隨著 AI 工具逐步進入軟體開發流程，測試工作也從以人工為主的執行模式，轉向人機協作的工程實務。

在實際專案中單點式的 AI 輔助（如僅用於產生測試程式碼或用例）難以形成持續效益，測試流程仍存在割裂與重複勞動，品質回饋也難以成效。

本次分享我將聚焦智慧化測試在品質內建的落地實踐，介紹如何圍繞測試流程進行最佳化：透過 AI 參與測試案例規劃與生成，並結合 Agent Skills、Playwright Agent 與 MCP，實現測試腳本自動編寫與缺陷修復，逐步形成「規劃、執行、回饋」的自動化閉環。

1. 背景與挑戰

• AI 時代的測試變革：人機協同成為破局關鍵
• 目前 QA 在 AI 工具使用上的核心痛點

2. 核心技術底座：Agent Skills + Playwright Agent + MCP 的協同架構

• Agent Skills：根據業務場景提供可重複使用智能體、包含需求理解測試案例設計等
• Playwright Agent：聚焦自動化測試執行核心，實現跨瀏覽器、跨平台的測試腳本產生、執行與結果回饋
• MCP：提供拓展能力，打通平台間隔閡

3. 工程實務：從案例生成到自動修復的全流程落地

• AI 驅動的測試案例產生：Agent Skills 基於需求文件、Jira Ticket 等工具建立測試場景
• AI 自動化測試程式碼產生：Playwright Agent 接收測試案例，自動產生標準化、可執行的自動化測試腳本
• AI 自動修復測試程式碼：測試執行後失敗，透過 AI 自修復功能調整測試腳本

聽眾收穫：

• 掌握 Agent 驅動的測試閉迴路落地方法，解決 AI 工具單點使用、流程割裂
• Agent Skills、Playwright Agent 與 MCP 的職責分割與組合範式