让 Claude 帮你点浏览器:10 分钟从零生成一套可运行的 E2E 测试

简介: 本文介绍如何用Playwright MCP让Claude“先看页面再写代码”,解决AI凭空猜测导致E2E测试失败的痛点。通过“侦察→生成→执行→修正”闭环,10分钟即可从零产出可运行测试,大幅提升自动化测试效率与可靠性。

让 Claude 帮你点浏览器:10 分钟从零生成一套可运行的 E2E 测试

上个月,一个测试同学跑来找我,表情有点复杂。

“哥,我让 AI 写 E2E 测试,前十分钟很爽。它一口气生成了两百行,结构清晰,注释完整。然后我跑了一下,报错。改完一个,又冒出来两个。修到第三个小时,我把自己写脚本的时间算了一下——从零手写也就四十分钟。”

我问他:“你生成之前,让 AI 看过页面长什么样吗?”

他愣了一下:“没有。我就说‘帮我写一个登录的 E2E 测试’。”

这就是问题所在。AI 不是在“写错的代码”,它是在“写它想象中的代码” 。它没见过你的页面,不知道按钮叫什么名字、class 是稳定的还是哈希的、登录后是跳转还是弹 Toast。它只能按训练数据里最常见的写法给你猜一段。

Playwright MCP 解决的就是这个“想象”问题。它让 Claude 先“看”一眼页面,再“写”操作 。不是让 AI 猜页面,是让 AI 操作浏览器、读取真实的页面结构,基于它实际看到的东西来生成脚本。

10 分钟,从零到一套能跑的 E2E 测试,靠的就是这个顺序。
核心思路:先侦察,再执行
Anthropic 在 Playwright MCP 里做了一个很关键的设计,叫 Reconnaissance-Then-Action——翻译成人话就是:别着急点,先看看页面到底长什么样。

传统方式是:你理解页面 → 找元素 → 写 Playwright 代码 → 机器执行。

MCP 方式是:你给目标 → Claude 操作浏览器 → Claude 读取页面快照 → Claude 基于快照生成代码 → 执行 → 失败就重新看页面、修脚本。

这个顺序一换,AI 就从“猜页面”变成了“看页面”。它写出来的定位器,是它实际在页面上见到的元素,不是你描述里“应该存在”的元素。

10 分钟四步走:从零到第一个可运行的 E2E
第 1 分钟:装 Playwright MCP
前置条件只有一个:Node.js 18+。

打开终端,在项目目录下执行一条命令:

claude mcp add playwright npx @playwright/mcp@latest
这条命令会在当前项目注册 Playwright MCP,Claude Code 重启后就能识别。也可以手动在项目根目录创建 .mcp.json:

{
"mcpServers": {
"playwright": {
"command": "npx",
"args": ["-y", "@playwright/mcp@latest"]
}
}
}
重启 Claude Code,在对话里输入 /mcp,确认 playwright 状态是 connected。

第 2 分钟:告诉 Claude 你的项目约束
这一步很多人会跳过,但它决定了生成代码的“风格”对不对 。

在项目根目录放一个 CLAUDE.md,写清楚基本约束:

项目信息

测试规范

  • 使用 Page Object 模式
  • 优先使用 getByRole 和 getByTestId
  • 禁止使用 waitForTimeout
  • 断言必须包含页面可见性和业务状态
    为什么放在这里而不是每次都跟 AI 说? 因为 Claude Code 每次进入项目会自动读取 CLAUDE.md。你写一次,它每次都按这个规范生成。

第 3-8 分钟:让 Claude 边看边写
现在给 Claude 一个具体的、有步骤的目标,而不是一句“帮我写登录测试”。

在 Claude Code 里输入:

打开 http://localhost:3000/login,先 snapshot 看看页面上有什么。
然后基于你看到的元素,生成一个 Playwright E2E 测试:

  1. 输入正确的邮箱和密码
  2. 点击登录
  3. 验证跳转到 /dashboard,且页面上出现 "Welcome"
  4. 再生成一个异常用例:密码错误时,应该看到错误提示
    关键就在第一句“先 snapshot 看看页面上有什么” 。Playwright MCP 的 browser_snapshot 会返回当前页面的可访问性快照——不是截图,是结构化的文本,包含每个可交互元素的角色、名称和引用标识。Claude 拿到这份快照,就知道“页面上有一个 textbox,名字叫 Email,ref 是 e5”,而不是猜“这里应该有一个 input”。

Claude 会依次做这几件事:

打开浏览器(browser_navigate),获取快照(browser_snapshot),基于快照中的元素生成 Playwright 代码,执行代码,如果失败,重新快照、修定位器、再试。

