外部連携の統合テストをCI/CDに載せるには ── ステートフルモックとシナリオ駆動が現場にもたらす意味

開発tips公開日:2026年7月9日最終更新日:2026年9月20日
高畑 拓海
高畑 拓海

株式会社シンシア 開発支援事業部 部長

Share

外部連携の統合テストをCI/CDに載せるには ── ステートフルモックとシナリオ駆動が現場にもたらす意味

外部サービスとの連携が当たり前になった現代のシステム開発において、「統合テストをCI/CDに組み込む」という課題は多くの開発現場で積み残されたままになっている。このセッションはその核心に踏み込んだ実践報告だ。

出典: 【クラウドネイティブ会議】外部連携を含む統合テストをどう自動化するか ~ステートフルモックとシナリオ駆動の実践~

要点 (事実のみ)

  • 日立製作所OSSソリューションセンタの蛭田哲大氏が、認証認可OSS「Keycloak」を用いたシステムを題材に、統合テスト自動化の取り組みを発表した
  • 既存のモックサーバーはステートレスなRequest/Responseモデルが主流で、認可コードやアクセストークンを複数リクエスト間で引き継ぐOIDCの認可コードグラントフローを再現できないという課題を提起した
  • 解決策として「ステートフルモック(状態保持・状態遷移の再現)」「リクエスト送信(モック自身が外部にリクエストを送信)」「シナリオ駆動(YAML定義による宣言的テスト記述)」の3つの柱でモックをJavaで再設計した
  • YAMLによるシナリオ定義は生成AIとの相性が良く、自然言語の指示から数分でYAMLとテストコード(SelenideとJUnit 5)を生成できることをデモで示した
  • 実行環境はDockerコンテナ化されており、Docker Composeのワンコマンドで統合テスト一式が起動・実行できる構成になっている

高畑 拓海の見解

このセッションで最も刺さったのは、「統合テストは設計次第でCI/CDに載せることができる」という蛭田氏の結論だ。現場で統合テストが自動化されないまま放置される理由として、「外部環境の制御が難しい」「スケジュール調整が必要」「API課金がある」といった言い訳はよく耳にする。しかし本質的な原因は、モックの設計がステートレスなまま止まっていることにある、という指摘は的確だと感じた。

私が担当してきた案件でも、外部認証基盤やSaaSとの連携部分は「とりあえず手動で確認する」という運用になりがちだった。その結果、リリース前の確認工数が積み上がり、CI/CDの恩恵を受けられる範囲が限られてしまう。状態を持てるモックがあれば、その制約は大きく変わる。

一方で、実務に落とす際に気になる点もある。YAMLによるシナリオ定義は「変更に対応しやすくする」という狙いで設計されているが、外部APIの仕様変更が頻繁に起きる案件では、YAMLの保守がそのまま運用負荷になる可能性がある。誰がシナリオを更新し、どのタイミングでレビューするのかを決めておかないと、テストシナリオが実態から乖離するリスクがある。生成AIでYAMLを高速生成できても、「正しいシナリオかどうかの判断」は人間が担う必要があるため、レビュー体制を先に整備しておくことが重要だと思う。

まずは認証認可のような「ステートフルな通信が避けられない箇所」に絞って導入し、チームで運用できる状態を確かめながら対象を広げていく進め方が現実的ではないだろうか。

(編集レンズ: 現場・運用目線 / チーム再現性目線)

Share
高畑 拓海のプロフィール写真

この記事の書き手に直接相談する

高畑 拓海株式会社シンシア 開発支援事業部 部長

記事の内容について、より具体的に自社のケースで聞きたいことがあれば、高畑 拓海を指名してご相談いただけます。営業担当ではなく、 実際に手を動かしている本人が回答します。

