AI Qa Workflow

使用Playwright MCP的AI辅助QA工作流程

许多QA工程师陷入了手动测试的循环，几乎没有留下什么 是时候培养自动化技能了。本项目探讨了人工智能如何辅助工具 可以处理手动测试的执行负担，使QA工程师能够 向左移动，投资自动化，专注于更高价值的工作。

• 一个展示人工智能辅助手动和自动测试工作流程的项目

在Cursor中使用Playwright MCP。

• Cursor代理读取结构化提示文件，通过Playwright MCP执行测试场景，并生成markdown测试报告。

旨在展示实用的QA自动化技能，包括快速工程， 测试设计和AI辅助测试执行。

______________________________________________________________________

这个项目是如何建造的

这个项目不是通过提示人工智能并接受输出来构建的。每 这个决定是深思熟虑的。过程：

1. 人类识别需求或想法
2. 人类咨询克劳德（Claude.ai）来设计和审查这种方法
3. 克劳德生成提示或计划
4. 人工审核、改进和批准
5. 人类向Cursor提供提示
6. Cursor实现、运行和验证
7. 人工审查输出和提交
8. 定期进行人工维护提示，以保持项目的一致性

克劳德担任战略层 --架构决策、快速设计、， 模式评估和方法验证。

游标充当执行层 --编写代码、运行测试、修复 失败和重构。

人类策划了这两件事 --决定构建什么，何时构建， 以及输出是否可接受。

这种三方协作——人类+战略人工智能+执行人工智能——是人工智能辅助工程中一种有意的工作方式。

______________________________________________________________________

这个项目展示了什么

• 在Cursor中使用Playwright MCP驱动真正的浏览器进行手动测试执行
• 设计精简、可重用的提示文件，指导人工智能辅助测试会话
• 从MCP会话生成结构化手动测试报告
• 将手动测试用例转换为Playwright自动化测试
• 带有剧作家装置的页面对象模型
• 与共享身份验证会话 auth.setup.ts 和 storageState
• 可重复使用的维护和设置提示，以保持项目的一致性
• 通过REST API与测试管理工具集成（计划中）

______________________________________________________________________

工程决策

这些是我做出的人工智能没有建议的决定：

• .env 获取凭据 --AI默认为硬编码值。使用 .env

是基于现实世界安全实践的深思熟虑的选择。

• 文件夹结构 --the pages/, fixtures/, ai-testing/,

.github/prompts/ 架构是由工程师设计的，而不是生成的。

• 带夹具的页面对象模型 --被确定为失踪

AI生成了规范。我指导了实施。

• 共享身份验证会话 --将登录重复识别为模式问题

并指导 auth.setup.ts + storageState 实施。

• 将文件提示为已提交的工件 --版本控制提示决策

文件，因此工作流是可重复和可审计的。

• 每个功能单独的页面对象 --导演 EmployeeListPage 作为

分离类而不是合并到 AddEmployeePage.

• 所有提交和提交消息 --版本控制决策、检查点

时间和变化描述始终是人类的选择。

______________________________________________________________________

技术栈

______________________________________________________________________

项目结构

ai-qa-workflow/
├── .github/
│   └── prompts/                        # Cursor Agent prompt files
│       ├── README.md                   # Prompt folder documentation
│       ├── manual-runs/                # MCP manual test session prompts
│       ├── manual-test-cases/          # Test case generation prompts
│       ├── automation-test-cases/      # Playwright spec generation prompts
│       └── setup-and-maintenance/      # Project setup and audit prompts
├── ai-testing/
│   ├── manual-runs/                    # MCP-generated test reports
│   └── manual-test-cases/             # Generated formal test cases
├── pages/                              # Page Object Model classes
│   ├── AddEmployeePage.ts
│   └── EmployeeListPage.ts
├── fixtures/                           # Custom Playwright fixtures
│   └── baseTest.ts
├── playwright/                         # Playwright-specific artifacts
│   └── .auth/                          # Auth session storage (gitignored)
│       └── user.json                   # Session state — never committed
├── tests/                              # Playwright spec files
│   ├── auth.setup.ts                   # Shared auth session setup
│   ├── add-employee/
│   │   └── add-employee.spec.ts
│   └── login/
├── utils/                              # Helper functions (planned)
├── data/                               # Static test data (planned)
├── docs/                               # Reference documentation
├── playwright.config.ts
├── tsconfig.json
└── .envExample                         # Environment variable template

