Além dos Testes Funcionais: Como criei um Framework de Auditoria Web com Java 17, Axe-Core e Google Gemini IA

Na rotina de qualidade de software, é muito comum nos depararmos com esteiras de testes automatizados que cobrem apenas o caminho feliz funcional: "O usuário preencheu o formulário? O botão clicou? O redirecionamento aconteceu? Sucesso!".

Contudo, atuando na intersecção entre Análise de Negócios (BA) e Engenharia de Qualidade (QA), percebi que essa visão deixa de fora aspectos vitais para a saúde da aplicação:

• Acessibilidade (A11y): Usuários com deficiência visual ou motora conseguem navegar sem barreiras?
• DevSecOps: O cabeçalho HTTP protege contra sequestro de frames (Clickjacking) e injeção de scripts (XSS)?
• Performance Real: O Time to First Byte (TTFB) e o First Contentful Paint (FCP) mantêm o usuário engajado?
• SEO & Metadados: A aplicação é corretamente interpretada por robôs de busca e redes sociais?

Para resolver essa lacuna de ponta a ponta, desenvolvi o qa-audit-toolkit: um framework modular em Java 17 que audita qualquer aplicação web em 9 pilares críticos e utiliza um Agente de IA (Google Gemini 2.5 Flash) para fornecer diagnósticos consultivos automáticos com sugestões de código para correção imediata.

1. A Arquitetura em 9 Pilares de Qualidade

O toolkit foi estruturado sobre a robustez do Playwright Java e do JUnit 5, garantindo execuções headless ultra velozes em navegadores baseados em Chromium, Firefox e WebKit:

2. O Diferencial: Agente de IA com Google Gemini (AiAdvisorService)

Relatórios tradicionais de automação mostram apenas o que falhou, mas raramente auxiliam o desenvolvedor ou o analista de negócios a entender como resolver. No qa-audit-toolkit, criei a classe AiAdvisorService conectada à API REST do Google Gemini 2.5 Flash:

Com essa abordagem, quando uma violação de contraste ou falta de header CSP é detectada, o console e o relatório HTML já trazem a diretiva exata que deve ser aplicada no Nginx, Apache ou no código HTML.

3. Dogfooding na Prática: Auditando Meu Próprio Portfólio

Para comprovar a eficiência do framework, adotei o conceito de Dogfooding: utilizei o qa-audit-toolkit para auditar de forma contínua o meu próprio portfólio (https://flavianapina.com.br).

O resultado é mensurável:

• Zero Violações Críticas WCAG 2.1 AA: O leitor de tela e as ferramentas assistivas conseguem navegar com 100% de clareza semântica;
• DevSecOps Blindado: Meta tag CSP configurada, zero links externos com brecha de segurança e honeypot anti-spam funcional;
• Core Web Vitals Otimizados: Carregamento inicial leve com tempos de resposta de servidor inferiores a 200ms.

4. Experimente a Execução em Tempo Real (Simulador Interativo)

Para ver na prática como o framework se comporta, você pode simular a execução dos testes funcionais com Playwright ou a auditoria completa com o parecer do Gemini IA diretamente aqui no terminal abaixo:

5. CI/CD e Relatórios Vivos com ExtentReports no GitHub Pages

Nenhuma ferramenta de qualidade subsiste isolada. O toolkit foi desenhado para rodar nativamente em pipelines de CI/CD via GitHub Actions. A cada execução disparada por agendamento ou commit:

1. A suíte roda o comando mvn test -DtargetUrl="https://flavianapina.com.br";
2. O motor do ExtentReports compila gráficos interativos em formato HTML;
3. A pipeline publica o relatório diretamente no GitHub Pages do repositório: flavianapina24.github.io/qa-audit-toolkit .

Conclusão: O Valor Estratégico da Qualidade Holística

Criar o qa-audit-toolkit consolidou a visão que defendo diariamente: qualidade não é apenas encontrar bugs em telas, é construir software acessível, seguro, veloz e focado no usuário.

Ao integrar automação em Java com a inteligência consultiva de Modelos de Linguagem (LLMs), conseguimos transformar relatórios frios de falha em verdadeiros planos de ação técnicos, acelerando a entrega contínua dos times de engenharia.