexto), integrada con herramientas como Jira o Azure DevOps.
• Recomendación de qué casos son candidatos a automatizar según su frecuencia de ejecución, criticidad o estabilidad.
• Observabilidad en ambientes de preproducción: análisis de logs, métricas, trazas y eventos para detectar anomalías, identificar la causa raíz de fallas y correlacionar problemas observados durante las pruebas funcionales con el comportamiento de la aplicación y su infraestructura.

Testing automatizado¶

Tero soporta Playwright como estándar moderno para automatización web/UI, pero es agnóstico del framework: permite trabajar con Selenium, Appium o frameworks personalizados ejecutados desde CI/CD. La herramienta se elige según el tipo de prueba, la tecnología del cliente y su ecosistema actual.

Esta flexibilidad permite a Tero adaptarse al ecosistema existente de cada organización, utilizar las herramientas, frameworks y procesos que el cliente ya tiene implementados, e incorporar nuevas integraciones cuando sea necesario, acelerando la adopción de la solución sin reemplazar inversiones previas en automatización ni modificar innecesariamente los procesos de desarrollo y calidad existentes.

Testing de performance¶

Tero dispone de agentes para colaborar en la creación de scripts para pruebas de carga en JMeter, Groovy (lenguaje utilizado dentro de JMeter) y k6. Estos agentes pueden extenderse para trabajar con otras herramientas según las necesidades del QA workflow y el ecosistema tecnológico de la organización. En proyectos donde el cliente no cuenta con una solución definida o adquirida, Abstracta suele recomendar JMeter DSL, una biblioteca que permite diseñar y ejecutar pruebas de performance como código ( Test-as-Code), con toda la potencia de JMeter.

Testing de servicios web (APIs REST/SOAP)¶

Para la validación de APIs, Tero puede encadenar agentes que generan documentación a partir de Swagger y código, y crear scripts en herramientas especializadas como JMeter, REST Assured o Postman/ Newman. También soporta validaciones mediante Playwright API testing. La selección de la herramienta depende de la tecnología del cliente, su stack actual y el tipo de prueba que se desea automatizar: Tero permite integrar las herramientas más adecuadas para cada QA workflow y trabajar con las tecnologías que la organización ya utiliza.

¿Dónde está la documentación pública de Tero?¶

La guía de funcionalidades e introducción a la plataforma está disponible en la documentación pública de Tero. Además, Abstracta comparte información y casos de uso de forma constante con la comunidad a través de:

• El blog de Abstracta.
• El canal de YouTube.
• La conferencia anual y sus meetups, Quality Sense Conference.

¿Qué tareas cubre Tero más allá de requerimientos y testing?¶

Tero nació con un foco en calidad y testing de software, pero su arquitectura basada en agentes de IA le permite asistir a lo largo de todo el ciclo de vida del desarrollo ( SDLC). Esto tiene sentido porque la calidad de un sistema no se define solo en la etapa de pruebas: se juega también en cómo se especifica un requerimiento, cómo se documenta una API o cómo se prioriza un backlog. Actualmente Tero puede apoyar en:

• Análisis y definición de requerimientos: elaboración y refinamiento de historias de usuario, criterios de aceptación y casos de uso.
• Generación de documentación técnica y funcional: especificaciones, documentación de APIs, manuales técnicos y documentación de arquitectura.
• Análisis de código: revisión de código, identificación de defectos, code smells, vulnerabilidades, oportunidades de refactorización y explicación de código legacy.
• Testing y calidad: generación de casos de prueba, automatización, análisis de cobertura, ejecución y análisis de resultados, defect investigation, análisis de regresión, evaluación de riesgos y release readiness.
• Arquitectura y diseño de soluciones: asistencia en decisiones de arquitectura, definición de patrones, revisión de diseños y evaluación de alternativas técnicas.
• Gestión de proyectos: apoyo en refinamiento del backlog, estimación de historias, priorización, identificación de riesgos y generación de reportes de avance.
• DevOps y CI/CD: generación y revisión de pipelines, validación de configuraciones y soporte en procesos de integración y despliegue continuo.
• Gestión del conocimiento: consulta sobre documentación corporativa, estándares de desarrollo, repositorios de código y bases de conocimiento para responder preguntas técnicas con contexto del proyecto.
• Métricas y análisis: incorpora Apache DevLake para construir tableros personalizados del ciclo de vida del software.

Estos agentes trabajan integrados con el ecosistema existente del cliente —incluidos repositorios, herramientas ALM, documentación, pipelines y sistemas de gestión— y actúan como integradores especializados para cada etapa del ciclo de desarrollo, sin requerir cambios en los procesos o herramientas que la organización ya adoptó.

Casos de uso reales de Tero¶

Estos son algunos casos de uso implementados en clientes actuales de LATAM y Estados Unidos, que muestran cómo Tero combina agentes especializados, contexto y herramientas dentro de distintos QA workflows:

• Cadena de agentes para testing de API. Se documenta la API a partir del código o Swagger, se diseñan los casos de prueba y se genera y ejecuta el test con JMeter.
• Migración de sistemas legacy/ mainframe (por ejemplo, DB2/COBOL). Agentes especializados analizan esquemas de datos relacionales, generan scripts de transformación y validación de datos, asisten en la ejecución de pruebas de punta a punta (E2E), aceleran la validación y reducen cuellos de botella sin requerir intervención manual constante.
• Agente de automatización con Playwright. A partir de una sesión en el navegador, genera una prueba con todas las APIs invocadas desde el frontend para validar de forma integral la lógica de la funcionalidad.
• Observabilidad para usuarios en el core bancario Bantotal. Permite a testers y analistas entender mejor el funcionamiento interno de Bantotal desde el propio sistema, con acceso al contexto necesario para analizar su comportamiento. Ver el producto en Bantotal Store.

En conjunto, estos casos muestran cómo Tero aplica agentes especializados a distintos QA workflows, los conecta con el contexto y las herramientas de cada entorno, y permite operar de forma consistente tanto sobre sistemas modernos como legacy.

En síntesis¶

Tero es el agent harness con el que Abstracta lleva agentes de IA especializados a la calidad de software: contexto organizacional, gobernanza, integración con el stack real, evidencia auditable, observabilidad e independencia de modelo, dentro de un mismo sistema. Es la capa de implementación de una visión más amplia: Quality Intelligence para liberar software crítico con confianza.