你会在终端里看到它在“点”浏览器,每一步都有记录。

第 9-10 分钟:Review 生成的代码
Claude 生成完 .spec.ts 文件后,你只需要检查三件事:

定位器稳不稳。 如果它用了 CSS class 或 XPath,改成 getByRole 或 getByTestId。Playwright MCP 的快照里本来就有可访问角色和名称,用 getByRole 不需要额外工作,而且 class 重构不会让它碎。

有没有 waitForTimeout。 有就删掉,换成 Playwright 的自动等待或 web-first 断言。

断言够不够。 只断言“元素可见”不够。至少要加一层业务状态校验——登录成功不只是页面显示了“Welcome”,可能还要看 cookie 或接口响应。

这三项检查,两分钟够用。

两个真实的生成示例
示例一:TodoMVC——5 分钟生成可运行测试
社区里有一个公开的 Playwright MCP 实测案例,用 TodoMVC 演示了完整的生成流程。Claude 通过 MCP 打开页面、获取快照,识别出 textbox “What needs to be done?” 和 checkbox “Toggle Todo”,然后基于这些元素生成了下面这段代码:

import { test, expect } from'@playwright/test';

test('add and complete a todo', async ({ page }) => {
await page.goto('https://demo.playwright.dev/todomvc');
await page.getByRole('textbox', { name: 'What needs to be done?' }).fill('Buy groceries');
await page.keyboard.press('Enter');
await expect(page.getByText('Buy groceries')).toBeVisible();
await page.getByRole('checkbox', { name: 'Toggle Todo' }).check();
await expect(page.getByText('1 item left')).toBeVisible();
});
这段代码第一次跑就通过了。 因为定位器不是猜的,是 Claude 在快照里实际看到的。getByRole 和 getByText 都是基于快照中的可访问信息生成的,class 怎么变都不影响。

示例二:TestDino Demo Store——完整的购买旅程
有一个开源项目 pw-agent 用 Playwright MCP 让 Claude 自动探索一个电商演示站,生成从注册到下单的完整 E2E 测试。Claude 通过 MCP 操作浏览器,发现了真实的 data-testid 属性,生成了 complete-purchase.spec.ts,覆盖 11 个步骤:打开首页 → 注册 → 登录 → 浏览商品 → 加购 → 结算 → 填写地址 → 支付 → 验证订单 API。

这个项目的生成方式有一个值得参考的细节:它先让 Claude 用 MCP 探索,产出一份 Markdown 测试计划,再基于计划生成代码。计划里写清楚了每个步骤和对应的选择器,代码只是把计划翻译成可执行的 spec。计划和代码分离,出了问题能定位是“计划漏了”还是“代码写错了” 。

避坑指南
坑一:跳过快照直接生成。 这是最大的坑。AI 不先看页面,就是在猜选择器。快照是 MCP 工作流的地基,不是可选项。

坑二:一次跑太多场景。 一上来就让 Claude 生成“完整的购买流程”,它会在长链路里丢失上下文。一个场景一个场景跑,跑通一个再跑下一个,短循环比长循环稳定得多。

坑三:只让 AI 写,不 Review。 AI 生成的代码是初稿。定位器、等待策略、断言深度,每一项都需要人检查。MCP 让生成变快了,但没有让 Review 变得不必要。

坑四:以为“能生成”就等于“能进 CI”。 本地跑通的 spec,进 CI 之前还要确认:测试是否独立、有没有依赖前一条用例的登录态、超时配置是否合理。生成是第一步,工程化是第二步。

坑五:CI 里忘了 --headless。 本地开发用带界面模式没问题,CI 的 Linux runner 没有显示器。在 MCP 启动参数里加 --headless,或者用环境变量 PLAYWRIGHT_MCP_HEADLESS=true。

最后
回到开头那个问题:为什么他修了三个小时?

因为他让 AI 在“没有看过页面”的情况下写代码。 AI 写的每一行,都建立在一个它自己想象出来的页面上。他修的那三个小时,本质上是在逐个纠正 AI 的“想象”和真实页面之间的差距。

Playwright MCP 做的事情,是把“想象”变成“看见”。Claude 先操作浏览器、读取真实快照,再基于快照生成代码。 你不需要写一行 Playwright 代码,也不需要告诉它按钮的 class 叫什么——它自己看。

10 分钟四步:装 MCP、写约束、让它边看边写、Review 三件事。

下次你面对一个页面要写 E2E 测试的时候,别打开编辑器了。打开 Claude Code,说一句:

“先 snapshot 看看页面上有什么,然后帮我生成登录的 E2E 测试。”

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
|
19天前
|
人工智能 自然语言处理 安全
滴滴开源 HelixHarness:AI Coding 从写代码到稳定交付,还缺什么?
HelixHarness 是滴滴金融开源的 AI Coding 工程化框架,解决大模型在企业级项目中“能写代码但难保质量”的痛点。它通过 Knowledge、Harness、Specs、Hooks 四层上下文,为 Coding Agent 提供项目知识、规范约束、需求契约与自动化检查,实现可追溯、可评测、可协作的团队级 AI 研发交付。
|
前端开发 数据安全/隐私保护
若依框架---权限控制角色设计
若依框架---权限控制角色设计
5245 0
|
3月前
|
人工智能 自然语言处理 测试技术
不用写一行代码的测试时代来了:2026年AI测试智能体搭建全指南
本文探讨2026年AI测试智能体带来的范式革命:从“写脚本”迈向“说人话”。无需编码,仅凭自然语言指令即可完成端到端测试;AI自动理解意图、定位元素、执行操作并智能断言。涵盖Harness、Autonoma、qpilot等主流方案对比与实操指南,并揭示落地避坑要点与人机协同新趋势。
|
20天前
|
人工智能 缓存 监控
DeepSeek 让 AI 自己指挥 AI 修 Bug 了,测试人该慌还是该上?
DeepSeek开源Super-agent原型,实现AI自主监听群聊、复现Bug、修复并提PR。它具备跨会话记忆、多任务并行、主动响应事件和长期在线能力,直击测试痛点——问题发现、复现与验证。测试人正从“执行者”升级为AI质量守门人。
|
22天前
|
人工智能 测试技术 定位技术
测试 Skill 不是越多越好:47 个 Skill 的仓库,AI 不知道该用哪个
去年底,团队将测试用例设计全流程封装为47个Agent Skill,但很快遭遇AI选错、上下文爆炸、维护失控三大问题。经复盘,按“能力类型”而非“业务模块”合并为12个精炼Skill,显著提升准确率与可维护性。核心结论:Skill贵精不贵多,健康数量为9–15个。
|
23天前
|
物联网 API 开发工具
第1章 鸿蒙演进全图景
本章专为初学者厘清鸿蒙生态迷思:梳理HarmonyOS演进时间线,辨析HarmonyOS、NEXT与OpenHarmony本质区别,揭示“纯血鸿蒙”移除AOSP的技术内涵,并构建ArkTS+ArkUI+Stage的全栈技术全景图——不写代码,只建认知地基。(239字)
|
17天前
|
存储 人工智能 测试技术
GitHub紧急扩容400万核:AI Agent把CI跑成试错场,测试该夺回质量门禁了
GitHub 9月提交量暴增5倍达74亿次,主因AI Agent将CI流水线当“免费调试器”,频繁无效提交致平台可用性骤降至84%。紧急扩容400万核/160PB背后,是验证成本归零引发的质量体系危机——测试工程师正从“找Bug者”转向“规则设计者”,重构门禁、分级验证与度量体系,为AI时代立下质量交通规则。
|
17天前
|
机器学习/深度学习 人工智能 自然语言处理
AI测试新趋势:模型权重可被改写,测试人盯住3件事
MIT CSAIL提出“权重空间编程”:大模型直接读写神经网络权重,无需训练与梯度,仅微调0.016%参数,数学准确率即从7.9%跃升至48.1%。本文从AI测试视角揭示三大突破:不运行即可审计、最小改动胜全量重训、修障碍≠补能力,并指明测试工程师进阶路径——从执行者转向口径设计者与证据链负责人。
|
23天前
|
人工智能 JSON 测试技术
手把手:把你团队那份《用例编写规范》变成一个 Claude Code 能自动加载的 Skill
本文介绍如何将团队30页《用例编写规范》转化为Claude可自动加载执行的Skill,解决新人记不住、AI不遵守的问题。通过拆分“硬规则”与“参考模板”,六步构建.claude/skills/结构,实现编号格式、三层断言、六类异常等强制校验,大幅提升用例合规率(60%→95%)与生成效率。
|
23天前
|
人工智能 测试技术 BI
Anthropic 要上市了,招股书里藏着一个让中国开发者心寒的数字
Anthropic提交IPO招股书,一面高调讲述Claude Code驱动的“增长神话”:900%净留存、45倍提效、年入331亿;另一面却悄然披露5%-7%收入(约17–23亿美元)来自“违规客户”——含大量续费即封号、不退费的中国开发者。技术闪耀,规则冰冷。