シンシアの開発事例

株式会社Cloverse様|アパレル向けAIクリエイティブ基盤「Clovia Enterprise」を4名体制で開発支援

2026年2月の開発着手から約5.5ヶ月で、アパレル企業向けAIクリエイティブ基盤としてプレスリリース公開まで到達しました(2026年7月29日発表)。 Cloverse様の発表によれば、Clovia Enterprise は PUMA社・ルック社をはじめとする30社以上のアパレルブランドとの検証を経ており、現在は先行導入企業(Founding Partner)を限定募集する段階に入っています。 開発規模は次のとおりです(2026年7月29日時点、リポジトリ実測値)。 指標 / 実績 開発体制 / エンジニア4名 開発期間 / 2026年2月13日〜(継続中) コミット数 / 約1,480 プルリクエスト / 373本 対応イシュー / 428件 実装計画ドキュメント / 162本 データモデル / 83テーブル この事例からの示唆 生成AIプロダクトの難所は、モデルではなく業務側にある。 画像を1枚生成すること自体は、いまや誰でもできます。事業として成立させるために必要だったのは、マスター管理・制作進行・レビュー・権限・課金・非同期処理といった、業務を回すための地味な設計でした。83テーブルという規模は、その事実を素直に表しています。 未知の業界のプロダクトは、業務を理解した側が設計しないと形にならない。 アパレルEC制作の工程を知らないまま「AIで画像生成する機能」を作っても、現場では使われません。ヒアリング・R&D・プロトタイプ・提案までを開発チームが担ったのは、そうしないと仕様が決まらない領域だったからです。この構造は「使われないシステム」が生まれる要件定義の失敗とちょうど裏返しの関係にあります。 モデル選定に正解が無い領域では、検証を設計プロセスに組み込む。 どの生成モデルを使うかは半年で変わります。だからこそ、モデルを差し替えられる構造と、検証結果を機能設計に反映し続ける進め方の両方が必要でした。 よくある質問 Q. 生成AIを使ったプロダクトの開発は、通常のシステム開発と何が違いますか。 A. 最も違うのは、着手時点で仕様が確定できない点です。どのモデルがどの品質を出せるかは検証しないと分からないため、R&Dとプロトタイプを設計工程に組み込む必要があります。一方で、組織・権限・課金・非同期処理といった土台は通常のSaaS開発と同じ設計が求められます。 Q. 業界知識がない領域でも開発支援を依頼できますか。 A. できます。この事例ではアパレルEC制作の業務理解から入り、ヒアリングとプロトタイプを通じて要件そのものを一緒に作りました。仕様が固まっていない段階からのご相談のほうが、むしろ手戻りが少なくなります。 Q. どのくらいの体制・期間の支援ですか。 A. エンジニア4名、2026年2月から継続中です。プレスリリース公開までは約5.5ヶ月でした。規模や費用感の考え方はシステム開発とはで解説しています。 関連する支援領域 AIシステム開発とは?開発の流れ・費用相場・失敗しない進め方 — 生成AIプロダクト開発の全体像 AI PoCの進め方5ステップ|「PoC止まり」を防ぎ本番導入につなげる実践手順 — 検証を本番に接続する設計 FDE(Forward Deployed Engineer)が示す、上流から伴走できるエンジニアの価値 — 本事例の進め方の背景 生成AIを使った新規プロダクトの立ち上げや、仕様が固まりきっていない段階からの開発支援については、開発のご相談からお問い合わせください。 出典: アパレル企業向けAIクリエイティブ基盤「Clovia Enterprise」提供開始(株式会社Cloverse / PR TIMES, 2026-07-29)

株式会社Cloverseの事例を読む →

この記事が役に立ったら、Google で優先表示を

Google 検索の「優先するソース」に blog.xincere.jp を追加すると、シンシアの新着記事がトップニュースなどで見つけやすくなります。

Google で優先ソースに追加

著者について

高畑 拓海のプロフィール写真
高畑 拓海
株式会社シンシア 開発支援事業部 部長

営業出身でエンジニアにキャリアチェンジ。要件定義・実装・PM・チームマネジメント・採用までを横断する。TypeScript / React / Next.js / NestJS / Hono / Ruby on Rails を主力に、現場目線・顧客折衝・チームの再現性・ジュニア育成を重視する。

人気記事

    お問い合わせ

    システム開発やAI推進についてのご相談はこちらから

    無料相談を予約する