आप कैसे अपने कोडिंग एजेंट ब्राउज़र में इसके काम की पुष्टि कर सकते हैं?
Playwright MCP कोडिंग एजेंटों को फ्रंटएंड परिवर्तन के बाद वास्तविक ब्राउज़र व्यवहार की समीक्षा करने देता है, गलत पूर्णता को कम करता है।
मुख्य जानकारी
- उत्तीर्ण परीक्षण सही UI व्यवहार की गारंटी नहीं देते हैं, इसलिए फ्रंटएंड परिवर्तनों को वास्तविक ब्राउज़र में सत्यापित किया जाना चाहिए।
- Playwright MCP कोडिंग एजेंटों को पृष्ठ खोलने, नियंत्रण के साथ बातचीत करने, परिवर्तन का निरीक्षण करने और दृश्य साक्ष्य एकत्र करने में सक्षम बनाता है।
- प्रभावी ब्राउज़र समीक्षा को प्रभावित सुविधाओं का परीक्षण करने के लिए एक छोटी योजना का उपयोग करके वास्तविक कोड परिवर्तन पर आधारित होना चाहिए।
- सत्यापन को अंतिम परिणामों की जांच करनी चाहिए, जैसे कि राज्य स्थिरता या पुनः लोड करने के बाद UI अद्यतन, JUST सफल बातचीत नहीं।
मेटा विवरण: जानें कि कैसे प्लेराइट ब्राउज़र रिव्यू कोडिंग एजेंटों को फ्रंटएंड परिवर्तन सत्यापित करता है, वास्तविक apps शुरू करता है , अलग-अलग समीक्षकों और सबूत के लिए कैटलेप्सिस का उपयोग करता है।
टैगः नाटककार, कोडिंग एजेंट्स, फ्रंटएंड परीक्षण, कैटालेप्सिस, ब्राउज़र समीक्षा
विशेष रुप से प्रदर्शित छवि: एक फ्रंटएंड परिवर्तन की समीक्षा करने वाले ब्राउज़र विंडो का अमूर्त मैत्रीपूर्ण चित्रण, कोई लोग, कोई लोगो नहीं, कोई पाठ नहीं
JavaScript या TypeScript में लिखे गए वेब अनुप्रयोगों पर Claude Code, कोडेक्स, या कर्सर जैसे कोडिंग एजेंट का उपयोग करने वाले डेवलपर्स के लिए, Playwright MCP के साथ ब्राउज़र समीक्षा ग्रीन टेस्ट और एक प्रयोज्य इंटरफ़ेस के बीच की खाई को बंद कर सकती है। वर्कफ़्लो एजेंट से वास्तविक APP शुरू करने के लिए कहता है, उस सुविधा का उपयोग करें जिसे उसने JUST बदल दिया है, सबूत कैप्चर करता है, और केवल तभी काम किया जाता है। उपयोगकर्ता-सामना किए जाने वाले परिवर्तनों के लिए यह ब्राउज़र रिव्यू को पूर्ण होने की परिभाषा का हिस्सा बनाता है। मूल लेख के लेखक ने इस आदत को open-source टूल में परिवर्तित कर दिया जिसका नाम कैटालेप्सिस है।
उत्तीर्ण परीक्षण UI व्यवहार को साबित नहीं करते हैं
रूटीन परिचित है: एजेंट कोड को संपादित करता है, फॉर्मेटर चलाता है, टाइप की जांच करता है और परीक्षणों का संचालन करता है। यह देखता है कि सब कुछ पास हो गया है और रिपोर्ट करता है कि परिवर्तन पूरा हुआ है। वह फीडबैक लूप कोड के लिए मजबूत है, लेकिन यह उपयोगकर्ता-उन्मुख परत से कम रुक जाता है।
