使用说明
使用MCP和GitHub Copilot的剧作家自动化
概述
该项目演示了如何 人工智能辅助测试自动化 可用于 受控、专业的方式 使用以下工具生成和维护Playwright测试：
- 剧作家
- GitHub Copilot
- 剧作家MCP（模型上下文协议）
- JavaScript（Node.js）
目标是 不要盲目地用AI生成测试，但展示了人工智能如何支持SDET，同时保持对测试质量、稳定性和结构的完全工程控制。
此存储库包含 真正的端到端自动化流程 用于booking.com，包括搜索、日期选择和数据提取。
为什么这个项目存在
大多数人工智能生成的自动化项目：
- 创建多个杂乱的文件
- 使用不稳定的定位器
- 到处转储截图
- 面试失败
该项目展示了 正确的方式:
- 一个干净的测试文件
- 一个业务流程
- 稳定定位器
- 可读、可维护的代码
- 勘探和最终自动化之间的明确分离
技术栈
- 剧作家 –端到端浏览器自动化
- JavaScript（Node.js） –测试语言
- GitHub Copilot –人工智能辅助代码生成
- 剧作家MCP –AI执行和上下文层
- VS Code –开发环境
项目结构
mcp_playwright_automation/
│
├── tests/
│ └── booking_search.spec.js # Single clean E2E flow
│
├── testcontext/
│ └── contextprerequest.txt # AI prompt & exploration notes
│
├── playwright.config.js # Playwright configuration
├── package.json
├── .gitignore
└── README.md
自动化场景
该测试自动化了以下真实用户流：
- 打开booking.com
- 关闭初始弹出窗口
- 输入目的地（新德里）
- 选择旅行日期（2026年1月30日-2026年1月31日）
- 点击搜索
- 拍摄完整截图并存储在截图文件夹中
这验证了两者 用户界面流程 和 数据提取能力.
未来改进
- 添加页面对象模型（POM）
- 添加CI集成（GitHub操作）
- 添加并行执行
- 添加API+UI混合测试
- 添加数据驱动测试支持
