L’epoca del Chat-Oriented Programming, fatta di copia-incolla da ChatGPT all’IDE, sta rapidamente mostrando i suoi limiti. Sta emergendo un nuovo paradigma: l’Agentic Workflow, in cui l’AI non si limita a suggerire codice, ma pianifica, esegue, valida e ripara autonomamente i test direttamente nel nostro ambiente di sviluppo. In questo talk esploriamo come il Model Context Protocol (MCP) abiliti una nuova generazione di strumenti di qualità, trasformando Playwright da semplice libreria di automazione a piattaforma per agenti autonomi orientati al testing. Attraverso esempi concreti, analizzeremo l’architettura di tre Playwright Test Agents che collaborano in un agentic loop controllato: 🎭 The Planner Un agente che esplora l’applicazione e traduce l’intento umano in piani di test strutturati in Markdown, colmando il divario tra requisiti, PRD e strategia di test. 🎭 The Generator Un agente che converte i piani in codice eseguibile, validando selettori e asserzioni in tempo reale direttamente sull’applicazione. 🎭 The Healer Un agente di auto-riparazione che interviene sui fallimenti, analizza il DOM e corregge test instabili senza intervento umano. Il focus non è scrivere test più velocemente, ma ripensare il ruolo del QA Engineer. In questo modello il QA evolve da autore di script a orchestratore di agenti, mentre la vera fonte della verità diventa la specifica in linguaggio naturale, non il codice TypeScript. Concluderemo mostrando come configurare questi agenti tramite MCP in VS Code e come governare l’agentic loop per evitare derive, garantendo che l’AI costruisca la qualità che vogliamo, non solo quella che è in grado di generare.