मूल लेख में कई फ्रंटेंड समस्याओं को सूचीबद्ध किया गया है जो परीक्षणों से गुजरती हैं, फिर भी सेकंड में एक व्यक्ति के लिए स्पष्ट रहती हैंः एक नियंत्रण दूसरे तत्व पर अतिव्यापी होता है, एक चयनित स्थिति जो एप्लिकेशन की स्थिति में मौजूद होती है लेकिन स्क्रीन पर हाइलाइट नहीं की जाती है, रीसेट एक पथ पर काम कर रहा है लेकिन दूसरा नहीं, पुराने डेटा को दृश्यमान छोड़ते हुए फ़िल्टर अद्यतन करने वाली स्थिति, जब तक पृष्ठ ताज़ा न हो जाए तब तक ठीक दिखाई देता है, गलत क्रम में खींची गई मानचित्र परत और एक मोडल जो खुलता है लेकिन व्यूपोर्ट फिट नहीं करता है।
ये नाटक के लिए बनाए गए किनारे वाले मामले नहीं हैं। वे उस तरह के दोष हैं जो तब दिखाई देते हैं जब कोड तर्क और UI व्यवहार अलग हो जाते हैं। एक परीक्षण सूट यह साबित कर सकता है कि कोड अभी भी लिखित दावों को पूरा करता है, लेकिन यह साबित नहीं कर सकता कि बदलती स्क्रीन उपयोगकर्ता की अपेक्षाओं के अनुसार व्यवहार करती है।
नाटककार MCP ब्राउज़र साक्ष्य जोड़ता है
Playwright MCP एक Model Context Protocol server है जो संगत कोडिंग एजेंट को ब्राउज़र तक सीधी पहुंच प्रदान करता है। यह एजेंट स्थानीय पृष्ठ खोल सकता है, पेज संरचना पढ़ सकता है और नियंत्रण पा सकता है.
सेटअप छोटा है. इसके लिए Node.js 20 या नए की आवश्यकता होती है और एक क्लाइंट जो Model Context Protocol का समर्थन करता है। उदाहरणों में pnpm के साथ नोड प्रोजेक्ट का उपयोग किया जाता है, लेकिन कुछ भी विशिष्ट ढांचे पर निर्भर नहीं होता है।
{
"mcpServers": {
"नाटककार": {
"कमांड": "एनपीएक्स",. "कमान" - "npx".
"args": ["@playwright/ MCP @latest"]
}
एक सरल विवेक जांच एजेंट को Playwright TodoMVC डेमो खोलने के लिए पूछना है, एक टोडो जोड़ें और पुष्टि करें कि नया आइटम दिखाई देता है। यह साबित करता है कि एजेंट ब्राउज़र चला सकता है। कठिन हिस्सा इसे उपयोगी समीक्षा कर रहा है।
यह एजेंट को पीएनपीएम नाटककार परीक्षण चलाने के लिए कहने जैसा ही नहीं है। एक एंड-टू-एंड टेस्ट सूट जवाब देता है कि क्या पहले से लिखे गए परिदृश्य अभी भी पास हैं। ब्राउज़र समीक्षा एक अलग सवाल पूछती हैः इस विशेष परिवर्तन का क्या प्रभाव पड़ सकता है, और उस बदलाव के बाद एप्लिकेशन वास्तव में क्या करता है?
