Configuración e infraestructura de QA
Estas dos skills preparan un proyecto para trabajar con NEO. Se usan una sola vez al arrancar
(o cuando falta algo de esa configuración), y son el paso 1 y 2 del playbook
New Project Bootstrap.
lippia-neo-bootstrap-stack
Cuándo usarla
Al configurar por primera vez un proyecto para el flujo QA: auto-detecta el framework de
testing, el lenguaje, el tipo de app y el proveedor de CI a partir del repo, y escribe
qa-stack.yaml. Además pregunta a qué herramienta de gestión de tests se exportan los test
cases (Xray, QMetry o ninguna) y dónde se reportan los bugs. También se dispara
automáticamente como pre-chequeo cuando lippia-neo-meta-run-user-story-e2e no encuentra ese archivo, o
cuando cualquier skill agnóstica falla por su ausencia.
{
"output": {
"qa_stack_path": "qa-stack.yaml"
}
}
| Input | Tipo | Descripción |
|---|---|---|
output.qa_stack_path |
Requerido | ruta donde se va a escribir el qa-stack.yaml generado (es el único campo formalmente requerido; el resto se resuelve por detección automática o preguntando). |
No tiene una lista formal de opcionales. En cambio, exige resolver siempre por interacción con la persona (nunca se infieren ni se dejan vacíos):
- los campos de
environment(base_url,app_version,os) yauth; - de dónde salen las historias (
paths.user_stories_storage):local(directorio de.md) ocloudvía MCP (jiraoazure-devops); - dónde se reportan los bugs (
paths.bug_reports_storage):localocloudvía MCP (jira,azure-devops,githubogitlab). Concloudpregunta además el destino según la herramienta:jira_project_key/jira_issue_type,azure_devops_project/azure_devops_work_item_type,github_repo/github_issue_labelogitlab_project/gitlab_issue_type. LosBUG-*.jsonsiempre se escriben primero enlocal_path(defaultbug-reports/); - los directorios de artefactos (
test_plans_dir,tests_dir,reports_dir,scripted_dir,exploratory_dir), de a uno por pregunta, aunque el default parezca obvio; - la ruta del
env_file(default.env.tests, gitignored); - la herramienta de gestión de tests (
test_management.tool:xray,qmetryo ninguna), suproject_keyy sus credenciales (XRAY_CLIENT_ID/XRAY_CLIENT_SECREToQMETRY_API_KEY), que van solo alenv_file, nunca aqa-stack.yaml. Se puede responder "después" y quedan pendientes; - si aplica,
api_contract(appapi/hybrid) ylippia_config_path(frameworklippia).
Además, en toda ejecución asegura que .mcp.json tenga el server playwright (lo necesita la
exploración, sea cual sea el framework), ofrece cargar ahí las credenciales de los proveedores
cloud elegidos (gitignored, nunca se muestran) y agrega .claude, .playwright-mcp y
execution/evidence.txt al .gitignore.
Perfil recortado con k6 o jmeter
Si el framework es k6 o jmeter, el asistente hace un perfil recortado: solo pregunta el
framework y el proveedor de CI (si no se detectan), environment.base_url y el bloque
performance (colección de API, data_dir, scripts_dir, profiles, time_scale y los
métodos que modifican datos, mutations, con las repeticiones de prueba). No pregunta
autenticación, SO, versión de la app, historias, bugs, directorios de artefactos ni herramienta
de gestión de tests, y no crea .mcp.json. paths.env_file queda en .env.tests sin
preguntar ni crear el archivo. Con jmeter detecta el binario (PATH, JMETER_HOME, rutas
estándar) sin preguntar y guarda performance.tool_path; si falta JMeter o Java, avisa sin
instalar nada.
