Агент меняет код, но не проходит UI-проверку: как подключить Chrome DevTools MCP и ловить ошибки до merge
Я — Denis Shokhirev, Agentic AI Systems Architect из Freiburg im Breisgau, Germany; в DennisCraft AI Studio я собираю production-grade AI-системы для DACH B2B на Claude, Supabase, n8n, Doppler и self-hosted Postgres. Самый неприятный сбой в агентной разработке происходит не тогда, когда тесты падают, а когда агент уверенно коммитит “исправление”, CI зеленый, а кнопка в браузере уезжает под modal или форма перестает отправляться после hydration. Это типичная проблема у команд, которые уже дали а
Я — Denis Shokhirev, Agentic AI Systems Architect из Freiburg im Breisgau, Germany; в DennisCraft AI Studio я собираю production-grade AI-системы для DACH B2B на Claude, Supabase, n8n, Doppler и self-hosted Postgres. Самый неприятный сбой в агентной разработке происходит не тогда, когда тесты падают, а когда агент уверенно коммитит “исправление”, CI зеленый, а кнопка в браузере уезжает под modal или форма перестает отправляться после hydration.
Это типичная проблема у команд, которые уже дали агенту право менять UI-код. Lint, unit и даже e2e через фиксированные селекторы не всегда ловят визуальный регресс, ошибки консоли и сетевые сбои, которые возникают только в реальном браузерном рантайме. Поэтому я добавляю в контур проверки Chrome DevTools MCP: агент не просто читает репозиторий, а открывает страницу, смотрит DOM, консоль, network и screenshot до merge.
Почему обычный CI пропускает то, что пользователь видит сразу
LLM-агент хорошо справляется с локальными правками: меняет React-компонент, обновляет стили, правит API-вызов, прогоняет тесты. Но браузер — это другой слой правды. Там встречаются CSS cascade, hydration mismatch, race condition в fetch, CORS, сломанные asset paths и ошибки, которые не проявляются в jsdom.
Я вижу один и тот же паттерн на реальных внедрениях: агент чинит “неработающую” форму, но одновременно ломает tabindex, aria-атрибуты или состояние disabled у кнопки. Для разработчика diff выглядит разумно. Для пользователя экран становится частично мертвым.
Это не новая мысль. OWASP ASVS 4.0 рекомендует проверять поведение приложения в рабочем контексте браузера, включая клиентские ошибки и фактическое выполнение JavaScript, а не только статический анализ кода: https://owasp.org/www-project-application-security-verification-standard/. Если ваш агент меняет интерфейс, проверка только по Git diff слишком слабая.
Что дает Chrome DevTools MCP агенту
MCP здесь важен не как “еще один инструмент”, а как интерфейс к наблюдаемому браузеру. Агент получает доступ к тем данным, которые обычно смотрит человек вручную в DevTools.
Минимальный набор сигналов
| Сигнал | Что ловит | Почему это важно до merge |
|---|---|---|
| Console errors | ReferenceError, hydration warning, CSP/CORS | Ошибки часто не ломают сборку, но ломают экран |
| Network panel | 404, 401, timeout, неверный payload | Агент видит, что UI “нажал”, но backend не ответил как ожидалось |
| DOM inspection | Отсутствующий элемент, скрытый блок, disabled state | Можно проверить фактическое состояние после рендера |
| Screenshot | Сдвиг layout, перекрытие modal, пустой контейнер | Визуальный регресс заметен без участия reviewer |
Когда я подключаю браузерную проверку к агенту, задача меняется. Он уже не заканчивает на “код сгенерирован”. Он должен доказать, что изменение работает в браузере на конкретном URL, с конкретным сценарием, без консольных ошибок и сетевых провалов.
Как встроить проверку в пайплайн без лишней магии
Практически я советую простой маршрут: агент вносит правку, запускает локальный preview, открывает страницу через MCP, исполняет короткий сценарий, собирает артефакты, и только после этого получает право открыть pull request. Не надо строить отдельную платформу вокруг этого. Достаточно дисциплины в шагах.
1. Поднимите preview среды
#!/usr/bin/env bash
set -euo pipefail
export NODE_ENV=test
export NEXT_TELEMETRY_DISABLED=1
npm ci
npm run build
npm run start &
APP_PID=$!
trap "kill $APP_PID" EXIT
sleep 10
curl -f http://127.0.0.1:3000/loginВажно, чтобы агент работал не против production, а против изолированного preview со стабильными тестовыми данными. Для Supabase я обычно использую отдельный project или локальную базу с предзаполненными учетными записями и предсказуемым state.
