เซิร์ฟเวอร์ Playwright MCP (Model Context Protocol) ของ Microsoft กำลังได้รับความนิยมในหมู่นักพัฒนาที่ต้องการผสานความสามารถของโมเดลภาษาขนาดใหญ่เข้ากับการควบคุมเบราว์เซอร์แบบอัตโนมัติ การตอบรับจากชุมชนเผยให้เห็นกรณีการใช้งานที่น่าสนใจซึ่งแสดงให้เห็นว่าเครื่องมือนี้กำลังเชื่อมช่องว่างระหว่างผู้ช่วย AI กับการโต้ตอบบนเว็บ
LLM ในบทบาทวิศวกรประกันคุณภาพ
หนึ่งในการประยุกต์ใช้ที่น่าสนใจที่สุดที่เกิดขึ้นจากชุมชนนักพัฒนาคือการใช้ Playwright MCP เพื่อทำการทดสอบและตรวจสอบเวิร์กโฟลว์โดยอัตโนมัติ นักพัฒนารายงานความสำเร็จในการใช้เครื่องมือนี้ร่วมกับโมเดลอย่าง Claude เพื่อตรวจสอบการเปลี่ยนแปลงโค้ดโดยอัตโนมัติ กระบวนการนี้เกี่ยวข้องกับ LLM ที่เริ่มต้นเซิร์ฟเวอร์สำหรับการพัฒนา นำทางไปยังหน้าที่มีการเปลี่ยนแปลงล่าสุด และตรวจสอบว่าการแก้ไขทำงานได้ตามที่คาดหวัง เมื่อตรวจพบปัญหา AI สามารถแก้ไขปัญหาได้ด้วยตัวเอง
ผมเพียงแค่ทิ้งคำแนะนำไว้ใน CLAUDE.md ให้ตรวจสอบการเปลี่ยนแปลงด้วย Playwright มันจะเริ่มเซิร์ฟเวอร์สำหรับการพัฒนาโดยอัตโนมัติ นำทางไปยังหน้าที่มีการเปลี่ยนแปลงที่เพิ่งทำ และตรวจสอบว่าการเปลี่ยนแปลงทำงานได้ หากมีสิ่งใดไม่เป็นไปตามที่คาดหวัง มันจะแก้ไขด้วยตัวเอง
นี่เป็นการพัฒนาที่สำคัญในด้านประสิทธิภาพของนักพัฒนา ซึ่งสร้างวิศวกรประกันคุณภาพที่ขับเคลื่อนด้วย AI ที่สามารถตรวจสอบงานของตัวเองได้
กรณีการใช้งานในชุมชน
- การทดสอบอัตโนมัติและการตรวจสอบความถูกต้องของการเปลี่ยนแปลงโค้ด
- การทำซ้ำข้อผิดพลาดจากตั๋ว JIRA
- การผสานรวมกับ LLMs เช่น Claude สำหรับเวิร์กโฟลว์ที่แก้ไขข้อผิดพลาดด้วยตัวเอง
- การควบคุมเบราว์เซอร์ผ่านคำสั่งภาษาธรรมชาติ
การทำซ้ำข้อบกพร่องแบบอัตโนมัติ
อีกหนึ่งการประยุกต์ใช้นวัตกรรมที่กำลังถูกสำรวจคือการใช้ Playwright MCP ร่วมกับ JIRA MCP เพื่อทำการทำซ้ำข้อบกพร่องโดยอัตโนมัติ นักพัฒนากำลังตรวจสอบว่า LLM สามารถอ่านขั้นตอนการทำซ้ำจากตั๋วงานและแปลคำแนะนำเหล่านั้นเป็นการกระทำบนเบราว์เซอร์จริงได้หรือไม่ สิ่งนี้อาจช่วยลดเวลาที่วิศวกรใช้ในการทำซ้ำปัญหาที่ถูกรายงานด้วยตนเองก่อนเริ่มการแก้ไขข้อบกพร่อง
ตัวเลือกการใช้งานทางเทคนิค
