webtest-agent · AI 网页测试智能体
基于 LLM 决策 + 无头浏览器执行 的端到端网页测试系统。用自然语言描述测试目标，AI 自动打开页面、逐步操作、断言验证、生成带截图的测试报告。
架构
┌─────────────────────────────────────────────┐
│ HTTP API (Flask) │
│ POST /api/tasks → 发起测试 │
│ GET /api/tasks → 任务列表/状态 │
│ GET /api/tasks/<id>/report → HTML 报告 │
├─────────────────────────────────────────────┤
│ Agent 循环（每任务一线程） │
│ LLM(火山引擎 doubao) 决策下一步动作 │
│ agent-browser CLI 执行（无头 Chrome） │
│ 断言器 + 截图留证 + 报告生成 │
└─────────────────────────────────────────────┘
快速开始
./start.sh # 启动（默认 16051 端口）
./start.sh stop # 停止
API 用法
# 发起测试
curl -X POST http://localhost:16051/api/tasks \
-H "Content-Type: application/json" \
-d '{"url":"https://example.com","goal":"验证标题包含 Example Domain，点击 Learn more 验证跳转","max_steps":12}'
# 查看任务
curl http://localhost:16051/api/tasks/<task_id>
# 查看报告
curl http://localhost:16051/api/tasks/<task_id>/report
# 停止任务
curl -X POST http://localhost:16051/api/tasks/<task_id>/stop
AI 动作协议
LLM 每步输出一个 JSON 动作，由 agent-browser 执行：
| 动作 | 说明 |
|---|---|
click |
点击元素（@e1 或 text:按钮文字） |
fill |
输入框填值 |
select |
下拉框选择 |
press |
按键（Enter/Tab 等） |
wait |
等待（毫秒 / text:xx / url:xx） |
scroll |
滚动页面 |
assert |
断言（text/url/title/element，PASS/FAIL） |
screenshot |
截图留证 |
done / fail |
结束任务并总结 |
关键特性
- 自然语言驱动：测试目标直接用中文描述
- 自我修复：元素找不到时 LLM 自动换定位策略重试
- 断言验证：文本/URL/标题/元素存在性，输出 PASS/FAIL
- 证据留存：关键步骤自动截图，HTML 报告内嵌展示
- 并发控制：默认最多 2 个任务并发（
config.py可调）
配置
见 config.py：LLM 端点/模型、最大步数、超时、并发数均可通过环境变量覆盖。
依赖
- Python 3.10+（Flask 3.0）
- agent-browser CLI（node 安装）：
npm install -g agent-browser - 无头 Chrome（agent-browser install 自动安装）