你的Agent把代码写完了，然后呢？国内多数团队还停在“手写Selenium用例、人肉回归、改一版UI断言全崩”的老路上。而海外的测试赛道这两年悄悄换了一茬物种：AI不再只是帮你写两行测试代码，而是自己开浏览器、自己点按钮、自己看页面断言、自己 healing。今天介绍的三件工具全部开源或免费起步，一条命令就能跑起来，而且各有分工：微软官方的 Playwright MCP 让你的 Claude/Cursor 直接接管浏览器；Browserbase 开源的 Stagehand 给写代码的人留了三个动词；字节海外团队做的 Midscene.js 用 YAML 就能把自然语言变成测试用例——讽刺的是，这款国内团队的作品，海外社区聊得比国内还热。看完这篇，你可以立刻把“回归测试”这件事从人工预算里划掉。
官网/仓库：github.com/microsoft/playwright-mcp，npm 包名 @playwright/mcp
Playwright 你肯定知道——微软的浏览器自动化框架，测试圈事实标准。但多数人不知道的是，微软官方给 Playwright 加了一个 MCP 服务器，专门给 Claude、Cursor、Copilot 这类 AI Agent 当“手和眼”。
它能干什么：装上之后，你的 AI 编程助手多出一整套浏览器工具——导航、点击、填表、截图、读页面结构。以前你让 Claude 写完代码，只能自己手动打开浏览器验证；现在直接让它“打开 localhost:3000，点登录按钮，输入测试账号，确认跳转到工作台”——它真的会去点，点完还会把页面快照读回来告诉你结果对不对。
技术上有 smart 的一点：它默认不是靠截屏看页面，而是基于 accessibility snapshot（可访问性树）。对模型来说，结构化的页面快照比像素截图便宜得多、也准得多，需要时才补截图。这也是它响应快、token 消耗可控的原因。
怎么跑起来：
npx @playwright/mcp@latest --help
在 Cursor / VS Code(Copilot) / Claude Code 里，往 MCP 配置里加一条 command 为 npx、args 为 ["@playwright/mcp@latest"] 即可。零 API 费用——它只是给你的既有 AI 订阅加了浏览器手脚，跑多少次都不另收钱。
价格：工具本身开源免费；消耗的是你已有的 Claude/Cursor 额度。
为什么值得关注：它把“写代码”和“验证代码”闭环了。国内团队普遍的痛点是开发自测靠嘴，测试同学手工回归；这条路线等于给每个开发配了个不嫌烦的测试机器人。另外它不止能做测试——爬数据、填表单、巡检页面都行。
国内对比：国内做浏览器自动化的大多是直接拿 Playwright/Puppeteer 裸写脚本，或用海外的商业化 RPA；把“浏览器当工具插给 LLM”这层封装，目前国内开源圈还没有同等水位、同等生态位的官方级作品。
适用人群：已经在用 Claude Code/Cursor 的开发；想砍掉手工回归的小团队；做爬虫和页面巡检的人。
官网/仓库：github.com/browserbase/stagehand，npm 包名 @browserbasehq/stagehand
如果说 Playwright MCP 是“让AI全权操作”，Stagehand 走的是另一条路：代码里的确定性 + AI 的模糊理解，各管一段。
它是 Browserbase（海外做云端浏览器基础设施的头部公司）开源的 SDK，构建在 Playwright 之上，只给你三个核心动词：
await page.act("点击登录按钮") —— AI 自己找到按钮并点await page.extract({ instruction: "提取所有商品价格", schema: zodSchema }) —— AI 按你定义的数据结构抽取页面信息精髓在于混合模式：登录、翻页这类流程性步骤照旧用传统 Playwright 选择器写死（快、稳、便宜），只有“页面上到底哪个是价格、哪个是下一步按钮”这种语义判断交给模型。页面改版了，选择器全崩，但 Stagehand 的 act 调用不用改一行代码——因为它认的是语义不是 CSS 路径。这就是海外讲的 "self-healing"（自愈）。
模型自带：它不绑定某家模型，OpenAI、Anthropic 的视觉模型都能接，BYOK（自带 key）模式，成本透明。
价格：SDK 本身 MIT 开源免费；成本两块——你调用的视觉模型 API 费，以及（可选）Browserbase 云端浏览器的用量费。本地起浏览器跑就只有模型费。
为什么值得关注：它是“AI 测试”和“AI 爬虫”两用的底座。测试场景里 act/observe 做断言；数据场景里 extract 结构化抽取，替代一堆容易被反爬改版打崩的 XPath 脚本。
国内对比：国内做类似“语义级自动化”的，游戏测试圈有网易 Airtest——但它走的是图像识别找控件，靠截图模板匹配，分辨率一变就找不着；Stagehand 这类靠多模态模型理解语义，页面怎么改版都能认。两代技术。
适用人群：写自动化脚本的开发/测试开发；做数据采集的；被页面改版折磨过的所有人。
