AI 调试缺的不是操作,是证据

简介: 本文介绍 chrome-devtools-mcp:一款将 Chrome DevTools 调试能力封装为 MCP 服务器的工具,使 AI Agent 能直接观测运行时状态(console、network、performance 等),打破“改代码→白屏→人工查错→再提交”的低效循环。核心是赋予 Agent **可观测性**,而非仅操作能力。

用 AI 写过前端的人都经历过这个循环。Agent 写完一个页面,跑起来白屏。你自己打开 DevTools,看 console 报错、看 Network 哪个请求红了,把报错复制回对话框,等它改,改完再跑,再贴。一次白屏排查,对话能刷几十轮。

问题不在 Agent 不会改代码。是它看不到运行时发生了什么,只能凭代码猜。

chrome-devtools-mcp 把 DevTools 整套调试能力包成 MCP 服务器,让 Agent 直接连上一个真的 Chrome,自己查请求、翻 console、录性能 trace。核心变化不是"AI 会操作浏览器了"——是它终于能拿到证据了。

能操作,和能看到结果,是两回事
给 Agent 配工具,最容易停在"能操作"这一层:能打开页面、能点按钮、能输入文本。看起来很能干。

但操作和观测是两种能力。一个只会点页面的 Agent,点完不知道页面变成什么样,等于闭着眼干活。它能复现你的动作,却复现不了你的判断——因为判断依赖的是点完之后 console 里多了什么、Network 里哪个请求返回了 500、DOM 里那个元素到底在不在。

实际上这让调试陷入一个死循环:Agent 改了代码,却没有验证改完的结果,只能把"我改好了"交给你,再让你去看对不对。人成了它的眼睛。

核心在于:可观测性决定 Agent 能承担到哪一步。能读到运行时数据的 Agent,可以自己复现、自己定位、自己验证修复;读不到的,只能做到"猜一个改动"就停下来。这个差别比"会不会写某个 API"大得多。

对测试开发也一样。一个只会执行动作、拿不到执行结果的自动化,不叫测试,叫脚本。断言的本质就是要求系统把结果暴露出来,让判断有据可依。

三层架构,关键在中间那层
这个 MCP 把 50 多项能力按 Agent 职责拆成三层。

image.png

image.png

中间那层是分水岭。交互底座解决"够不够得着",诊断采集解决"看不看得懂"。没有诊断采集,Agent 手里只有操作工具,做的事和你自己点一遍没区别,还多了一层不可靠。

测试开发对这层应该最熟——它就是测试里的观测设施。日志、链路追踪、执行截图、界面树,全是同一类东西:把系统内部状态变成可核对的外部证据。测不到状态的测试,断言写得再漂亮也是空的。

Tool 和 Skill 分开,是把方法论存下来
除了 50 多个原子工具,它还内置了 7 个 Skill。这个区分值得看。

Tool 是一个个可调用的底层动作,Skill 是预置的专项排查流程——告诉 Agent 遇到某一类问题时按什么顺序调工具、怎么解读结果。

image.png

troubleshooting MCP 自身连通性自检 attach 失败、调用超时
核心在于:Skill 不是功能清单,是把资深工程师的排查顺序固化成了可复用的流程。atomic 工具给你手段,Skill 给你路径。一个告诉你"能做什么",一个告诉你"先做什么、再看什么、看到什么算定位到了"。

这跟测试里的分层是同一个道理。用例是动作,测试策略是方法;一堆散落的断言不构成一个测试体系,把"这类风险该怎么验"固化成模板和流程,才是能交接的东西。方法论不写下来,就只存在于做得好的人脑子里。

接入模式也体现了这个分层:只装 MCP 服务,拿到的是 50 多个裸工具;走 Plugin 模式,7 个 Skill 一起加载,Agent 才读得到那些排查流程。工具给全了不代表会用,方法没加载,能力就停在原子动作上。

证据的粒度决定定位的精度
把它的三个专项 Skill 放一起看,会发现一件事:定位能力完全取决于能抓到多细的证据。

LCP 排查要录性能 trace,才能分出是图片、字体还是服务端响应在拖首屏。内存泄漏要抓两份堆快照做对比,才能看出哪个对象在涨、哪个事件监听没释放。无障碍审计要读 ARIA 属性和焦点顺序,才能判断对比度够不够、屏幕阅读器能不能读。

