新闻详情

新闻详情

首页 / 资讯中心 / 详情

Expect MCP服务器配置指南:8大浏览器测试工具接入Claude Code、Cursor和Codex

发布时间:2026/11/17 11:47:42来源:尧图网络
Expect MCP服务器配置指南:8大浏览器测试工具接入Claude Code、Cursor和Codex
Expect MCP服务器配置指南8大浏览器测试工具接入Claude Code、Cursor和Codex【免费下载链接】expectExpect tests your agents code in a real browser项目地址: https://gitcode.com/gh_mirrors/expect6/expectExpect是一款让 AI 编程助手在真实浏览器中测试代码的开源工具其MCP 服务器内置 8 大浏览器测试工具可一键接入Claude Code、Cursor和Codex等主流 AI 客户端。只需一条配置命令你的 AI Agent 就能打开网页、点击表单、抓取控制台日志、审计无障碍性并测量性能指标自动发现代码中的 Bug 并协助修复。一、什么是Expect MCP服务器MCPModel Context Protocol是 AI 助手与外部工具之间的标准协议。Expect 的 MCP 服务器以stdio 传输方式运行通过 npm 包expect-cli启动基于 Playwright 驱动真实浏览器Chromium、WebKit、Firefox 三种引擎均可而不是靠截图和鼠标坐标模拟操作。它和传统自动化工具的核心区别在于无需写测试脚本Agent 直接调用工具完成打开→操作→观察→断言的完整闭环可复用本地 Cookieopen工具支持cookiestrue以真实登录用户身份测试全程留痕会话结束后自动导出录屏视频和截图到/tmp/expect-artifactsMCP 服务器的完整客户端配置示例见官方文档docs/mcp.md工具注册源码在 packages/browser/src/mcp/server.ts。二、8大浏览器测试工具一览工具用途open打开 URL支持有头模式、Cookie 同步、CDP 连接、跨浏览器引擎playwright在 Node.js 上下文执行 Playwright 代码return收集数据screenshot三种模式PNG 截图 / ARIA 无障碍树带元素 ref/ 带编号标注的截图console_logs读取控制台日志可按error、warning等类型过滤network_requests抓取网络请求自动标记 4xx/5xx 失败、重复请求、混合内容performance_metrics采集核心 Web 指标FCP、LCP、CLS、INP、TTFB 和长动画帧accessibility_audit用 axe-core IBM Equal Access 双引擎跑 WCAG 无障碍审计close关闭浏览器冲刷会话视频与截图到磁盘推荐工作流open打开页面 →screenshotsnapshot 模式获取带 ref 的无障碍树 →playwright用ref(eN)定位元素并操作 →console_logs/network_requests观察异常 →accessibility_audit和performance_metrics做质量审计 → 最后close收尾。三、一键安装步骤自动配置如果你已经通过expect-cli的 init 流程初始化过项目MCP 配置会自动写入各客户端。安装器 apps/cli/src/mcp/install-expect-mcp.ts 会为每个客户端写入正确的配置路径客户端全局配置位置项目级配置位置Claude Code~/.claude.json.mcp.jsonCodex~/.codex/config.toml.codex/config.tomlCursor~/.cursor/mcp.json.cursor/mcp.jsonCopilot~/.copilot/mcp-config.json.vscode/mcp.jsonGemini CLI~/.gemini/settings.json.gemini/settings.jsonOpenCode~/.config/opencode/opencode.jsonopencode.json支持全局所有项目生效和项目级两种作用域可多选客户端批量写入。四、手动配置方法各客户端最快写法1. Claude Code 一键命令claude mcp add --scope user expect -- npx -y expect-clilatest mcp2. Cursor / Windsurf / Roo CodeJSON 配置将以下内容粘贴到~/.cursor/mcp.json或项目下.cursor/mcp.json{ mcpServers: { expect: { command: npx, args: [-y, expect-clilatest, mcp] } } }Cursor 用户也可以走图形界面Settings→Cursor Settings→MCP→Add new global MCP server。3. OpenAI CodexTOML 配置[mcp_servers.expect] command npx args [-y, expect-clilatest, mcp] startup_timeout_sec 204. 其他客户端VS Code、Claude Desktop、Opencode、Gemini CLI、JetBrains AI Assistant、Copilot CLI 等 20 客户端的配置写法全部收录在 docs/mcp.md格式大同小异核心都是npx -y expect-clilatest mcp这一条启动命令。五、验证配置与进阶技巧✅ 快速验证在 Agent 中让它用 expect 打开本地开发页面截图并报告控制台错误。若浏览器窗口弹出且返回 ARIA 快照说明 MCP 已生效。 常用进阶参数open工具支持headedtrue— 显示浏览器窗口方便观察cookiestrue— 同步本地浏览器登录态browserwebkit/firefox— 跨引擎测试cdpws://localhost:9222/...— 连接已运行的 Chrome 实例⚠️ 常见问题启动慢/超时首次运行会下载expect-cli依赖Codex 中建议保留startup_timeout_sec 20多个浏览器会话同一时间只维护一个会话跨浏览器测试需先close再以其他引擎open结果文件playwright工具return的值会写入/tmp/expect-artifacts/playwright-results/可供后续步骤读取配置完成后你的 AI Agent 就具备了动手验证代码的能力——写完功能先跑一遍真实浏览器测试Bug 在提交前就被发现。【免费下载链接】expectExpect tests your agents code in a real browser项目地址: https://gitcode.com/gh_mirrors/expect6/expect创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/17 7:04:08

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/17 5:42:44

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/16 19:23:38

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/17 6:55:04

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/17 5:57:47

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/16 17:28:18

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