我做测试第八年了。

前面好几年，最熟的动作不是写用例，是半夜被人从群里点名。接口同学说链路没问题，产品说刚才演示还好好的，最后镜头对准你，你昨晚不是回归过吗。

坦率的讲，这种场面最气人的地方，不是技术多难，是口径对不上。有人盯 HTTP 200，有人盯有没有弹窗，有人只看自己电脑能不能点开。大家都很忙，证据却散落在聊天记录里。

后来我把 Codex 接上 Playwright MCP，再把配套 Skill 焊进项目，才真正把「帮我点一下」变成「可重复验收」。不是玄学提效，是把打开页面、拿快照、点击填写、断言截图，收进同一条工具链。跑通主线冒烟之后，再回头看以前手点十几页的节奏，效率体感真的像被拉满了好几倍。你要硬说个数字，我愿意用「拉满 300 倍」来形容那种从人肉点击到自然语言驱动回归的落差。夸张吗？对天天救火的测试同学来说，一点也不夸张。

这篇就把文档里那套核心能力掰开讲清楚，结构、目录、功能、用法、源码级约定，以及怎么落到你们自己的测试仓库。不成熟的经验，但我已经尽量按可执行的方式写了。

软件测试里有个老坑，接口测通了，页面未必能用。

Web 端回归最贵的往往不是再写几条用例，而是把完整页面状态反复灌进脑子或模型。电商下单、审批流、会员开通，动不动十几个页面。人肉点一遍，眼睛酸；脚本写一堆，定位一改就崩；只靠聊天让 Agent「帮我点一下」，下一轮对话一开，规范全丢。

Playwright MCP 干的第一件事，是让 Codex 以程序化方式控制浏览器。打开页面、获取可交互元素快照、点击、输入、断言、截图留证。和「人在本机浏览器里点一遍」不同，它更适合可重复的端到端验收，先拿 snapshot，再按真实文案点，最后对成功页做断言并截图。

配起来也不神秘。Node 18+，npx 可用，被测站点网络通。在 Codex 的 MCP 服务里填名字 playwright，命令 npx，参数 -y @playwright/mcp@latest，保存后重启。内网下不了浏览器时，再配代理或指定浏览器缓存目录。演示账号用课程同款即可，用户名 standard_user，密码 secret_sauce。

三条 UI 路径别混着用。

localhost 快速预览，用内置浏览器就够。已经登录的公网页做演示交互，本机 Chrome 更顺手。要可重复断言、要进 MCP 工具链、要截图留证，默认走 Playwright MCP。选型错了，你会又慢又难断言，还误以为是模型不行。

回到主线，MCP 解决的是「Agent 能不能稳定操控浏览器」。但真正把效率拉满，还差两层，CLI 把状态落盘，Skill 把操作手册固化。

刚接上 MCP 时，你会有种「卧槽也能这么玩」的兴奋。一句话让它打开演示站，确认登录框在不在，听着很香。

可真实项目里，UI 自动化不是一次对话，是每天、每环境、每条冒烟路径。

如果每次都把完整可访问性树和二十多个工具 Schema 全量灌进上下文，长流程很容易顶满。官方基准里，标准多步骤 UI 会话可以超过八万 Token。Token 烧完了，后面的断言、截图、失败定位全被挤掉。测试团队要的是可重复、可回放、可进 CI 的回归能力，不是热闹的「帮我点一下」。

所以课程里把组件分得很清楚。

Playwright 是底层执行引擎，负责页面操作、元素定位、断言这些硬能力。

Playwright MCP 是 AI 的标准化工具接口，把能力封装成 browser_navigate、browser_click、browser_snapshot、browser_type 等二十多个可调用工具，适合短期探索和调试。

Playwright CLI 是执行助手，命令行驱动，快照落 YAML，截图落 PNG，Trace 落独立文件，Agent 按需读取。同等多步骤会话，可比全量灌入上下文省下好几倍 Token。

Skill 是操作手册。Markdown 技能文件，指导 Agent 学 CLI 命令与最佳实践，匹配触发场景，规定输出格式。

短探索、要同时看控制台和网络时，留着 MCP。长流程回归、要入库的 UI 用例，默认走 CLI 加 Skill。同一条用例今天走这套、明天走那套，证据格式会对不上。怎么说呢，工具没有绝对的好和坏，只有默认路径清不清楚。

装 Skill 很短。先保证本机有 CLI，再装配套手册。

第一块是 description。写清楚「用 playwright CLI 做 UI 测试、浏览器探索、录制脚本」这类触发词，Agent 才能在一堆 Skill 里选对你。写糊了，最常见症状是另起一套工具，或者手写一堆不稳定选择器。

第二块是命令手册。至少覆盖打开页面、快照、点击、填写、截图、关闭，以及 Ref 从快照读、不要把整棵 DOM 贴回对话。

第三块是交付约定。探索结束后要输出什么，是规格文件还是 PO 模式脚本，页面层和用例层怎么拆，先自验证再保存。没有交付约定，探索再漂亮也只是表演。

核心片段可以长这样，重点是触发、步骤、硬规则，别写成散文。

能力上对应四件事。用自然语言接下测试任务。按手册编排 playwright-cli。按需读取磁盘快照，而不是把整页状态灌进模型。把探索过程整理成可回归脚本。对测试人来说，这四件事合在一起才叫提效。少敲命令只是爽感，沉淀成资产才是回报。

