Сергей Протько

приведенная вами цитата относится исключительно к автозагрузке. Какие контексты использовать - регламентируется в behat.yml.

Behat не совсем для тестирования, Codeception исключительно для тестирования.

Если ваша команда записывает требования в терминах Given-When-Then и загоняется по BDD, то выбор очевиден - Behat. Есть еще команды которые заставляют писать функциональные тесты своих тестировщиков и для этого используют gherkin-сценарии. Если вам надо просто покрыть все функциональными тестами то Codeception (или любой другой фреймворк, я вот peridot использую для этих целей).