2. Задайте агенту явные критерии приемки
ui_checks:
url: "http://127.0.0.1:3000/login"
steps:
- wait_for: "form"
- type: { selector: "input[name=email]", text: "[email protected]" }
- type: { selector: "input[name=password]", text: "Secret123!" }
- click: { selector: "button[type=submit]" }
- wait_for: "[data-test=dashboard]"
fail_on:
- console_error
- network_status_gte: 400
- missing_selector: "[data-test=dashboard]"Ключевой момент: не просите агента “проверь UI”. Просите проверить измеримые условия. Тогда у вас появляется бинарное решение для merge.
3. Сохраняйте артефакты для reviewer
from pathlib import Path
import json
artifacts = {
"url": "http://127.0.0.1:3000/login",
"console_errors": [],
"failed_requests": [],
"screenshots": ["artifacts/login-final.png"],
}
Path("artifacts").mkdir(exist_ok=True)
with open("artifacts/report.json", "w", encoding="utf-8") as f:
json.dump(artifacts, f, ensure_ascii=False, indent=2)
print("saved artifacts/report.json")Reviewer не должен гадать, что именно видел агент. Screenshot, console log и список неуспешных запросов дают нормальную почву для решения.
Где эта схема дает максимальную отдачу
Лучше всего Chrome DevTools MCP окупается на 3 типах задач.
Формы и кабинеты
Логин, онбординг, платежные экраны, загрузка документов, CRUD-интерфейсы. Здесь агент часто правит и валидацию, и состояние кнопок, и API-вызовы. Один пропущенный 401 или сломанный disabled-state — и бизнес-процесс стоит.
Компоненты с условным рендером
Tabs, modal, drawers, table filters, infinite scroll. На diff все выглядит безобидно, а в рантайме элемент оказывается вне viewport, под overlay или не появляется из-за race condition.
Регулируемые сценарии
В DACH-контексте это особенно важно там, где интерфейс связан с consent, audit trail или отображением персональных данных. Если агент меняет экран с документами или клиентским профилем, браузерная проверка нужна не ради красоты, а ради управляемого риска.
Что еще поставить рядом с MCP
Chrome DevTools MCP не заменяет остальные слои. Я обычно оставляю стек из 4 проверок:
| Слой | Инструмент | Что ловит |
|---|---|---|
| Secrets | gitleaks | Утечки ключей и токенов |
| SAST | semgrep, bandit | Подозрительные паттерны в коде |
| Browser runtime | Chrome DevTools MCP | Консоль, DOM, сеть, визуальные сбои |
| Human review | PR review | Контекст продукта и бизнес-риск |
gitleaks detect --source . --no-banner
semgrep --config auto .
bandit -r backend/
if [ -f artifacts/report.json ]; then
cat artifacts/report.json
else
echo "missing browser artifacts" >&2
exit 1
fiAnthropic в документации по tool use прямо показывает модель работы, где модель получает инструменты, наблюдает результат и делает следующий шаг на основе внешнего состояния, а не только текста: https://docs.anthropic.com/. Для агентной разработки это базовый принцип. UI нужно не предполагать, а наблюдать.
FAQ
Нужно ли запускать браузерную проверку на каждый commit?
Нет. Я запускаю ее на ветках, где агент менял фронтенд, API-контракты или пользовательские сценарии. Для чисто серверных изменений достаточно других слоев.
Это заменяет Playwright или Cypress?
Нет. Если у вас уже есть e2e-набор, он остается. MCP полезен как глаз агента и как быстрый runtime-check до того, как человек начнет разбираться в PR.
Можно ли доверять screenshot как единственному сигналу?
Нет. Screenshot хорош для layout-регрессий, но не показывает консольные ошибки и скрытые сетевые сбои. Нужна комбинация DOM, network и console.
Что делать с flaky-проверками?
Начинайте с 1–2 критических сценариев и фиксированных тестовых данных. Большинство “нестабильности” приходит не из браузера, а из плохой тестовой среды и непредсказуемого состояния backend.
Подходит ли это для regulated рынков?
Да, если вы отделяете preview от production, логируете действия агента и храните артефакты проверки. Тогда у вас появляется нормальный audit trail по изменению UI-поведения до merge.
На каком этапе ваш агентный контур сегодня ловит больше всего проблем в проде — статический анализ, браузерный runtime или ручной review после PR? Мне правда интересно, потому что именно здесь у большинства команд скрыт основной риск.
I run a free 30-min stack audit for DACH founders building AI in regulated markets. DM me on LinkedIn or write to @ger_dennis_ai.
Такие агенты я делаю для бизнеса в Германии и ЕС.
Опишите в двух предложениях, что отнимает у команды время, — отвечу в течение суток.
Превратить процесс в систему, которая работает
Продакшн-качество, а не демо.