Playwright MCP 已经能让 AI 通过自然语言完成打开网页、点击按钮、填写表单等浏览器测试动作，甚至可借助浏览器插件复用登录态；我们的判断是：这不是“会不会用 AI 写测试”的问题，而是企业开始试探“能不能让 AI 直接接管一段测试流程”。

这是什么

Playwright 是常见的网页端自动化测试框架，原本主要靠脚本执行；MCP（Model Context Protocol，可让模型调用外部工具的接口协议）接上后，AI 可以直接听懂“去这个网址、点这个按钮、完成这几步”这样的自然语言指令，再驱动浏览器完成测试。

这次实测里，工具接在 Claude Code 上，并搭配 GLM 5.1 使用。更值得注意的是，它不只适合公开页面，还能通过浏览器插件复用已经登录的浏览器实例，这意味着企业后台、云控制台这类过去更难交给 AI 的场景，也开始进入可操作范围。

这件事的重要性不在“省了几行代码”，而在于测试门槛被往下拉了一层：会描述业务流程的人，理论上也能参与自动化测试。

行业怎么看

行业里对这类工具的兴趣很高，因为它切中了企业软件里最费时间的一段脏活：重复点击、回归验证、跨页面检查。对中小团队尤其有吸引力，过去要写脚本、调选择器、维护环境，现在可以先用自然语言把流程跑起来，再决定是否沉淀成正式用例。

但反对意见同样明确。第一，成本并不轻：只做几步操作就会消耗大量 token，这让“让大模型全天候跑完整 E2E（端到端测试）”很难算得过账。第二，它很吃模型能力，不同模型表现差距明显，便宜模型不稳，强模型又贵。第三，浏览器与插件长期运行带来的内存占用和卡顿，也会影响稳定性。

换句话说，Playwright MCP 展示的是方向：AI 正在从“帮你写测试代码”走向“直接替你执行测试”。但在预算、稳定性和安全边界没有解决前，它更适合作为测试助手，而不是测试主力。

对普通人的影响

对企业 IT：这类工具会先进入内部后台、运营系统、管理控制台等高频但重复的流程验证，帮助团队缩短回归测试时间，但短期仍要配套人工复核与权限管理。

对个人职场：会写脚本当然仍然有价值，但更稀缺的能力会变成“把业务流程准确翻译成测试步骤”，懂业务又懂工具的人会更受欢迎。

对消费市场：普通用户暂时不会直接感受到 MCP，但会间接体验到网页和 App 更新后更少出错、更快修复；前提是企业愿意为这套额外成本买单。