García Cifuentes, Juan PabloNarváez Jácome, Dario Leonardo2026-07-232026-07-232026http://hdl.handle.net/11522/5706Este proyecto propone y evalúa una solución de automatización de pruebas BDD dirigida por metadatos (Meta-Driven Testing o MDT), orquestada por agentes inteligentes locales mediante el Model Context Protocol (MCP). El propósito es superar la elevada carga de mantenimiento de enfoques convencionales como Page Object Model (POM). Validada empíricamente bajo la norma ISO/IEC 25010 sobre una aplicación transaccional (eShop), la solución demostró erradicar la fragilidad estructural ante mutaciones de interfaz (logrando un 100\% de auto-reparación) y brindó flexibilidad total para alternar motores de ejecución (Selenium/Playwright) sin alterar el código de prueba. Estos resultados proveen evidencia empírica inicial sobre la viabilidad técnica de integrar IA y abstracción semántica para optimizar los ciclos modernos de aseguramiento de calidad.80 p.application/pdfspaAutomatización de pruebasBDDInteligencia artificialMCPAuto‑reparaciónTest automationArtificial intelligenceSelf-healingmaster thesishttps://creativecommons.org/licenses/by-nc-sa/4.0/http://purl.org/coar/access_right/c_abf2