Szkolenie pokazuje, jak połączyć serwer Model Context Protocol (MCP) dla Playwrighta z narzędziami AI (GitHub Copilot / Cursor) oraz najnowszymi trendami w pracy z AI – takimi jak Function Calling i Retrieval-Augmented Generation (RAG) – aby przyspieszyć zarówno manualne, jak i automatyczne testy aplikacji webowych. Dzięki praktycznym warsztatom uczestnicy nauczą się pisać testy Playwrighta z wykorzystaniem AI, generować przypadki testowe w języku naturalnym oraz świadomie oceniać ryzyka i perspektywy AI-agentów w szeroko rozumianym testowaniu.

Po ukończeniu kursu uczestnik będzie potrafił:

• zrozumieć, czym są Function Calling oraz RAG i jak przekładają się na testowanie;
• wyjaśnić rolę MCP i jego architekturę w ekosystemie Playwright;
• przeprowadzić manualną i eksploracyjną sesję testową sterowaną LLM-em;
• wygenerować i utrzymać testy Playwright (UI i API) z pomocą GitHub Copilot / Cursor;
• ocenić, kiedy AI-agent realnie skraca czas testów, a kiedy generuje ryzyko.

Zakres tematyczny

1. Wprowadzenie do najnowszych technik LLM
   podstawy LLM – jak działa ChatGPT?
   Function Calling/Tools – łączenie modelu z narzędziami
   Retrieval-Augmented Generation (RAG) – sposób na zwiększenie jakości odpowiedzi LLMa poprzez udostępnienie wewnętrznej dokumentacj
   AI Agents – przegląd koncepcji, teoria, zastosowanie.
    
2. Model Context Protocol (MCP) i Playwright
   Architektura serwera MCP
   Instalacja, konfiguracja, integracja z Playwright JS/TS
   Przegląd API: snapshoty dostępności, nawigacja, akcje na elementach
   MCP w praktyce manualnej:
   -testy eksploracyjne sterowane promptami LLM
   -generacja przypadków testowych na bazie user-stories
    
3. Automatyzacja testów z AI
   Zastosowanie Copilota/Cursora w automatyzacji testów
   Łączenie Copilota/Cursora z MCP: pipeline „prompt → kod → uruchom → napraw”
   Warsztaty praktyczne:
   -Automatyzujemy REST-API w Playwright
   -Automatyzujemy testy UI z MCP + Playwright
   -Analiza produktywności: co pisać samemu a co generować?
    
4. Ryzyka, etyka i utrzymanie
   Halucynacje modeli a stabilność/jakość testów.
   Kontrola wersji promptów i odtwarzalność sesji.
   Analiza kosztów, czy to się opłaca?
   Roadmapa rozwoju MCP i Playwright

Jak się przygotować

Aby w pełno skorzystać ze szkolenia należy przygotować:

• Laptop z zainstalowanym Node ≥ 22 LTS, Git i VS Code + Copilot lub Cursor (w zależności od stanu rozwoju tych IDE)
• Szczegółową checklistę sprzętową otrzymasz e-mailem po zapisie.

Metody nauczania

Warsztaty (≈ 65 %) + wykład (≈ 35 %). Każdy blok praktyczny kończy się retro i wymianą doświadczeń – uczestnicy zabierają do domu gotowy kod i historię promptów.

Materiały edukacyjne

• Prezentacja (PDF)
• Repozytorium Git z branchami do każdego modułu.
• Prompt-notebook (/Markdown).
• Board z dodatkowymi linkam i teorią

Korzyści

• Nowa kompetencja: sterowanie przeglądarką przez MCP – umiejętność niszowa i coraz bardziej poszukiwana.
• Automatyzacja × AI: wyraźne skrócenie czasu tworzenia testów i zwiększenie satysfakcji pracy.
• Lepsze testy eksploracyjne: AI jako asystent.
• Świadome zarządzanie ryzykiem: praktyczne checklisty, kiedy nie ufać LLM-om.
• Networking: wymiana promptów, szablonów i branchy z innymi testerami.