关注开源优测不迷路

大数据测试过程、策略及挑战

测试框架原理，构建成功的基石

在自动化测试工作之前，你应该知道的10条建议

在自动化测试中，重要的不是工具

什么是模型上下文协议（MCP）

模型上下文协议（MCP）是由Anthropic公司开发的一个开放标准，旨在简化人工智能模型与外部工具、数据源及服务之间的交互方式。它提供了一个统一的接口，使得人工智能代理能够安全、高效地访问和集成各种数据源，而无需为每个数据源进行定制化的集成。这个标准化协议旨在解决人工智能驱动的工作流程中的可扩展性挑战。

MCP采用客户端-服务器架构，这意味着对服务器的每一次请求都可以实时为大语言模型（LLM）提供上下文信息，使它们即使在多个系统之间也能保持上下文连贯性。这为将人工智能模型与外部数据源和工具（如谷歌云端硬盘、数据库、应用程序编程接口等）进行集成创建了一个单一的协议。

但并非只有开发人员才能领会这一开发成果的价值。

MCP在测试自动化中的应用

如果你从事测试自动化工作，那就仔细听好了。

在测试自动化中使用MCP的一个很好的例子是，MCP使大语言模型（LLM）能够使用结构化的无障碍快照与Web应用程序进行交互，而不是依赖于视觉像素或计算机视觉技术。

这种方法允许人工智能模型从文档对象模型（DOM）中检索语义上下文信息，包括角色、标签和状态，这与辅助技术访问内容的方式类似。通过这样做，MCP提高了人工智能驱动的与Web元素交互的可靠性和可解释性，有可能提高自动化测试的质量和可维护性。

使用MCP还能更轻松地将人工智能助手连接到测试人员已经在使用的系统，从应用程序编程接口和数据库到内容存储库和开发环境。这种MCP集成意味着你无需为每个新的数据源创建自定义逻辑——MCP提供了一种标准化的方式来访问你需要的数据。

想亲自试试吗？

让我们来看看对于那些希望将人工智能与不同应用程序连接起来，并利用MCP来优化其工作流程的自动化工程师来说，最受欢迎的五种工具。

以下是我推荐的用于测试自动化的五大MCP工具：

1. Playwright MCP（Playwright自动化框架）
2. 
   

    微软推出了Playwright MCP（模型上下文协议），这是对其Playwright自动化框架的一项服务器端增强功能，旨在促进大语言模型（LLM）与浏览器进行结构化的交互。

4. 与传统的依赖于屏幕截图或基于像素的模型的用户界面自动化不同，Playwright MCP使用浏览器的无障碍树来提供Web内容的确定性、结构化表示。

通过使大语言模型能够使用结构化数据而非视觉线索与网页进行交互，该协议提高了自动化任务（如导航、表单填写和内容提取）的可靠性和清晰度。它还支持直接从自然语言输入生成自动化测试、重现错误以及进行无障碍性检查。

该工具轻量级，避免了视觉模型的模糊性，并且在无需计算机视觉或图像解释层开销的情况下，增强了由大语言模型驱动的浏览器自动化功能。 

-出色的应用场景

 - Web导航和表单填写

 - 从结构化内容中提取数据 

 - 由大语言模型驱动的自动化测试 

 - 用于智能代理的通用浏览器交互 

 - GitHub上的星标数：7300颗

1. Selenium MCP（Selenium）

    安吉·琼斯（Angie Jones）在领英（LinkedIn）上宣布发布了Selenium MCP服务器，这是一个新的实现，通过模型上下文协议（MCP）为Selenium WebDriver实现浏览器自动化。

该工具允许开发人员和测试人员通过标准化的MCP客户端实现浏览器交互的自动化，支持Chrome和Firefox浏览器。

它展示了MCP在现实世界中的应用，将传统测试框架与人工智能集成的未来连接起来。 

-出色的应用场景

 - 启动浏览器会话

 - 导航到网址

 - 使用各种定位策略查找元素 

 - 执行浏览器交互操作，如点击、输入和截图 

 - 这一实现通过允许通过MCP集成人工智能，将Selenium与更广泛的人工智能应用生态系统连接起来。它还减少了为每个新数据源都需要进行新设置的麻烦——MCP取代了那些零散的方法。 

 - GitHub上的星标数：85颗

1. Awesome Kali MCPServers
   

2.  一个带有白色轮廓的蓝色龙形圆圈，象征着Kali Linux的标志，它坚定地矗立着——这个标志如同任何模型上下文协议一样具有未来感，也如同网络安全领域的自动化工具一样充满创新性。 