再补一句边界。Skill 管的是「这类 UI 测试怎么做」，触发场景、步骤、输出格式。团队级语言规范、安全红线，别塞进每个 Skill，那是 AGENTS.md 的事。Skill 越干净，越容易在不同项目间复用。

链路其实很短，建议团队直接贴进 README。

你用自然语言丢任务，带上站点、账号、验收点。Agent 扫描已安装 Skill 的 description，匹配 playwright-cli。接着读取 SKILL.md，学会常用语法。再通过 Shell 执行命令，按需读磁盘上的快照 YAML。探索完成后，整理成可入库脚本，而不是只留聊天记录。

常用命令闭环长这样。

snapshot 之后，页面上的可交互元素会带着 Ref，比如 e8、e21。后面直接 playwright-cli click e8。这是结构解析，不是拿截图瞎猜。一次快照可以反复复用，比纯视觉方案稳得多。快照字段通常包含角色、名称、状态，足够支撑结构化定位。

调试用有头，能看见真实点击路径。夜间回归默认无头，进 CI 不弹窗。YAML、PNG、Trace 当失败证据，缺陷评审时拿得出东西，不用靠「当时好像是点了这个」。

下面这段 prompt，可以直接丢给 Codex。关键约束已经写死，有头模式、PO 分层、先验证再保存。把演示站换成你们自己的测试环境也行，骨架不变。

页面层负责定位和操作，改 UI 时只改这一层。

用例层只描述业务路径，不掺定位细节。登录、加购两件、进购物车、完成结算、断言成功。UI 一改只动页面层，业务路径一变只动用例层。很多人觉得 AI 生成脚本不能直接用，往往不是模型不行，是你没要求它按 PO 分层交作业。

成功标志也很明确。每步有汇报，购物车与下单成功页有断言，最终页有截图。这就是可纳入回归的 UI 自动化，而不只是「帮我点一下」。

和 Chrome 插件对照时，可以要求同一条演示链路两边都跑一遍，对比步骤和断言是否一致。对照的目的不是秀两种工具，是确认 MCP 主线真的可重复，不是靠人工记忆续命。

Skill 对测试同学的好处，不只是少敲命令。

回归更稳。  长流程状态落盘，按需读 YAML，比把完整可访问性树反复灌进模型更扛跑。十几个页面的审批流，如果每步都把整页状态灌回去，上下文很快顶满，后面的断言和失败定位全被挤掉。

资产可复用。  探索过程变成页面层、用例层、快照、截图。缺陷评审时拿得出证据，不是靠口头复述。新人丢同一段 prompt，就能复现接近的路径。自动化能力往往集中在少数测开身上，Skill 等于把隐性经验外显化。

和现有项目更好咬合。  你不必推倒重来。先在仓库建 Skill 目录，再约定页面层与用例层，把演示站这套当成模板，替换成你们自己的登录页、列表页、结算页即可。原来的 Pytest、报告、流水线都可以继续用。Skill 负责探索与生成，CI 负责无头回归。

落到日常，我建议按这个节奏嵌进去。

本周先接 Playwright MCP，跑通「打开页面、确认登录框」这条最小链路，确认工具链活着。下周装 CLI 和 Skill，把最稳的一条冒烟路径改成自然语言探索、PO 分层、自验证入库。第三周把失败截图和快照接到评审流程。再往后，才考虑把 Excel 用例到报告编排做成更大的 Skill。

如果你负责的是偏业务的功能测试，更实际的用法是，你把验收点和业务路径说清楚，测开把目录和 PO 模板建好。两边对齐一次，后面每个人都能用同一套 prompt 起跑。测开同学则可以把隐性步骤写成可扫描文件，团队不会只靠聊天记录续命。

职业价值其实很直白。会写脚本的人很多，能把「Agent + 浏览器 + 手册 + 仓库规范」焊成质量门禁的人不多。接口层、页面层、数据层以后还要继续接，页面层先跑通，至少你不会再被「接口 200，页面全挂」反复点名。

常见坑提前避一下。Skill 装了但没进扫描目录，任务完全不走 CLI。MCP 配了但没重启，列表里像没装。Ref 过期还硬点，该重新 snapshot。探索完不要求入库，聊天一关资产归零。有头窗口被带进夜间回归，CI 直接卡死。排错顺序也固定，先查网络与站点是否可开，再查 Node 与 npx，最后查 MCP 与 Skill 是否加载。

写到这里，其实就三句话。

第一句，Playwright MCP 只是点火器。真正把效率拉满的，是 MCP 能控浏览器，CLI 能把状态落盘，Skill 能把手册焊进仓库。少一层，你都会在半夜回归里重新踩坑。

第二句，别再把聊天记录当资产。探索完就要求 PO 分层、自验证、入库。页面层、用例层、截图、快照，这四样进了仓库，才叫质量门禁，不叫热闹演示。

第三句，今晚真的能动手。确认 Node，接上 MCP，装好 Skill，跑通登录加购结算，强制输出可回归脚本。五步走完，你就不再只是「会点页面的人」。

我做测试这些年，最怕的不是学不会新工具，是明明知道页面层会翻车，却还只能靠肉身当监控。这套链路不完美，我也还在摸索。但至少从接上那天起，我少被「接口全绿，页面全挂」点名了一次又一次。

如果你也在同样的坑里，把这篇当作业说明书就行。能跑通一条冒烟路径，就已经值回票价。

谢谢你看我的文章，我们，下次再见。