Playwright/MCP/AI -Winter

Transcript

1. 用 Playwright + MCP 打 造 AI 驅動測試流程 EC QA Winter Hung
2. 01 02 03 04 品質穩定與快速交付 跨瀏覽支持與Selector檢查機制 模組化與自動化 Playwright 的優勢 MCP 的優勢 生成測試腳本 AI 在測試中的應用 背景介紹 05 應用中仍有一些需要注意的限制和挑戰 未來的挑戰 CONTENT
3. SECTION 01 品質穩定與快速交付 背景介紹
4. 面臨著高頻率的版本更新和大型檔期活動的壓力 4.6億 LINE POINTS點 數 LINE 購物團隊 1,300 商店的合作夥伴 999 特點項目文字 特點項目 3,200 萬件商品
5. SECTION 02 跨瀏覽器支持與Selector檢查機制 Playwright 的優勢
6. 快速建立並維護關鍵路徑的 E2E 測試 跨瀏覽器 支援 強大的 Selector 檢查機制 語言支援 自動等待 機制 Playwright 的優勢
7. SECTION 03 模組化與自動化 MCP的優勢
8. 什麼是 MCP? 撰寫測試腳本需要數小時 修改測試流程費時費力 需要等待自動化工程師排程 即時生成測試腳本 不中斷的連續對話 立即看到執行結果 傳統測試方法 MCP對話測試
9. MCP的優勢 即時資料接取 • 反映現況的即時資料 • 根據今天的數據給予建議 • 最新的摘要 個人化 • 透過最小化資料揭露來增強上下文管理 • 縮減個人化互動所需的背景資訊量 模組與自動化 • MCP 架構讓測試部署流程模組化 • 支持並行驗證與錯誤彙整 • 提高 debug 效率 可擴展性 • 不同模組可以獨立執行測試流程 • 滿足多樣產品線的測試需求
10. SECTION 04 生成測試腳本 AI 在測試中的應用
11. AI 在測試中的 應用 解析錯誤訊息：LLM 模型自動解析 Playwright 的報錯訊息，幫助我們快速 定位問題。 生成測試腳本：AI 能根據 Confluence 的需求文件，自動生成場景測試腳本骨 架，減輕開發人員的負擔。
12. 從藍圖到對話生 成器 傳統程式碼：像建築師繪製的詳細藍圖， 需要專業知識才能理解和修改。每一行 程式碼都需要精確的語法和邏輯。 MCP的創新：把複雜的藍圖變成「設計 圖的對話生成器」。您只需要用自然語 言描述需求，系統就能自動轉化為可執 行的測試。。
13. 只要能清楚描述您想測試的功能，MCP 就能理解並執行 想法產生 產品經理構思 新功能的測試 需求 語言描述 AI 理解 MCP 智能解 析需求並生成 測試 快速驗證 即時獲得測試 結果和視覺化 回饋 為什麼非技術人員也能使用 用自然語言表 達測試步驟和 預期結果
14. 用對話完成完整測試流程 幫我打開這個網址 https://semantic- ui.com/examples/login.html 在名稱欄位輸入 user@gmail.com， 密碼輸入 1234 截圖確認,頁面上是否有顯示Your password must be at least 6 characters 對話式實戰演示:測試登入功能
15. 對話式實戰演示 這個範例展示了從開啟網頁到驗證結果 的完整過程
16. 對話式實戰演示 這個範例展示了從開啟網頁到驗證結果 的完整過程
17. 即時互動的魔力 10X 90% 100% 效率提升 從構思到執行的時 間大幅縮短 門檻降低 非技術人員也能獨 立完成 互動性 完整的雙向溝通
18. SECTION 05 在實際應用中仍有一些需要注意的限制和挑戰 未來的挑戰
19. 準確 度 使用清晰、具體 的指令,必要步 驟描述 目前的挑戰與注意事項 內容 生成的內容需要 更精確的選擇器 描述或多次嘗試 邏輯 複雜邏輯的測試 場景建議由專業 測試人員設計 99 特點項目文字 了解這些限制可以幫助我們更好地規劃使用策略 成本 大量並發測試可 能產生較高成本 需要合理規劃