Agentic Testing MCP：基于模型上下文协议的AI驱动测试框架

一个利用MCP协议实现LLM驱动测试验证的开源框架，结合Playwright浏览器自动化，支持上下文感知验证和智能测试生成。

• 原作者/维护者： Jai Gogineni（Senior SDET & Test Architect）
• 来源平台： GitHub
• 原始标题： Agentic Testing MCP
• 原始链接： https://github.com/Jai-Gogineni/agentic-testing-mcp
• 发布时间： 2024年（持续更新）

---

传统Web应用测试长期面临一个核心困境：测试脚本脆弱且维护成本高昂。每当UI发生细微变化，基于CSS选择器的测试脚本就可能失效，导致大量人工修复工作。与此同时，大型语言模型（LLM）展现出强大的理解和推理能力，但如何将其有效整合到测试工作流中仍是一个开放问题。

Agentic Testing MCP 项目应运而生，它通过Model Context Protocol（MCP）这一开放标准协议，将LLM的能力与浏览器自动化深度结合，开创了一种全新的AI驱动测试范式。

---

Agentic Testing MCP是一个基于TypeScript的开源测试框架，核心架构围绕三个层次展开：

AI客户端通过测试编排器（Test Orchestrator）与底层系统交互。这一层负责理解测试意图、制定验证策略，并将高层指令转化为可执行动作。

作为连接LLM与工具能力的桥梁，MCP服务器暴露了三个核心工具：

• verify_page：验证页面状态是否符合预期条件
• analyze_context：分析页面上下文，提取可交互元素
• generate_test_plan：基于页面分析生成上下文感知的测试计划

底层基于Playwright实现跨浏览器自动化，支持Chrome、Firefox、Safari等主流浏览器。

---

与传统测试框架依赖固定选择器不同，Agentic Testing MCP让LLM理解页面结构。当验证页面状态时，系统不仅检查元素是否存在，还会分析元素之间的关系、可见性和交互状态。这种语义层面的理解使测试更具弹性，能够适应UI的合理变化。