Automatyzacja testów z Playwright MCP i AI

Automatyzacja testów z Playwright, MCP i AI to praktyczne szkolenie techniczne dla osób, które chcą rozwijać automatyzację testów w oparciu o Playwright, narzędzia AI, GitHub Copilot, Claude Code oraz Model Context Protocol.

Szkolenie jest dla Ciebie, jeśli pracujesz z automatyzacją testów, znasz podstawy Playwright lub chcesz lepiej zrozumieć, jak nowoczesne narzędzia AI mogą wspierać tworzenie, analizę, refaktoryzację i utrzymanie kodu testowego.

W ramach szkolenia skupiamy się na praktycznym wykorzystaniu AI w automatyzacji testów. Nie jest to ogólne szkolenie o sztucznej inteligencji ani podstawowy kurs Playwrighta. To szkolenie pokazujące, jak korzystać z Playwright razem z GitHub Copilot Agent Mode, Claude Code, MCP oraz podejściem agentowym w codziennej pracy testera automatyzującego.

Celem szkolenia jest pokazanie, jak świadomie wykorzystywać AI w pracy z testami automatycznymi – nie tylko do generowania kodu, ale również do lepszego rozumienia kontekstu, ograniczeń modeli, tokenów, MCP, CLI oraz ryzyk związanych z pracą agentów AI.

To szkolenie nie koncentruje się wyłącznie na narzędziach. Skupiamy się na tym, kiedy GitHub Copilot, Claude Code, Playwright MCP, CLI i agenci AI realnie wspierają automatyzację testów, a kiedy mogą skomplikować proces, zwiększyć narzut pracy lub wygenerować rozwiązania wymagające dodatkowej kontroli.

Naszym priorytetem jest efekt – czyli praktyczna wiedza, którą można wykorzystać w realnym projekcie testowym. Dlatego szkolenie prowadzone jest w formule techniczno-praktycznej, z przykładami, konfiguracją środowiska, analizą działania narzędzi oraz warsztatem praktycznym.

Szkolenie trwa 2 dni, po 7 godzin każdego dnia. Dzięki temu uczestnicy mają czas nie tylko poznać Playwright MCP, GitHub Copilot Agent Mode, Claude Code i podejście agentowe, ale również przećwiczyć ich zastosowanie w praktyce i lepiej zrozumieć, jak wdrożyć takie rozwiązania w codziennej pracy nad automatyzacją testów.

Szczegóły dotyczące formy szkolenia – online lub stacjonarnie, godziny rozpoczęcia oraz konkretnej daty – znajdziesz przy dedykowanym terminie szkoleniowym.

W przypadku szkolenia online spotkanie jest nagrywane, a uczestnicy otrzymają bezpłatny dostęp do nagrania na minimum 60 dni. Dzięki temu będzie można wrócić do omawianych zagadnień, utrwalić materiał i ponownie przeanalizować przykłady związane z Playwright, MCP, GitHub Copilot, Claude Code oraz agentami AI.

Dla kogo jest to szkolenie?

Szkolenie jest przeznaczone dla:

• testerów automatyzujących
• QA Automation Engineerów
• Software Development Engineer in Test
• testerów pracujących z Playwright
• osób, które chcą wykorzystywać AI w automatyzacji testów
• osób zainteresowanych Model Context Protocol w kontekście testów
• osób pracujących z GitHub Copilot, Claude Code, Cursor lub Windsurf
• liderów technicznych QA, którzy chcą zrozumieć potencjał MCP i agentów AI
• zespołów, które chcą uporządkować sposób wykorzystania AI w automatyzacji testów

Co zyskasz dzięki szkoleniu?

Po szkoleniu będziesz potrafić wykorzystywać Playwright, MCP i AI, aby:

• lepiej rozumieć, jak AI może wspierać automatyzację testów
• wykorzystywać GitHub Copilot Agent Mode w pracy z Playwright
• korzystać z Claude Code jako terminalowego asystenta AI
• zrozumieć podstawy Model Context Protocol
• skonfigurować i wykorzystać @playwright/mcp
• świadomie porównywać podejście MCP i CLI
• rozumieć wpływ tokenów oraz okna kontekstowego na pracę z AI
• oceniać, kiedy MCP realnie pomaga, a kiedy komplikuje proces
• wykorzystywać AI do generowania i refaktoryzacji kodu testowego
• lepiej kontrolować pracę agentów AI
• rozumieć ograniczenia agentów, pętle wykonania i ryzyka automatyzacji
• poznać podejście Playwright Test Agents
• wdrożyć dobre praktyki pracy z AI w automatyzacji testów
• przećwiczyć praktyczne scenariusze użycia Playwright, MCP i AI, które można przenieść do realnego projektu

Agenda

Szkolenie trwa 2 dni, po 7 godzin szkoleniowych każdego dnia.

