از 11 November 2026، Amazon Web Services ابزار AWS Emulator را در دسترس عموم قرار داده است. این ابزار امکان اجرای بخش بزرگی از سرویس‌های AWS را روی رایانه شخصی یا درون یک فرایند CI فراهم می‌کند. فراخوانی‌های معمول AWS SDK یا CLI به شبیه‌ساز هدایت می‌شوند و پاسخ در چند میلی‌ثانیه برمی‌گردد. نیازی به حساب AWS، تعیین منطقه یا پرداخت هزینه اضافی نیست؛ فقط هنگام استقرار نهایی، هزینه منابع واقعی AWS را می‌پردازید. این شبیه‌ساز رفتار سرویس واقعی را بازسازی می‌کند: فراخوانی‌های معتبر همان نتایج سرویس ابری را برمی‌گردانند، فراخوانی‌های نامعتبر همان کدهای خطا را می‌دهند و عملیات پشتیبانی‌نشده با خطای 501 «پیاده‌سازی نشده» پاسخ داده می‌شوند. هر نمونه از شبیه‌ساز وضعیت خود را در حافظه نگه می‌دارد و روی درگاه جداگانه‌ای اجرا می‌شود؛ بنابراین کارهای آزمایشی موازی با هم تداخلی ندارند. برای نمونه، مجموعه‌ای از آزمون‌ها می‌تواند جدولی در DynamoDB بسازد، مواردی را در آن درج کند و جدول را کاملاً آفلاین حذف کند، پیش از آنکه کد به ابر واقعی متصل شود. AWS این شبیه‌ساز را به‌طور کامل با عامل‌های هوش مصنوعی خودکار ساخته است. سه گروه از عامل‌ها با استفاده از مدل‌های عمومی API در Smithy آزمون‌های وفاداری به سرویس را تولید می‌کنند، آن‌ها را روی ابر زنده اجرا می‌کنند، ناهماهنگی‌ها را پیدا می‌کنند و کد را خودکار اصلاح می‌کنند. پیش از ادغام هر تغییری، بررسی‌های خودکار امنیت و کیفیت انجام می‌شود. همه کد منبع، مجموعه آزمون‌ها و فهرست کارهای عقب‌مانده از شکاف‌های شناخته‌شده در GitHub و با مجوز CC0 در مالکیت عمومی منتشر شده‌اند.
چرا اکنون اهمیت دارد
افزایش کدهای تولیدشده با هوش مصنوعی، سرعت افزودن فراخوانی‌های جدید AWS از سوی توسعه‌دهندگان را بالا برده است. اعتبارسنجی این کدها در ابر واقعی، به‌دلیل تأخیر و هزینه هر آزمون، پرهزینه و زمان‌بر است. با AWS Emulator، تیم‌ها می‌توانند صدها چرخه آزمون را به‌صورت محلی اجرا کنند و هم در زمان و هم در هزینه صرفه‌جویی کنند. از آنجا که شبیه‌ساز از همان مدل‌های API ساخته می‌شود که SDKهای رسمی را پشتیبانی می‌کنند، با افزودن سرویس یا API جدید از سوی AWS، به‌طور خودکار به‌روز می‌شود. توسعه‌دهندگان بدون انتظار برای به‌روز شدن ابزارهای متفرقه، به محیطی آزمایشی با رفتاری نزدیک به واقعیت دسترسی دارند. این ابزار نقش مهندسان را نیز تغییر می‌دهد. اکنون انسان‌ها بر تعریف مشخصات آزمون و محدودیت‌های ایمنی تمرکز می‌کنند و عامل‌های هوش مصنوعی کارهای تکراری کدنویسی، آزمون و اشکال‌زدایی را انجام می‌دهند.
چرا مهم است
توسعه‌دهندگان اکنون می‌توانند بدون پرداخت هزینه فراخوانی‌های ابری، باگ‌ها را پیدا کنند و کد AWS تولیدشده با هوش مصنوعی را بررسی کنند؛ در نتیجه، انتشار سریع‌تر و کم‌هزینه‌تر می‌شود. این ابزار رایگان و متن‌باز همچنین راه را برای آزمایش محلی سرویس‌های AWS توسط تیم‌های کوچک هموار می‌کند، هرچند پیش از استفاده در محیط عملیاتی همچنان باید کد را در ابر واقعی هم آزمایش کرد.