मानचित्र-स्तर के उदाहरण में, यूनिट परीक्षण कुछ साझा उपयोगिताओं को कवर कर सकते हैं, लेकिन एजेंट डिफ़ पढ़ सकता है, यह अनुमान लगा सकता है कि कोड प्रारंभिक रेंडर, चयन, फ़िल्टरिंग और रीसेट के दौरान चलता है, और फिर ब्राउज़र में उन प्रत्येक पथों का प्रयास करता है।
ब्राउज़र समीक्षा को परिवर्तन-आधारित योजना की आवश्यकता है
एजेंट को ब्राउज़र देने से उसे केवल देखने की क्षमता मिलती है. निर्देशों के बिना, यह सबसे कमजोर संभव रिपोर्ट वापस कर सकता हैः एक मार्ग खोलें, देखें कि पृष्ठ लोड हो गया है, और सत्यापन पूर्ण कॉल करें। वह रिपोर्ट पहले सूचीबद्ध किसी भी बग को पकड़ नहीं पाएगी।
पहला नियम यह है कि समीक्षा परिवर्तन से आनी चाहिए. यदि परिवर्तन ने फ़िल्टर को छुआ, तो एजेंट को फिल्टर का उपयोग करना चाहिए. अगर इसने रीसेट लॉजिक को छूया, तो एजेन्ट को पहले एक राज्य बनाना चाहिए और फिर इसे रीसेट करना चाहिए। यदि इसने दृढ़ता को स्पर्श किया, तो अभिकर्ता को पृष्ठ को ताज़ा करना चाहिए । यदि उसने मोडल बदल दिया, तो उसे खोलना और बंद करना चाहिए; यदि उसने रिस्पॉन्सिव लेआउट बदला, तो व्यूपोर्ट का आकार बदलना चाहिए।
यह स्पष्ट लगता है जब एक मानव इसे कहता है, लेकिन यह स्पष्ट नहीं है जब निर्देश केवल सत्यापित करने के लिए कहते हैं कि APP काम करता है. व्यवहार में, एजेंट को diff पढ़ना चाहिए और ब्राउज़र को छूने से पहले एक छोटी योजना लिखनी चाहिए। यह पता लगाने में मदद करता है कि परीक्षण, लोकेटर और दावा का क्या मतलब है, हालांकि पहले पास के लिए मौजूदा सूट की आवश्यकता नहीं है।
src/features/projects/FilterBar.tsx में फ़िल्टर-बार परिवर्तन के लिए, एक उपयोगी योजना हो सकती हैः
- /projects खोलें और दिखाए गए पंक्तियों की संख्या नोट करें।
- स्थिति द्वारा फ़िल्टर करेंः सक्रिय और पुष्टि करें कि प्रत्येक दृश्यमान पंक्ति सक्रिय है.
- Add Owner: मुझे और पुष्टि सूची फिर से संकीर्ण करता है.
- फ़िल्टर साफ़ करें और मूल पंक्ति गणना रिटर्न की पुष्टि करें.
- एक फ़िल्टर लागू करें, पृष्ठ को ताज़ा करें और पुष्टि करें कि फ़िलटर जीवित है क्योंकि यह पेज पते में संग्रहीत किया गया है.
फिर एजेंट Playwright MCP उपकरणों के साथ योजना को निष्पादित करता है। एक ट्रिम कॉल अनुक्रम इस तरह दिखता हैः
browser_navigate { " URL ": " http://localhost:5173/projects " }
browser_snapshot {} -> 40 पंक्तियों वाली तालिका
browser_click { "element": "Status filter", "ref": "e14" }
browser_click { "element": "सक्रिय विकल्प", "ref": "e31" }
browser_snapshot {} -> 12 पंक्तियों के साथ तालिका, सभी "सक्रिय"
browser_click { "element": "Clear filters", "ref": "e15" }
browser_snapshot {} -> 40 पंक्तियों वाली तालिका
रेफ मूल्य अभिगम्यता स्नैपशॉट से आते हैं, इसलिए एजेंट चयनकर्ताओं का अनुमान लगाए बिना नियंत्रण पा सकता है।
दूसरा नियम अंतिम परिणाम की जांच करना है, न कि केवल बातचीत। रीसेट बटन पर क्लिक करना और कोई अपवाद नहीं देखना कमजोर सबूत है। जो दावा मायने रखता है वह यह है कि रिसेट पूर्व स्थिति को पुनर्स्थापित करता है। सेटिंग सहेजने के लिए, दावे का दावा है कि एक उपयोगकर्ता सेटिंग बदल सकता है, सेव कर सकता है , फिर से लोड कर सकते हैं, और सेटिंग अभी भी सक्षम देख सकते हैं।