W trakcie szkolenia nie skupiamy się wyłącznie na teorii. Duży nacisk kładziemy na praktykę, konfigurację środowiska, pracę z narzędziami oraz zadania warsztatowe, tak aby uczestnicy po szkoleniu potrafili realnie wykorzystać Playwright, MCP i AI w swoim projekcie.

Poszczególne obszary zostaną omówione technicznie i praktycznie. Celem szkolenia jest nie tylko pokazanie, jak uruchomić narzędzia, ale również kiedy warto ich używać, jakie mają ograniczenia i jak zachować kontrolę nad rezultatami generowanymi przez AI.

Podstawy Playwright – szybkie przypomnienie

• przypomnienie najważniejszych elementów Playwright
• zaawansowane lokalizatory
• podejście accessibility-first
• izolacja kontekstów
• zarządzanie stanem uwierzytelnienia
• wykorzystanie Trace Viewer
• elementy Playwright istotne przy pracy z AI i MCP

Jak działają LLM – teoria potrzebna do zrozumienia MCP

• czym są modele językowe w kontekście pracy z kodem i testami
• tokenizacja
• ograniczenia okna kontekstowego
• probabilistyczny charakter działania LLM
• dlaczego kontekst ma znaczenie przy pracy z AI
• semantyczne drzewo dostępności
• różnica między podejściem opartym o strukturę strony a modelami wizyjnymi

GitHub Copilot i Agent Mode w Playwright

• wykorzystanie GitHub Copilot w pracy z testami Playwright
• praca w trybie Agent Mode w VS Code
• techniki promptowania kontekstowego
• generowanie kodu testowego
• refaktoryzacja kodu testowego
• wykorzystanie kontekstu projektu przy pracy z Copilotem
• ograniczenia pracy z agentem AI przy testach automatycznych

Claude Code jako terminalowy asystent AI dla Playwright

• czym jest Claude Code
• architektura pracy z Claude Code
• wykorzystanie Claude Code jako asystenta terminalowego
• automatyzacja bezpośrednio z poziomu CLI
• wykorzystanie Claude Code przy pracy z Playwright
• integracja Claude Code z MCP
• konfiguracja dedykowanych bibliotek umiejętności, czyli skills

Model Context Protocol – standard i architektura

• czym jest Model Context Protocol
• po co MCP w pracy z narzędziami AI
• architektura klient-host
• standard komunikacji JSON-RPC
• sposób komunikacji narzędzi z modelem AI
• rola MCP w automatyzacji testów
• kiedy MCP może dawać wartość przy pracy z Playwright

Komponenty i narzędzia Playwright MCP

• czym jest oficjalny pakiet @playwright/mcp
• narzędzia, czyli tools
• zasoby, czyli resources
• szablony promptów, czyli prompts
• jak Playwright MCP udostępnia możliwości Playwrighta dla narzędzi AI
• jak AI może korzystać z informacji o stronie i stanie aplikacji
• ograniczenia pracy z Playwright MCP

Wdrożenie i konfiguracja Playwright MCP

• instalacja serwera @playwright/mcp
• konfiguracja lokalnego środowiska
• integracja z Claude Desktop
• integracja z Cursor
• integracja z Windsurf
• parametry profilu sesji
• plik konfiguracyjny
• weryfikacja poprawności konfiguracji środowiska

Playwright CLI i ewolucja asystentów kodujących

• rola @playwright/cli
• różnice między klasycznym podejściem CLI a pracą z agentami AI
• zapisywanie stanu na dysku
• zapisywanie stanu w kontekście modelu
• instalacja skilli agenta
• jak zmienia się praca testera automatyzującego przy wykorzystaniu AI