Playwright MCP มีความยืดหยุ่นในวิธีการให้การควบคุมเบราว์เซอร์แก่โมเดลภาษา โหมด Snapshot ที่เป็นค่าเริ่มต้นใช้ประโยชน์จากต้นไม้การเข้าถึงของ Chrome เพื่อประสิทธิภาพและความน่าเชื่อถือที่ดีขึ้น ในขณะที่โหมด Vision ซึ่งเป็นอีกทางเลือกหนึ่งใช้ภาพหน้าจอสำหรับการโต้ตอบแบบอิงภาพ วิธีการหลังนี้ทำงานได้ดีกับโมเดลที่มีความสามารถด้านคอมพิวเตอร์วิชันซึ่งสามารถโต้ตอบกับองค์ประกอบโดยใช้การวางตำแหน่งพิกัด X,Y ตามภาพหน้าจอที่ให้มา
เครื่องมือนี้ยังรองรับสภาพแวดล้อมการทำงานที่แตกต่างกัน โดยมีตัวเลือกสำหรับการทำงานของเบราว์เซอร์แบบไร้หัว (ไม่มี GUI) และการกำหนดค่าแบบไคลเอนต์-เซิร์ฟเวอร์สำหรับระบบที่ไม่มีความสามารถในการแสดงผล ความหลากหลายนี้ทำให้สามารถปรับใช้กับสถานการณ์การพัฒนาและการผลิตต่างๆ ได้
โหมดเครื่องมือ Playwright MCP
-
โหมด Snapshot (ค่าเริ่มต้น)
- ใช้ accessibility snapshots เพื่อประสิทธิภาพและความน่าเชื่อถือที่ดีขึ้น
- ให้ข้อมูลที่มีโครงสร้างสำหรับการโต้ตอบกับ LLM โดยไม่จำเป็นต้องใช้โมเดลการมองเห็น
- เครื่องมือประกอบด้วย: browser_navigate, browser_click, browser_type, browser_snapshot และอื่นๆ
-
โหมด Vision
- ใช้ภาพหน้าจอสำหรับการโต้ตอบที่อิงกับการมองเห็น
- ทำงานร่วมกับโมเดลที่สามารถประมวลผลพื้นที่พิกัด X,Y
- เครื่องมือประกอบด้วย: browser_screenshot, browser_move_mouse, browser_click พร้อมพิกัด
ระบบนิเวศที่กำลังขยายตัวของตัวเชื่อมต่อ AI
ความกระตือรือร้นสำหรับ Playwright MCP สะท้อนให้เห็นถึงแนวโน้มที่กว้างขึ้นในชุมชนนักพัฒนา - สิ่งที่ผู้แสดงความคิดเห็นคนหนึ่งเรียกว่าการระเบิดแบบแคมเบรียนของตัวเชื่อมต่อสำหรับระบบ AI นักพัฒนากำลังเปรียบเทียบ Playwright MCP กับทางเลือกอื่นๆ เช่น fetch-mcp ที่สร้างโดยชุมชนและเครื่องมืออื่นๆ ที่คล้ายกัน โดยประเมินความสามารถและกรณีการใช้งานที่เกี่ยวข้อง
นักพัฒนาบางคนกำลังจินตนาการถึงการขยายแนวทางนี้ไปยังเฟรมเวิร์กการทดสอบอื่นๆ โดยมีคำขอให้มีการใช้งาน MCP ที่คล้ายกันสำหรับเครื่องมือเช่น Capybara เพื่อให้ LLM สามารถเขียนและแก้ไขข้อบกพร่องในการทดสอบระบบ Rails ได้
ในขณะที่ระบบนิเวศของตัวเชื่อมต่อ AI ยังคงขยายตัว เครื่องมือเช่น Playwright MCP กำลังเปลี่ยนแปลงวิธีที่นักพัฒนาโต้ตอบและใช้ประโยชน์จากโมเดลภาษาขนาดใหญ่ในเวิร์กโฟลว์ของพวกเขา ความสามารถในการให้ผู้ช่วย AI ควบคุมการโต้ตอบของเบราว์เซอร์โดยตรงเปิดโอกาสใหม่สำหรับการทำงานอัตโนมัติ การทดสอบ และการปรับปรุงประสบการณ์ผู้ใช้ซึ่งก่อนหน้านี้ยากที่จะนำไปใช้
อ้างอิง: Playwright MCP