这些活儿的共同点是:光看现象定位不了。页面慢,你不知道慢在哪;内存涨,你不知道涨的是什么。只有拿到对应粒度的证据,才能把"页面慢"拆成"某个资源阻塞了首屏"。

实际上这条对测试同样成立。缺陷报告写"页面卡",开发没法修;写"从 A 页面切到 B 页面后堆内存每次涨 8MB,重复十次不回落",才构成可定位的缺陷。核心在于把现象翻译成可核对的证据,翻译能力就是定位能力。

还有一条容易被忽略的判断原则:判断靠运行时数据,不靠模型自述。Agent 说"我测过了、没问题"不构成证据;trace 显示 LCP 从 4 秒降到 1.8 秒才是。这话和前面那句是一体的——先看得到,才谈得上信得过。

能力越大,边界越要写在明处
几个必须知道的限制。浏览器内容会全量暴露给 MCP 客户端,Agent 能看到这个 Chrome 实例里的任何数据。官方说得直白:别拿登着公司后台、存着密码的日常 Chrome 去连。浏览器只保证 Google Chrome 和 Chrome for Testing,其他 Chromium 系出了问题别找官方。

还有两条数据流向要留意。默认收集使用统计,工具调用的成功率和耗时会回传,介意就加 --no-usage-statistics;性能工具会把 trace 的 URL 发给 CrUX API 拉真实用户数据,不想发就加 --no-performance-crux。工具太多嫌乱,启动加 --slim 只留基础操作。

这些开关的价值不在于省事,在于让使用者能控制自己交出去什么。能力越强,默认边界越要写清楚——这和给 AI 操作权限时那条原则是同一个:默认最小,扩展要显式。

工具能带走的东西,比工具本身多
给 Agent 配工具别只停在"能操作",能看到结果才更值钱——能读 console、network、trace 的 Agent,和只会点页面的 Agent,干出来的活差得远。这条不装这个工具也成立。

另一条更值得带走:官方团队把面板的分析引擎包成 MCP 开放给 Agent。对测试团队来说,你们手里也有最实用、最可复用的能力——环境怎么搭、数据怎么造、哪些场景最容易出问题。把这些固化成 Agent 能调用的工具和流程,比每次口头交代有用。

回到最开始那个循环:你还在手动复制报错给 Agent 的时候,它其实不是改不对,是根本没看见。你现在的调试流程里,有多少轮对话是花在给 Agent 递证据上?