MCP vs CLI – analiza tokenów i kosztu kontekstu

• porównanie podejścia MCP i CLI
• narzut schematów w MCP
• akumulacja stanu strony w oknie kontekstowym
• wpływ podejścia na zużycie budżetu tokenów
• ekonomiczna analiza pracy z MCP
• kiedy MCP może być kosztowne kontekstowo
• kiedy prostsze podejście CLI może być bardziej efektywne

Kryteria wyboru i dobre praktyki pracy z MCP

• kiedy warto stosować MCP
• kiedy lepiej unikać MCP
• typowe antywzorce
• przeciwdziałanie pętlom nieskończonym
• limity wykonania
• ograniczenia w CI/CD
• kontrola działań agenta AI
• walidacja efektów pracy AI
• dobre praktyki bezpiecznej pracy z MCP

Zaawansowane zastosowania – Playwright Test Agents

• czym są Playwright Test Agents
• autonomiczne pętle agentowe
• rola agenta typu Planner
• rola agenta typu Generator
• rola agenta typu Healer
• orkiestracja wieloagentowa
• możliwości i ograniczenia podejścia agentowego
• praktyczne zastosowania agentów w automatyzacji testów

Warsztat praktyczny

• praktyczne zadania z wykorzystaniem omawianych narzędzi
• praca z Playwright
• praca z GitHub Copilot Agent Mode
• praca z Claude Code
• konfiguracja i wykorzystanie Playwright MCP
• porównanie podejścia MCP i CLI
• analiza działania narzędzi w praktyce
• weryfikacja wygenerowanych rezultatów
• omówienie problemów i ograniczeń

Podsumowanie szkolenia

• omówienie najważniejszych wniosków
• kiedy stosować Playwright MCP
• kiedy korzystać z CLI
• kiedy używać GitHub Copilot Agent Mode
• kiedy używać Claude Code
• jak oceniać sens wykorzystania agentów AI w projekcie
• dobre praktyki dalszej pracy
• zakończenie szkolenia
• sekcja finalnego Q&A

Co będziesz umieć po szkoleniu?

Po szkoleniu będziesz potrafić:

• świadomie wykorzystywać AI w automatyzacji testów z Playwright
• pracować z GitHub Copilot Agent Mode w kontekście testów automatycznych
• korzystać z Claude Code jako wsparcia w pracy z kodem testów
• rozumieć podstawy Model Context Protocol
• konfigurować i wykorzystywać Playwright MCP
• rozróżniać, kiedy warto użyć MCP, a kiedy prostszego podejścia CLI
• analizować wpływ tokenów i okna kontekstowego na pracę z AI
• rozumieć ograniczenia pracy z agentami AI
• stosować dobre praktyki pracy z MCP i narzędziami AI
• oceniać koszty, ryzyka i wartość wykorzystania AI w automatyzacji testów
• wykorzystywać podejście agentowe w pracy z Playwright
• lepiej kontrolować i walidować rezultaty generowane przez AI

Przed szkoleniem konieczne jest:

• posiadanie własnego konta w wybranym narzędziu AI, np. ChatGPT, Claude, Gemini, Microsoft Copilot lub innym podobnym rozwiązaniu
• dostęp do przeglądarki internetowej
• zainstalowane środowisko Node.js
• podstawowa znajomość JavaScript lub TypeScript
• podstawowa znajomość Playwright
• możliwość pracy z edytorem kodu, np. Visual Studio Code, Cursor lub Windsurf
• możliwość korzystania z narzędzi wspierających pracę z kodem, np. GitHub Copilot, Claude Code, Cursor AI, Codex lub Windsurf
• możliwość pracy z edytorem kodu, np. Visual Studio Code
• możliwość instalacji wymaganych narzędzi i pakietów na komputerze
• podstawowa znajomość pracy z terminalem

Szkolenie ma charakter techniczny. Nie jest wymagane eksperckie doświadczenie w Playwright z JS/TS, ale uczestnik powinien znać podstawy automatyzacji testów i swobodnie pracować z kodem testów.

Nie widzisz odpowiedniego dla siebie terminu?

Chcesz, abyśmy zorganizowali dedykowane spotkanie dla Twojej organizacji?

Skontaktuj się z nami na szkolenia@dlatesterow.pl lub poprzez zakładkę kontakt.