我用过 chrome-mcp-server 插件，可以用已登录的浏览器，免登录。但是搞测试还是不太行。

我使用 claude 4.5 来跑，可以生成一些简单的用例，比如登录后进行点击操作后 assert 提示框是否正确这种用例，更加复杂的没试过

Prompt 如下

我在 cursor 上跑了这个 跑是可以跑 但是速度特别慢，比手工慢，比传统元素定位方式也慢，能集成自己跑吗

目前这个阶段，慢先不说，最主要是的对于元素的智能识别似乎很不稳定，我尝试过 cursor、自己编写代码、git 上开源的代码，都是同样的问题，看起来底层的实现逻辑应该是一样，目前想要实际落地运用到生产上还有很长的路要走

最近在搞这个，AI 生成 UI 自动化测试框架（5 分钟），人工跳转下元素选择器（20 分钟），1 个小时内完成框架搭建，就可以进行自动化跑测

研究过一段时间，和要你命三千差不多，你不给定位器，它就会出幺蛾子，10 次执行 3-4 次出现不同结果，给定位器，都要定位器了，为啥不自己写，手工写的还快准稳。agent 这个玩意目前还需要发展。

差不多，类似的结论，给它详细的定位准确率就高很多

目前还是在噱头阶段

还是回去传统 +AI 辅助的路径去尝试吧

在 Trae 或者 cursor 上跑过，感觉就是慢，还有就是不稳定，消耗 token 那些都还没统计过，目前看来还不太行。不稳定是不能落地最主要的因素

你有跑过复杂一些的吗？稳定性咋样

已经做了一个平台了，使用 langgraph + qwen3-max + playwright mcp，langgraph 提供大模型接入的能力同时又能做编排，同时也可以自主配置上下文长度和对话的长度，如果用 trae 或者 cursor 执行太长的 case 会触发限制进行不下去，qwen3-max 是目前用的比较精准的模型了，deepseekv3.1 也可以，kimi2 也可以，反正要用好的模型；系统提示词要限制大模型的动作，要严格按照步骤执行，不能随意联想，然后用户提示词的描述要足够精准，如果文字描述不够精准的话就用 id 或者 class 来描述，目前还没有考虑成本问题，但肯定比人力要便宜，只要 case 写的够精准，稳定性还是有保障的，代码里也可以配置失败重试

你这个有开源吗，有没有 github 地址

一次让他执行很多步可能有幻觉，每次让他只执行一步幻觉不就少了，每次执行都把页面快照给他看下不是就幻觉更少了