______________________________________________________________________

工作流是如何工作的

1.使用MCP进行手动测试

提示文件 .github/prompts/manual-runs/ 在下定义应用程序 测试、行为规则和测试场景。光标代理读取提示， 通过Playwright MCP导航真实浏览器，执行每个场景，以及 生成保存到的结构化markdown报告 ai-testing/manual-runs/.

2.提示文件架构

两层结构使提示文件保持精简和可重用。每个类别都有 它自己的 base-template.md 共享规则。要素文件引用基础 只添加特定场景的内容。看 .github/prompts/README.md 为了 完整的文档。

3.测试用例生成

MCP会话报告被输入到测试用例生成提示中，生成 正式、结构化的测试用例保存到 ai-testing/manual-test-cases/这些 作为自动化的真理之源。

4.自动化测试

使用以下命令将正式测试用例转换为Playwright TypeScript规范 自动化提示。生成的规格遵循生产级模式：

• 具有专用页面类的页面对象模型 pages/
• 剧作家装置 fixtures/baseTest.ts 用于自动页面注入
• 共享身份验证会话--登录通过运行一次 auth.setup.ts，会话重复使用

通过以下方式进行所有测试 storageState

5.身份验证

tests/auth.setup.ts 每次测试运行使用来自的凭据登录一次 .env, 将会话保存到 playwright/.auth/user.json，并且所有测试都重用它。 身份验证文件是gitignored的——它包含重新生成的实时会话Cookie 每次跑步。

6.维护

.github/prompts/setup-and-maintenance/ 包含可重复使用的提示 重复性任务--审核提示文件以查找过时的模式，实现 新的架构模式，并在项目发展过程中保持一致性。

______________________________________________________________________

入门指南

先决条件

• Node.js 18+
• 配置了Playwright MCP的Cursor Pro
• OrangeHRM演示证书（公开--请参阅 .envExample)

设置

git clone https://github.com/NewLara/ai-qa-workflow.git
cd ai-qa-workflow
npm install
npx playwright install chromium
cp .envExample .env
# Edit .env with your credentials

在游标中配置剧作家MCP

添加 ~/.cursor/mcp.json:

{
  "mcpServers": {
    "playwright": {
      "command": "npx",
      "args": ["@playwright/mcp@latest"]
    }
  }
}

重新启动Cursor并验证剧作家服务器在以下位置显示绿点 设置>工具和MCP。

运行MCP测试会话

在Cursor中打开一个新的Agent聊天，并引用一个提示文件：

Use .github/prompts/manual-runs/base-template.md and
.github/prompts/manual-runs/orangehrm-login.md to perform a manual
test session. Reference the .env file for credentials.

运行自动测试

# Run all tests
npx playwright test

# Run a specific spec
npx playwright test tests/add-employee/add-employee.spec.ts

# Run with browser visible
npx playwright test --headed

# Run in debug mode
npx playwright test --debug

# Run in UI mode
npx playwright test --ui

______________________________________________________________________

在被测应用程序

Orange人力资源管理 --开源人力资源管理系统 网址： https://opensource-demo.orangehrmlive.com 资格证书： 看 .envExample

因其现实的企业工作流程而选择——员工管理、休假 请求、用户角色——反映真实世界的QA场景。不是玩具应用程序。

______________________________________________________________________

剧作家MCP工具参考

______________________________________________________________________

作者

Lara Caves——QA自动化工程师 · 领英