उस दावे के लिए एक प्लेराइट परीक्षण सेटिंग पृष्ठ लोड कर सकता है, साप्ताहिक डाइजेस्ट स्विच पर क्लिक करें, सहेजें पर क्लिक करे, पेज को फिर से लोड करें और यह सुनिश्चित करें कि स्विच अभी भी चेक किया गया है। एजेंट को वह टेस्ट लिखने की आवश्यकता नहीं है. ब्राउज़र टूल के माध्यम से यह वही चरण मैन्युअल रूप से निष्पादित कर सकता हैं और ताजा स्नैपशॉट से स्थिति पढ़ सकता है।
साक्ष्य का प्रकार प्रश्न से मेल खाना चाहिए। क्या कोई बटन अक्षम है, एक संवाद खोला गया है, या पृष्ठ पता बदल दिया गया है आमतौर पर एक राज्य सवाल है. चाहे एक संवाद काट दिया जाता है, दो तत्व ओवरलैप होते हैं, या पाठ बुरी तरह से एक छोटी स्क्रीन पर लपेटता है एक दृश्य सवाल है। कभी-कभी दोनों की आवश्यकता होती है, क्योंकि एक मोडल पेज संरचना में सही ढंग से मौजूद हो सकता है जबकि स्क्रीन पर अनुपयोगी होता है।
लेआउट की समीक्षा के लिए, एजेंट 375 द्वारा 812 का आकार बदल सकता है, screenshot ले सकते हैं, फिर 1440 द्वारा 900 और एक अन्य ले सकते है। यह कंसोल और नेटवर्क आउटपुट भी जांच सकता है लेकिन मूल लेख केवल परिवर्तन से शुरू हुई नई त्रुटियों पर जोर देता है। लंबे समय तक चेतावनी हर समीक्षा को पटरी से उतारना नहीं चाहिए, और क्लाइंट-केवल बातचीत हमेशा नेटवर्क ऑडिट की आवश्यकता नहीं होती है। एक सहेजें जो UI ठीक दिखने के बाद 500 स्थिति लौटाता है अलग हैः वह एक सिग्नल कैप्चर करने लायक है।
एक उपयोगी रिपोर्ट में मार्ग, किए गए कार्यों का नाम दिया गया है, जांच उत्तीर्ण हुई, screenshots , परीक्षण कमांड और किसी भी फिक्स को पाया गया और फिर से जाँच की गई। लेख के सेटिंग्स उदाहरण में, समीक्षा ने दर्ज किया कि स्विच रीलोड करने के बाद चेक किया गया था, अपडेट 200 लौटाया गया, कोई नई कंसोल त्रुटियां दिखाई नहीं दीं, screenshots लेबल को 375 और 1440 चौड़ाई पर साफ-सुथरा लपेटने दिखाया, pnpm टेस्ट सेटिंग्स 14 परीक्षणों को पारित कर चुकी हैं, और SettingsForm.tsx में अक्षम सहेजें बटन बग मिला, ठीक हो गया, और दोबारा जांच की गई थी।
सुरक्षित रूप से शुरू, समीक्षा और साफ-सफाई
एजेंट तब तक कुछ भी समीक्षा नहीं कर सकता जब तक कि एप्लिकेशन चल रहा है, और यह वह जगह है जहां शॉर्टकट लुभावना हैं। वर्कफ़्लो को हर रिपॉजिटरी में pnpm dev हार्डकोड नहीं करना चाहिए। इसके बजाय, इसे पता लगाना चाहिए कि परियोजना कैसे शुरू होती हैः पहले पैकेज. JSON , फिर README में डेव स्क्रिप्ट की जांच करें, और केवल एक मौजूदा Docker सेटअप पर वापस आएं यदि APP अन्यथा उचित रूप से चलाया नहीं जा सकता है। एक विशिष्ट Vite या Next.js प्रोजेक्ट में, पैकेज . JSON सूचीबद्ध हो सकता है dev vite के रूप में, build as vite build, test as vitest run, and e2e as playwright test ।
एक व्यवहारिक प्रवाह यह है कि: (a) प्रक्षेपण की गति को बढ़ाएं।
- डेव कमांड सीखने के लिए JSON स्क्रिप्ट।
- एजेंट के स्वामित्व वाले अस्थायी फ़ोल्डर में dev server प्रारंभ करें.
- प्रक्रिया आईडी रिकॉर्ड करें ताकि एजेंट ठीक उसी प्रक्रिया को रोक सके जिसे उसने शुरू किया था.
- स्थानीय पोर्ट के विरुद्ध ब्राउज़र समीक्षा चलाएँ.
- केवल उस प्रक्रिया को रोकें और उसके द्वारा बनाई गई फ़ाइलों या अस्थायी स्थिति को हटाएं.
