用 Playwright MCP 让 AI 改它自己写的屎山代码
itomcoil 2025-04-26 18:46 31 浏览
在AI编程领域,我们常常陷入反复修改代码的繁琐流程。本文将介绍如何借助Playwright MCP,让AI自主检测并修复其生成的代码问题,实现开发流程的高效闭环,大幅提升编程效率。
在用AI编程开发产品的时候,尤其是网站类的产品,小到一个HTML页面,大到一个功能网站,我们的常规操作是:
1. 在AI编程软件(例如Cursor、Claude)中,给AI发请求
2. 等待AI完成代码,然后打开网站,检查哪里有不对的地方
3. 把不对的地方截图、或者把控制台输出复制,回到编程软件,发给AI,让AI给新的代码
如此循环
,最终完成网站的开发。
发现没有,整个开发过程,我们都是在给AI打工,不断从编程软件和网站之间切换,频繁给主子反馈您写的代码哪里有问题。
这个姿态不对!太费时间了!!
最直接的解决方案就是让AI自己打开网站,让它看自己写的屎山代码跑出来是什么样子的,让它自己看控制台的输出有什么问题,然后自行去解决!!
这个场景,放在以前,可以说是荒诞,但现在成了现实!
我们可以利用MCP的能力,让AI调用浏览器,然后截图、看输出,这样就闭环了。
今天饼干哥哥就教大家怎么实现这个能力,让AI彻底变成我们的牛马!!
今天我们的主角是「Playwright」,一个强大的自动化测试工具,由微软开发,用于测试网页应用。它能模拟用户操作,如点击、输入、滚动等。常见于爬虫场景。
以前我们用js或者python里写代码,让Playwright根据我们的代码逻辑去打开网站、登陆账号、获取信息等。
现在,我们是要让AI自行去判断怎么使用Playwright完成上述的操作。
这里就需要用到MCP Server—— @
executeautomation/playwright-mcp-server
上图中,都是playwright mcp server提供的能力,可供AI调用:
1. playwright_screenshot
- 用途:截取网页或元素的屏幕截图。
- 场景:测试时验证页面渲染效果,或记录自动化操作后的页面状态。
2. playwright_fill
- 用途:自动填写表单输入框内容(如登录框、搜索框)。
- 场景:模拟用户输入,测试表单提交功能或批量填表。
3. playwright_select
- 用途:操作下拉菜单选择特定选项。
- 场景:测试下拉选项的交互逻辑(如筛选条件选择)。
4. playwright_hover
- 用途:模拟鼠标悬停在元素上的行为。
- 场景:测试悬停触发的动态效果(如菜单弹出、Tooltip)。
5. playwright_expect_response
- 用途:验证特定网络请求的响应(如接口返回状态码、数据)。
- 场景:确保前端操作触发的后端接口符合预期(如提交订单后的API响应)。
6. playwright_get_visible_text
- 用途:获取页面上可见的文本内容。
- 场景:断言页面内容是否正确显示(如成功提示、错误信息)。
7. playwright_drag
- 用途:模拟拖拽元素操作(如文件上传、排序)。
- 场景:测试拖拽交互功能是否正常。
8. playwright_save_as_pdf
- 用途:将当前页面保存为 PDF 文件。
- 场景:生成页面快照报告或存档关键页面状态。
ok,接下来看怎么用上这个工具。 以 Cursor 为例。
首先,要安装。
先安装好 node.js
然后在 cursor 命令行下输入以下命令安装~
npm install -g @executeautomation/playwright-mcp-server
接着需要在 Cursor 配置这个 MCP 服务
如图:右上角设置-MCP- add new global MCP server
在自动新开的窗口下,输入以下的内容:
{
“mcpServers”:{
“playwright-mcp-server”:{
“command”:”npx”,
“args”:[
“-y”,
“@executeautomation/playwright-mcp-server”
]
}}}
接着,重启 Cursor, 回到 MCP 的设置页面就能看到下图这样的,必须是绿灯,证明已经开启了。
接下来就直接在 Agent 模式向 AI 正常发请求,最好用 claude3.7 能比较好调用 MCP
如果你怕 AI 不调 MCP 可以显性地让他执行
例如我一个网站,在登录的时候出问题了,如下图,我就发需求:
我的网站 http://localhost:5173 在登陆的时候报错了,账号是 admin,密码是 admin,请你Playwright MCP 访问尝试登录后看问题是什么,然后解决。
从图中,我们可以看到 AI 调用了 MCP 里的多个工具:打开网站-输入账号密码-点击登录-查看控制台输出-然后读取问题后-就先修复代码-最后重新执行一遍检查。
如下图,喜闻乐见地,帮我下修复好了这个问题!!
本文由人人都是产品经理作者【饼干哥哥】,微信公众号:【饼干哥哥数据分析】,原创/授权 发布于人人都是产品经理,未经许可,禁止转载。
题图来自Unsplash,基于 CC0 协议。
相关推荐
- 最强聚类模型,层次聚类 !!_层次聚类的优缺点
-
哈喽,我是小白~咱们今天聊聊层次聚类,这种聚类方法在后面的使用,也是非常频繁的~首先,聚类很好理解,聚类(Clustering)就是把一堆“东西”自动分组。这些“东西”可以是人、...
