据说 AI 能够自动生成测试代码，自动识别页面元素位置了，用自然语言就能开展 UI 测试，于是体验一番。
在传统的 UI 自动化测试中，测试人员需要编写大量脚本和选择器来模拟用户操作。然而，随着人工智能技术的快速发展，对话式自动化正在改变这一格局。
Playwright 作为微软开源的现代化 Web 自动化工具，与 MCP（Model Context Protocol）协议的结合，为我们提供了一种全新的自动化测试体验。这种组合允许我们通过自然语言指令来控制浏览器，大大降低了自动化测试的技术门槛，同时提高了脚本编写的效率。
一、Playwright 与 MCP：完美结合
1.1 Playwright 的核心优势
Playwright 是一个强大的端到端测试框架，具有以下突出特点：
跨浏览器支持：原生支持 Chromium（Chrome/Edge）、Firefox 和 WebKit（Safari）三大浏览器引擎
智能等待机制：自动检测元素可交互状态，减少因网络延迟导致的测试失败
多语言支持：提供 JavaScript/TypeScript、Python、.NET 和 Java 等多种语言 API
移动端模拟：内置设备描述符，可真实模拟移动设备环境
录制功能：通过 playwright codegen 命令可录制操作并生成脚本
1.2 MCP 协议的作用
MCP（Model Context Protocol）定义了大型语言模型（LLM）与外部服务交互的规范。它的价值在于：
统一交互标准：让 LLM 能够与浏览器、数据库等外部工具无缝对话
动态流程控制：根据实时反馈调整指令，使自动化流程更加灵活
安全机制：权限分层设计，防止越权操作敏感资源
1.3 结合后的协同效应
当 Playwright 与 MCP 结合时，创建了对话式自动化的新范式：
自然语言驱动：用简单指令替代复杂脚本编写
实时交互调试：每一步操作都可即时验证和调整
降低技术门槛：非技术人员也能参与自动化流程创建
根据这个帖子体验了一把 AI 自然语言自动化测试，确实能做到自然语言测试了，无需编程。能够理解自然语言，转换为代码，还能自动获取元素位置。
https://blog.csdn.net/ljyfree/article/details/147462992
输入自然语言：
使用playwright mcp server执行以下指令：打开浏览器，前往https://testerhome.com/ ，点击注册按钮，然后输入用户名123456，截图并保存。
自动执行：打开测试者之家
自动执行：点击注册按钮
对大模型 token 的消耗量挺大的，用了 7 次就消耗 22 万 token 了，平均一次 3.2 万 token，没玩几下就把我的免费 token 额度耗尽了。
按下面这个大模型 token 价格估算，3 元可以调用 30 次，成本还挺高的。假设有 100 个 UI 用例，每个用例 30 个测试步骤，一次执行完要 300 元 token 费用，一天执行一轮 UI 回归测试，一个月 9000 元。每次下发自然语言指令都要花钱，跑几次全量回归测试，钱包都空了，还要继续降低 AI 使用成本才行。
短期对自动化测试开发影响不大，因为使用成本挺高的；长期看，随着 AI 使用成本下降，自动化测试开发可能会失业，不需要这么多编程人员了。