3. Awesome Kali MCPServers是为Kali Linux优化的MCP服务器设置的精选集合。它旨在支持人工智能代理执行诸如逆向工程和安全评估等任务，通过网络检查、目标嗅探、流量监控、二进制分析等工具实现自动化工作流程。

• 灵活的网络分析

• 目标嗅探和流量分析

• 二进制理解

• 自动化能力

• 出色的应用场景

• 这些服务器是专注于安全自动化的优秀示例服务器，展示了MCP如何帮助人工智能清晰地与底层数据和工具进行交互。

• GitHub上的星标数：99颗

• MCP无障碍性扫描器 

• MCP无障碍性扫描器将由人工智能驱动的无障碍性测试与Claude Desktop集成在一起，利用了Anthropic公司的模型上下文协议（MCP）。

• 该工具由贾斯塔斯·蒙克维休斯（Justas Monkevičius）开发，结合了用于Web自动化的Playwright和用于无障碍性合规测试的Axe-core。

• 通过使用MCP，该扫描器增强了由人工智能辅助的无障碍性分析能力，提供自动化的见解，从而简化了测试工作流程。这个工具是人工智能与结构化外部系统集成如何提高测试效率和合规性的一个典型例子。 

  -出色的应用场景 

   - 全面的Web内容无障碍指南（WCAG）合规性检查 

   - 突出显示视觉违规情况 - 详细的JSON报告 - 它展示了MCP如何使人工智能对于从事无障碍性测试的测试人员来说更具可操作性和针对性。MCP允许扫描器获取相关的DOM和视觉数据，为大语言模型提供上下文信息以获得准确的结果。

   - GitHub上的星标数：3颗

  1. MCP前端测试服务器 由StudentOfJS开发的前端测试MCP服务器是一款专门设计用于提高前端测试工作流程效率的工具。它提供了一套针对JavaScript和TypeScript应用程序的功能，专注于Jest和Cypress框架。

  • 代码分析

  • 测试生成

  • 测试执行

  • React组件测试

  • 出色的应用场景

  • 这个工具展示了MCP数据如何在模型和外部工具之间流动，以实现测试和反馈循环。它再次证明了MCP如何通过人工智能驱动的见解改变我们进行前端测试的方式。

  • GitHub上的星标数：2颗

• Zapier MCP 一个橙色的八角星形图案，中心是一个正方形，背景透明，它唤起了自动化工具的创新精神，无缝地融合了形式与功能。 Zapier推出了模型上下文协议（MCP），这是一个工具，使人工智能助手能够直接与7000多个应用程序进行交互，并执行30000多种操作，而无需进行复杂的应用程序编程接口集成。

• • 发送消息

  • 管理数据

  • 安排事件

  • 更新记录

  • 出色的应用场景

  • 虽然它不是开源的，但Zapier的MCP帮助人工智能助手将其功能扩展到数千个工具中，如谷歌表格（Google Sheets）、Trello和Slack。这是一个灵活的解决方案，减少了自己构建MCP的开销，同时仍然允许人工智能模型和外部数据高效地进行交互。

  未来趋势：MCP的发展方向

  MCP服务器正变得非常流行，尤其是在驱动那些你希望向人工智能开放的接口方面。由于人工智能模型和外部系统需要共享实时上下文信息，MCP充当了桥梁的角色。它正获得越来越多的关注，并且在Anthropic、OpenAI和亚马逊等主要参与者的支持下，其生态系统正在迅速发展。

  例如，在我们的TestGuild私人社区中，拉塞尔·约翰逊（Russell Johnson）指出了最新的公告，即GitHub Copilot的Vibe编码：代理模式和MCP支持正在向所有VS Code用户推出。

  无论你是自己构建MCP工具，还是寻找示例服务器来学习，关键要点是：利用MCP来优化你的自动化工作流程不仅仅是一个锦上添花的事情——它代表着未来的发展方向。

  MCP满足了在多个应用程序、工具和环境中维护上下文信息的日益增长的需求。它支持标准化的人工智能集成，并且使得检索数据、从内容存储库中获取数据以及连接到应用程序编程接口或数据库变得更加容易——所有这些都可以通过一个开放协议来实现。

  MCP提供了你构建更智能自动化所需的模型上下文组件。随着越来越多的工具采用MCP规范，预计在各个行业中会看到更多关于MCP的强大应用场景。