- python决策树用于分类和回归问题实际应用案例
-
决策树(DecisionTrees)通过树状结构进行决策,在每个节点上根据特征进行分支。用于分类和回归问题。实际应用案例:预测一个顾客是否会流失。决策树是一种基于树状结构的机器学习算法,用于解决分类...
- Python教程(四十五):推荐系统-个性化推荐算法
-
今日目标o理解推荐系统的基本概念和类型o掌握协同过滤算法(用户和物品)o学会基于内容的推荐方法o了解矩阵分解和深度学习推荐o掌握推荐系统评估和优化技术推荐系统概述推荐系统是信息过滤系统,用于...
- 简单学Python——NumPy库7——排序和去重
-
NumPy数组排序主要用sort方法,sort方法只能将数值按升充排列(可以用[::-1]的切片方式实现降序排序),并且不改变原数组。例如:importnumpyasnpa=np.array(...
- PyTorch实战:TorchVision目标检测模型微调完
-
PyTorch实战:TorchVision目标检测模型微调完整教程一、什么是微调(Finetuning)?微调(Finetuning)是指在已经预训练好的模型基础上,使用自己的数据对模型进行进一步训练...
- C4.5算法解释_简述c4.5算法的基本思想
-
C4.5算法是ID3算法的改进版,它在特征选择上采用了信息增益比来解决ID3算法对取值较多的特征有偏好的问题。C4.5算法也是一种用于决策树构建的算法,它同样基于信息熵的概念。C4.5算法的步骤如下:...
- Python中的数据聚类及可视化分析实践
-
探索如何通过聚类分析揭露糖尿病预测数据集的特征!我们将运用Python的强力工具,深入挖掘数据,以直观的可视化揭示不同特征间的关系。一同探索聚类分析在糖尿病预测中的实践!所有这些可视化都可以通过数据操...
- 用Python来统计大乐透号码的概率分布
-
用Python来统计大乐透号码的概率分布,可以按照以下步骤进行:导入所需的库:使用Python中的numpy库生成数字序列,使用matplotlib库生成概率分布图。读取大乐透历史数据:从网络上找到大...
- python:支持向量机监督学习算法用于二分类和多分类问题示例
-
监督学习-支持向量机(SVM)支持向量机(SupportVectorMachine,简称SVM)是一种常用的监督学习算法,用于解决分类和回归问题。SVM的目标是找到一个最优的超平面,将不同类别的...
- 25个例子学会Pandas Groupby 操作
-
groupby是Pandas在数据分析中最常用的函数之一。它用于根据给定列中的不同值对数据点(即行)进行分组,分组后的数据可以计算生成组的聚合值。如果我们有一个包含汽车品牌和价格信息的数据集,那么可以...
- 数据挖掘流程_数据挖掘流程主要有哪些步骤
-
数据挖掘流程1.了解需求,确认目标说一下几点思考方法:做什么?目的是什么?目标是什么?为什么要做?有什么价值和意义?如何去做?完整解决方案是什么?2.获取数据pandas读取数据pd.read.c...
- 使用Python寻找图像最常见的颜色_python 以图找图
-
如果我们知道图像或对象最常见的是哪种颜色,那么可以解决图像处理中的几个用例,例如在农业领域,我们可能需要确定水果的成熟度。我们可以简单地检查一下水果的颜色是否在预定的范围内,看看它是成熟的,腐烂的,还...
- 财务预算分析全网最佳实践:从每月分析到每天分析
-
原文链接如下:「链接」掌握本文的方法,你就掌握了企业预算精细化分析的能力,全网首发。数据模拟稍微有点问题,不要在意数据细节,先看下最终效果。在编制财务预算或业务预算的过程中,通常预算的所有数据都是按月...
- 常用数据工具去重方法_数据去重公式
-
在数据处理中,去除重复数据是确保数据质量和分析准确性的关键步骤。特别是在处理多列数据时,保留唯一值组合能够有效清理数据集,避免冗余信息对分析结果的干扰。不同的工具和编程语言提供了多种方法来实现多列去重...
- Python教程(四十):PyTorch深度学习-动态计算图
-
今日目标o理解PyTorch的基本概念和动态计算图o掌握PyTorch张量操作和自动求导o学会构建神经网络模型o了解PyTorch的高级特性o掌握模型训练和部署PyTorch概述PyTorc...
- 一周热门
- 最近发表
- 标签列表
-
- ps图案在哪里 (33)
- super().__init__ (33)
- python 获取日期 (34)
- 0xa (36)
- super().__init__()详解 (33)
- python安装包在哪里找 (33)
- linux查看python版本信息 (35)
- python怎么改成中文 (35)
- php文件怎么在浏览器运行 (33)
- eval在python中的意思 (33)
- python安装opencv库 (35)
- python div (34)
- sticky css (33)
- python中random.randint()函数 (34)
- python去掉字符串中的指定字符 (33)
- python入门经典100题 (34)
- anaconda安装路径 (34)
- yield和return的区别 (33)
- 1到10的阶乘之和是多少 (35)
- python安装sklearn库 (33)
- dom和bom区别 (33)
- js 替换指定位置的字符 (33)
- python判断元素是否存在 (33)
- sorted key (33)
- shutil.copy() (33)