- संबंधित परिवर्तनों को छूने से बचने के लिए git स्थिति की जाँच करें.
यह सफाई नियम महत्वपूर्ण है क्योंकि एक कोडिंग एजेंट अन्य चलती सेवाओं के साथ रिपॉजिटरी में काम कर सकता है। असंबंधित प्रक्रियाओं को मारना या असंबद्ध फ़ाइलों को हटाना समीक्षा कार्य को साइड इफेक्ट में बदल देता है।
मूल लेख लेखक को समीक्षक से भी अलग करता है। परिवर्तन करने वाला एजेंट भिन्नता की अपनी व्याख्या के प्रति पक्षपाती हो सकता है। एक अलग समीक्षाकर्ता एजेंट, उसी ब्राउज़र टूल लेकिन निर्देशों का एक नया सेट दिया जाता है, यह नोटिस करने की अधिक संभावना है कि बदलाव को तर्कसंगत बनाने के बजाय वास्तविक UI जांच की आवश्यकता होती है।
निर्देशों को स्वयं परियोजना-स्तरीय मार्गदर्शन और एक पुनः प्रयोज्य कौशल के बीच विभाजित किया जा सकता है। मूल लेख में, AGENTS.md एजेंट को ब्राउज़र-समीक्षा प्रक्रिया की ओर इशारा कर सकता है, जबकि कौशल पुनर्नवीनीकरण नियमों को रखता हैः डिफ से परीक्षण प्राप्त करें, अंतिम परिणाम की जांच करें, सही सबूत एकत्र करें, और केवल एजेंट ने जो शुरू किया था उसे साफ करें।
वह आदत बाद में katalepsis बन गई, एक open-source उपकरण जो कार्यप्रवाह को पैकेज करता है। मूल लेख कहता है कि इसमें यह तय करने के लिए तर्क भी शामिल है कि क्या चेक वास्तव में पारित हो गया था। स्थापना के लिए Node.js 22.12 या नए और Git की आवश्यकता होती है।
पाठकों के लिए मूल्य यह नहीं है कि Playwright MCP परीक्षण सूट की जगह लेता है. यह साक्ष्य का एक दूसरा परत जोड़ता हैः आवेदन वास्तव में इस्तेमाल किया गया था, और बदलते व्यवहार को देखा गया था।
आम गलतियाँ
- प्रूफ के रूप में लोड किए गए पृष्ठ का इलाज करना. एक रिपोर्ट जो कहती है कि मार्ग खोला गया और पेज लोड किया गया फ्रंटएंड समीक्षा नहीं है.
- एजेंट को APP की पुष्टि करने के लिए कहें बिना समीक्षा को डिफ से बांधे। योजना को बदला हुआ कोड पथ का पालन करना चाहिए.
- मूल लेख में मानचित्र-स्तर कर्सर उदाहरण अंतर दिखाता है।
- अंतिम स्थिति के बजाय केवल बातचीत की जांच करना। एक बटन क्लिक पुनः लोड करने के बाद शेष होने से कम महत्वपूर्ण है.
- प्रत्येक प्रश्न के लिए screenshots का उपयोग करना। राज्य परिवर्तनों को अक्सर सुलभता या नेटवर्क साक्ष्य की आवश्यकता होती है, जबकि दृश्य मुद्दों को screenshots की आवश्यकता होगी।
- बहुत व्यापक रूप से सफाई करना. एजेंट को केवल उस प्रक्रिया आईडी को रोकना चाहिए जिसे उसने रिकॉर्ड किया है और केवल अस्थायी स्थिति को हटा देना चाहिए जो इसने बनाई है.
यह कार्यप्रवाह उपयोगकर्ता-सामना करने वाले वेब अनुप्रयोगों के लिए सबसे उपयोगी है जहां एक परिवर्तन कोड में सही दिख सकता है और फिर भी स्क्रीन पर गलत व्यवहार कर सकता है। विशुद्ध रूप से आंतरिक स्क्रिप्ट, बैच नौकरियों या UI सतह के साथ परिवर्तन के लिए कम आवश्यक है।

Comments (0)