Salida
| Campo | Descripción |
|---|---|
qa_stack_path |
ruta del qa-stack.yaml escrito. |
detection_mode |
auto / interactive / mixed, según cuánto se infirió vs. se preguntó. |
stack |
test_framework (playwright/playwright-bdd/playwright-cucumberjs/cypress/lippia/pytest/k6/jmeter), language (javascript/typescript/java/python), app_type (web/api/hybrid), auth (google_sso/basic_auth/api_token/none), pipeline_provider (github/gitlab/bitbucket). |
environment |
base_url, app_version, os. |
api_contract |
solo si app_type es api/hybrid: spec_path, spec_url y snapshot_path (snapshot inicial del contrato cuando se resolvió spec_url). |
mcp_json |
path, framework_server (siempre playwright) y cloud_provider_server (server(es) cloud agregados para historias y/o bugs, o null si todo es local). |
performance |
solo con k6/jmeter: bloque de performance (colección, data_dir, scripts_dir, profiles, time_scale, mutations; con jmeter, también tool_path). |
test_management |
tool (xray/qmetry/null), project_key, credentials_loaded y credentials_pending (solo nombres de claves, nunca valores). |
Se encadena con
Paso 1 del playbook de bootstrap; el paso 2 es lippia-neo-ci-bootstrap, que lee pipeline_provider
de este qa-stack.yaml. También es el prerequisito para lippia-neo-meta-run-user-story-e2e y para el
resto de las skills agnósticas (por ejemplo, lippia-neo-report-bug lee
bug_reports_storage para saber dónde publicar).
lippia-neo-ci-bootstrap
Cuándo usarla
Cuando hace falta un workflow de CI/CD que ejecute las skills de QA en cada commit, PR o
schedule. Lee pipeline_provider de qa-stack.yaml y emite el archivo de workflow
correspondiente (GitHub, GitLab o Bitbucket). Siempre se ejecuta después de lippia-neo-bootstrap-stack —
aborta si qa-stack.yaml todavía no existe.
{
"config": {
"pipeline_provider": "github",
"test_framework": "playwright"
}
}
| Input | Tipo | Descripción |
|---|---|---|
config.pipeline_provider |
Requerido | proveedor de CI ya resuelto en qa-stack.yaml; determina qué adaptador cargar. |
config.test_framework |
Requerido | framework de testing ya resuelto en qa-stack.yaml; se sustituye como placeholder en el template del workflow. |
Frameworks de performance
Con test_framework: k6 o jmeter esta skill no aplica: aborta sin generar ni modificar archivos, con el motivo framework_not_supported_by_this_skill. Esos frameworks se trabajan con las skills de performance.
Los jobs propios siempre se escriben encapsulados en una subcarpeta neo-ci-jobs/ dentro de la
carpeta de jobs del proveedor (.github/workflows/, .gitlab/ o .bitbucket/), con un
neo-ci-manager.yml como punto de entrada. Si el archivo de entrada de CI del repo ya existe, no
se pisa: en GitLab se agrega solo una línea include:, en GitHub se escribe un workflow aparte
(.github/workflows/neo-ci-jobs.yml) y en Bitbucket —que no admite repartir el pipeline en
varios archivos— se propone un merge y se pide confirmación antes de escribir. Si el framework es
playwright, playwright-bdd o playwright-cucumberjs, el repo tiene que tener @playwright/test declarado en su package.json (los tres comparten la instalación de Playwright: npm ci + navegadores).
Los jobs activos (modelo M4) son initial-setup → feature-e2e (plan feature-new-end-to-end)
→ publish-report, y se ejecutan solo en PR/MR con el label feature. En Bitbucket el filtro por
label no se puede expresar en el YAML: el plan queda como pipeline custom qa-feature-e2e, que
tiene que dispararse desde afuera (el handler de webhooks para Bitbucket todavía no está
implementado en el engine). En GitLab el template trae
además ui-selector-repair (plan ui-selector-repair) y qa-read-stack, que se disparan con un
push a develop que toca src/components/ o src/pages/.
Salida
| Campo | Descripción |
|---|---|
provider |
github/gitlab/bitbucket. |
generated_file |
ruta del archivo de workflow generado o actualizado. |
phase |
siempre scaffolding: el YAML se genera una vez desde el template y queda commiteado. Los jobs M4 que incluye ya invocan al engine real (crowdar-engine-mvp), no son placeholders. |
warnings |
advertencias. |
Se encadena con
Siempre se ejecuta después de lippia-neo-bootstrap-stack, como paso 2 del playbook de bootstrap.
Después hay que configurar los secrets/variables que pide el README del adapter y commitear
los archivos generados.