Test Pilot AI

🧠 LangGraph MCP测试代理（Gemini+剧作家）

这个项目是 模块化自动化代理 构建使用：

• 双子座 （谷歌生成人工智能）用于推理和步骤规划
• 剧作家MCP 实现真正的浏览器自动化
• LangGraph 用于规划和执行之间的协调

代理读取目标（如 *“登录Facebook”*)，使用Gemini来计划浏览器操作，并通过 剧作家MCP服务器.

______________________________________________________________________

🚀 特性

✅ 使用Gemini进行LLM驱动的步骤规划\ ✅ 通过Playwright MCP实现真正的浏览器自动化\ ✅ 模块化项目结构(nodes, state, workflow, config, utils)\ ✅ 使用完全环境驱动的配置 .env\ ✅ 可与任何兼容MCP的自动化服务器配合使用

______________________________________________________________________

🏗️ 项目结构

AiFinalProject/
├── main.py
├── config.py
├── graph/
│   ├── nodes.py
│   ├── state.py
│   └── workflow.py
├── utils/
│   └── helper.py
├── .env
└── README.md

______________________________________________________________________

⚙️ 先决条件

确保你有：

• Python 3.12和3.12+
• Node.js 18+
• 剧作家MCP 全局或本地安装

______________________________________________________________________

🧩 步骤1：克隆并运行Microsoft Playwright MCP

克隆并启动Playwright MCP服务器：

npx @playwright/mcp@latest --port 8931 --shared-browser-context

📝 笔记：

• 您可以替换 8931 您喜欢的任何其他港口。
• 保持此终端打开——Python代理通过该端口连接到此MCP服务器。

______________________________________________________________________

🔑 第二步：创建 .env 文件

在项目根目录中，创建 .env 文件并添加以下内容：

# Google Gemini API
GEMINI_API_KEY=YOUR_GEMINI_API_KEY
GEMINI_MODEL_NAME=gemini-2.5-flash

# MCP Server Configuration
MCP_PLAYWRIGHT_URL=http://localhost:8931/mcp
MCP_PLAYWRIGHT_TRANSPORT=streamable_http

💡 *如果在其他端口上运行MCP，则可以更改端口。*

______________________________________________________________________

🐍 步骤3：安装Python依赖项

创建虚拟环境并安装依赖项：

python3 -m venv venv
source venv/bin/activate   # On Windows: venv\Scripts\activate
pip install -r requirements.txt

如果你没有 requirements.txt，使用以下命令创建一个：

pip install langchain-google-genai langchain-core langchain-mcp-adapters langgraph python-dotenv
pip freeze > requirements.txt

______________________________________________________________________

🧠 步骤4：运行代理

在MCP服务器运行的情况下，启动您的代理：

python3 main.py

您应该看到类似于以下内容的输出：

🚀 Starting LangGraph MCP Test Agent...

🧠 LLM NEXT STEP RAW:
{
  "tool": "browser_navigate",
  "args": {"url": "https://www.facebook.com"},
  "reason": "Navigating to Facebook...",
  "done": false
}

⚙️ Executing: browser_navigate with args: {'url': 'https://www.facebook.com'}
✅ Tool 'browser_navigate' executed successfully.

______________________________________________________________________

⚡ 运作原理

1. 双子座 生成一个JSON计划，描述下一个操作：

   {
     "tool": "browser_fill_form",
     "args": {
       "fields": [
         {"selector": "#user-name", "value": "standard_user"},
         {"selector": "#password", "value": "secret_sauce"}
       ]
     },
     "reason": "Filling login fields.",
     "done": false
   }

1. LangGraph 将此步骤发送到 剧作家MCP 服务器。
2. MCP执行浏览器操作，返回HTML，循环重复。
3. 当双子座标记 "done": true，过程结束。

______________________________________________________________________

🧩 故障排除

______________________________________________________________________

🧪 示例目标

您可以在中更改目标 main.py:

goal = "Go to facebook.com and log/signin/signup in with standard_user/secret_sauce"

尝试尝试其他目标，例如：

• "Go to saucedemo.com and login as standard_user"
• "Visit twitter.com and find the login button"

______________________________________________________________________

🧰 技术栈

______________________________________________________________________

🧤 许可证

该项目旨在使用LangGraph、Playwright MCP和Gemini学习和测试自动化框架。\ 负责任地使用并遵守所有API和网站的服务条款。