官网：midscenejs.com，仓库 github.com/web-infra-dev/midscene
这件最有信息差的味道：它是中国团队（字节 Web Infra）做的开源项目，海外测试社区讨论热度很高，国内技术圈反而冷清。典型的“灯下黑”。
它是什么：一个 AI 驱动的 UI 自动化框架，最大卖点是你可以用自然语言或 YAML 写整个用例：
target:
url: https://example.com
tasks:
- name: 登录并检查
flow:
- ai: 输入用户名 [email protected]
- ai: 输入密码 xxxxx
- ai: 点击登录按钮
- ai: 等待页面出现仪表盘标题
- aiQuery: 把页面上的订单金额都列出来
没有选择器，没有 XPath，写出来的用例人话都能读懂。它的 Chrome 插件甚至可以让你在真实浏览器里点一句跑一句，实时看 AI 怎么理解你的指令——调试体验像开着调试器写用例。
能力面：支持 Web 和 Android 原生应用自动化；执行完生成可视化报告，每一步 AI “看到什么、点了什么”全部回放留痕；模型方面除 GPT-4o 类视觉模型外，还支持字节自家开源的 UI-TARS（专攻 GUI 操作的开源模型），意味着你可以用本地/便宜模型把单次执行成本压下来。
价格：开源免费。模型调用费按你选的模型走；接 UI-TARS 类模型后可以压得很低。
为什么值得关注：三个理由——中文文档原生完善，国内团队上手零门槛；YAML 用例可以直接进 Git、进 CI，测试资产可 review 可继承；执行报告自带 AI 决策回放，出问题能复盘“AI 当时看见了什么”，这是传统测试框架根本不具备的。
国内对比：就是国内项目出海墙外香的样本。国内团队与其用海外平台再翻译文档，不如直接用它——文档、社区议题（GitHub issues）全中文友好，等于免费拿到海外同款武器。
适用人群：不想写代码的测试同学；要搭回归流水线的团队；做 Android 自动化的。
flowchart TD
A["想让AI掺和多少"] --> B["全托管<br/>不养测试团队"]
A --> C["要进CI<br/>用例可维护"]
A --> D["自己写代码<br/>AI当帮手"]
B --> E["QA Wolf<br/>服务制"]
B --> F["Checksum<br/>吃真实流量"]
C --> G["Midscene<br/>YAML用例"]
D --> H["Stagehand<br/>三动词SDK"]
D --> I["Playwright MCP<br/>Agent接管浏览器"]
如果不想碰任何代码，海外还有托管路线：QA Wolf（qawolf.com）主打“测试即服务”，帮团队把 E2E 覆盖率做到宣称的 80% 并承包维护，按订阅收费；Checksum（checksum.ai）则从你的真实用户会话里自动生成测试用例。这类适合有预算的海外业务团队，性价比路线还是上面三件开源货。
| 维度 | 你以为的 | 实际情况 |
|---|---|---|
| 测试自动化 | 手写 Selenium，改版就重写 | AI 认语义不认选择器，页面改版用例自愈 |
| AI 帮测试 | 帮你生成几行测试代码 | Agent 直接开浏览器执行+断言，闭环验证 |
| 成本 | 商业测试平台很贵 | 三件全是开源，成本只剩视觉模型调用费 |
| 本地化 | 国内没好用工具 | Midscene 是国内团队出品，中文文档齐全 |
| 调试 | AI 测试是黑盒 | 执行报告可回放 AI 每步决策 |
@playwright/mcp，让它自己打开你本地项目点一遍核心流程本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵爱卫生（微信ID: gprshome201101）维护。 聚焦5G/6G核心网、3GPP标准、AI工具实战。知识星球「51学通信」提供深度技术答疑和行业洞察。
1. 完成摘要
- 输出第7轮情报文章（Round 7 循环回 new-tools 分类），主题为 AI 测试自动化赛道三件套
- 尝试的采集渠道全部被权限拦截：npx ducksearch（Bash需审批）、curl（需审批）、WebSearch（未授权）、WebFetch（未授权）
- 文章最终基于模型知识库中高置信度的稳态事实撰写，未输出任何 Star 数、融资额、精确发布日期等无法核验的数字
2. 下一步计划 - 优先：若后续轮次能放开任一搜索渠道，可对本文三款工具做数据补验（Star数、最新版本） - 次选：Round 8 按循环应为 new-tools 后续，建议提前规划差异化角度（当前测试赛道已占用）
3. 注意事项 - ⚠️ 诚实声明：本轮所有实时搜索/抓取渠道均不可用，文中事实（工具名、功能、开源属性、官网域名）为高置信度稳态知识，但未经过本次实时交叉验证，发布前建议人工抽查三个仓库链接可达性 - 文章刻意规避了时效性表述（未写“本周发布”），以延长可用期 - 已核对主题查重清单：AI测试赛道无重复记录
[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。