本文部分内容参考了霍格沃兹测试开发学社整理的相关技术资料,主要涉及软件测试、自动化测试、测试开发及 AI 测试等内容,侧重测试实践、工具应用与工程经验整理。

相关文章
|
8天前
|
Linux Go 开发工具
手机上跑 DeepSeek 智能体:开源安卓客户端 DSH Go 安装与使用指南
DSH Go 是一款开源安卓客户端,将 DeepSeek Harness 智能体引擎装进手机:免 Root、免 Termux,一键安装即用;支持本机运行(内置 Ubuntu+Node.js)或远程接管电脑会话;具备插话打断、过程折叠、屏幕操控、端到端加密分享等特色功能,真正实现智能体“口袋化”。
9694 25
|
8天前
|
弹性计算 人工智能 API
Codex超详细入门指南(下载·安装·登录·上手,全版本覆盖,2026最新版)
建议收藏本教程,2026 全年各版本更新随时回来查阅。如果你在搭建过程中遇到任何问题,欢迎结合 阿里云工单系统 提交技术支持请求,或在 阿里云开发者社区 搜索 Codex 相关话题交流。 祝你编码愉快,效率翻倍!
2755 14
|
3天前
|
人工智能 安全 应用服务中间件
NGINX 爆出两处高危漏洞 可导致未经身份验证的远程代码执行
NGINX曝出两个高危漏洞(CVE-2026-123633和CVE-2026-123007),CVSS 9.2分,均属HTTP/2内存安全缺陷,无需认证即可远程执行代码。影响自2015年起的多个版本,静态站点亦受威胁。修复版本为开源版1.30.7/1.31.9。(239字)
1318 1
NGINX 爆出两处高危漏洞 可导致未经身份验证的远程代码执行
|
6天前
|
传感器 安全 区块链
Windows 电脑运行安卓应用教程:开源工具 ApkStart 双击 APK 即装、独立窗口运行
ApkStart 是一款开源Windows工具,让安卓APP像原生软件一样运行:双击APK即安装、生成真实图标、独立窗口启动、开始菜单可搜索。无需传统模拟器,内置QEMU运行时,支持数据互通、ARM兼容与命令行操作。(239字)
|
11天前
|
人工智能 前端开发 API
阿里云Qwen4-Max 大模型详解:定位、特征、能力、适用场景与相对Qwen3-Max差异解析
2026年11月11日,阿里发布第四代旗舰模型Qwen4-Max预览版,首发千问AI平台Token Plan并接入千问办公、Qoder等入口。该版本聚焦知识理解、世界感知、编程与Agentic四项升级,主打复杂编程、专业办公、前端设计与专业软件操作等真实任务。预览期为11月11日10:00至11月25日24:00,仅支持Token Plan调用,到期后模型标识下线;限时2折、新用户再享5折,最低1折可体验。
|
11天前
|
JSON 前端开发 API
阿里云最新Qwen4-Max大模型介绍:模型定位、特征、能力、适用场景解析
2026 年 11 月 11 日,阿里发布第四代旗舰模型Qwen4-Max预览版,首发千问 AI 平台 Token Plan,并同步接入千问办公、Qoder 等入口。该版本聚焦知识理解、世界感知、编程与 Agentic 四项升级,主打复杂编程、专业办公、前端设计与专业软件操作。预览期至 11 月 25 日 24:00,到期后模型标识下线;限时 2 折、新用户再享 5 折,最低 1 折可体验。
|
24天前
|
Linux 开发工具 iOS开发
Codex保姆级教程(下载+安装+登录+使用,含所有版本,2026最新)
Codex是OpenAI推出的开源AI编程智能体,本地运行,可理解整个代码库,支持自然语言指令改代码、执行命令、跑测试、修Bug,兼容Win/macOS/Linux。(239字)
11616 59
|
7天前
|
人工智能 弹性计算 开发工具
零成本玩各大模型!DeepSeek Harness dsh-our-free-model 插件,13 个厂商模型直接用
总结一下:装这个插件,你不用注册、不用绑卡、不用填一个 Key,就能在 DeepSeek Harness 里用上 DeepSeek V4.1 Flash、Kimi K3 这一批前沿模型,而且是白嫖的、还不限量。三步搞定:下载插件,复制包含 `package.json` 的插件目录路径,在「添加插件」里粘贴路径安装并重启。无论是在阿里云 ECS 上通过命令行部署的 Web 版,还是本地的 Electron 桌面端,都能顺利跑通,快速搭建一套零成本的免费模型使用环境。
1400 1
|
4天前
|
人工智能 弹性计算 IDE
Codex超详细入门指南(下载·安装·登录·上手,全版本覆盖,2026最新版)
适合团队落地代码规范,每次提交自动生成评审报告,降低人工CR工作量。同时支持自定义技能脚本,接入团队内部SDK说明文档,让Codex生成符合团队编码规范的代码。Codex三大客户端覆盖本地开发、服务器远程编码、自动化流水线场景,搭配阿里云百炼的Token Plan、Coding Plan,能够低成本搭建稳定可控的AI编码助手。新手建议先从IDE插件入手,熟悉交互逻辑,再尝试CLI版本部署在阿里云ECS,实现云上项目远程编码、批量脚本处理。只要按照步骤完成环境准备、版本选型、密钥对接、项目初始化,就可以把Codex融入日常开发流程,大幅提升代码编写、问题排查、项目重构的效率。
959 0
|
10天前
|
Linux API iOS开发
【DSH】DeepSeek Harness新手保姆教程(下载+安装+配置+使用,2026最新实测)
DeepSeek Harness(dsh)是DeepSeek AI开源的智能体框架,秉持“一切皆插件”理念,支持读文件、改代码、跑命令、处理表格、联网搜索等操作。免费开源,兼容Windows/macOS/Linux,提供桌面端与网页端,可灵活安装插件扩展能力。