Todo mundo conhece essa pessoa no time. A que passa o dia inteiro mantendo testes que quebram toda vez que alguém move um botão dois pixels para a esquerda. A que tem um arquivo de seletores CSS tão longo que precisaria do seu próprio sistema de versionamento. A que, quando você pergunta "quanto falta para os testes passarem?", responde com um sorriso que não é exatamente de felicidade.
Boas notícias: o Playwright acabou de mandar reforços. Más notícias: os reforços não são humanos.
Em algum momento de 2026, enquanto a maioria dos times ainda escrevia testes na mão como se estivéssemos em 2019, a Microsoft publicou algo dentro do Playwright que mudou as regras do jogo: agentes de IA nativos que planejam, geram e reparam testes automaticamente. Não é um plugin. Não é uma extensão de terceiros. Funcionalidade inclusa no framework, pronta para usar com um comando no terminal.
E quase ninguém ficou sabendo.
Os três mosqueteiros que ninguém convidou
Para entender o que aconteceu, você precisa conhecer os três novos integrantes do time. Três agentes de IA que vêm empacotados dentro do Playwright e que trabalham juntos num fluxo que, se você parar para pensar, é exatamente o que um QA humano faz. Só que sem pausas para café.
O primeiro é o Planner. O trabalho dele é explorar a sua aplicação e produzir um plano de testes estruturado. Ele não adivinha a partir de um arquivo estático: abre o app, navega, observa os elementos interativos e decide quais fluxos vale a pena cobrir. Você pode dar um teste semente como ponto de partida (um login, por exemplo) e ele se encarrega de mapear tudo que vem depois. O resultado é um documento Markdown legível, não um blob de JSON que só a máquina entende.
O segundo é o Generator. Pega o plano do Planner e transforma em testes de Playwright executáveis. Mas aqui vem a parte interessante: ele não gera código a partir da imaginação. Conduz um navegador real, interage com o DOM ao vivo e produz locators que efetivamente existem na página. Se o Planner disse "tem que testar o fluxo de checkout", o Generator abre o checkout, clica em cada passo e escreve o teste com seletores que funcionam. Não seletores que "deveriam funcionar na teoria".
O terceiro é o Healer. Esse é o que vai te economizar horas de vida. Quando um teste quebra (porque alguém mudou uma classe CSS, renomeou um botão ou reorganizou o layout), o Healer analisa a falha, identifica o que mudou na aplicação e atualiza o teste automaticamente. Sem tickets. Sem reuniões. Sem aquele pull request que diz "fix: atualizar seletores após o redesign".
Os três se ativam com npx playwright init-agents e funcionam com qualquer ferramenta de IA compatível com MCP: Claude Code, Cursor, GitHub Copilot, Codex. Não tem vendor lock-in. O código que geram é Playwright puro, você pode revisar, versionar e rodar no seu CI/CD como qualquer outro teste.
Ver sem olhos
Agora, se você já tentou fazer uma IA interagir com um navegador, provavelmente já sabe como essa história termina: screenshots borrados, cliques que caem onde não deviam, e um agente que insiste que "o botão de comprar" é na verdade o logo do footer.
Isso acontecia porque a IA tentava "ver" a tela como um humano. Processava capturas de tela de 2MB por interação. Lento, caro e espetacularmente pouco confiável.
O Playwright tomou outro caminho. Em vez de olhar a tela, lê o accessibility tree: a estrutura que o navegador mantém internamente com todos os elementos interativos, seus papéis, nomes e estados. É como a diferença entre tentar ler o cardápio de um restaurante pela rua, através do vidro embaçado, ou simplesmente pedir o menu.
O veículo para essa comunicação se chama MCP (Model Context Protocol). É um protocolo aberto, criado pela Anthropic, que padroniza como modelos de IA se conectam com ferramentas externas. O Playwright publica um servidor MCP oficial que expõe o navegador como um conjunto de ferramentas que qualquer LLM pode usar: browser_click, browser_navigate, browser_snapshot. O modelo pede uma foto do estado atual da página, recebe o accessibility tree (texto estruturado, leve, preciso) e decide o que fazer. Sem renderizar pixels.
Por que isso importa? Porque um agente que lê o accessibility tree identifica elementos com 80-90% de precisão em locators. Na prática, isso significa que algo que antes levava 3 a 4 horas de escrita manual se comprime em 15 a 20 minutos de geração e revisão.
A vizinhança encheu de gente
Quando a Microsoft abre uma porta dessas, a indústria entra correndo. E foi exatamente o que aconteceu.
QA Wolf construiu uma plataforma completa de "Agentic Automated Testing" sobre Playwright: você descreve um fluxo em linguagem natural e ela produz código Playwright real, não pseudocódigo nem gravações frágeis. Código que seu time pode revisar num pull request e rodar no GitHub Actions.
TestSprite foi um passo além com um loop completamente autônomo: gera testes, executa, analisa falhas, se auto-repara e volta a iterar. Em benchmarks recentes, o sistema subiu a taxa de testes que passam de 42% (com código gerado por GPT ou Claude sem contexto) para 93% depois de uma única iteração.
Bug0 aposta na acessibilidade total: qualquer pessoa pode descrever um teste em inglês simples e o sistema gera testes de Playwright baseados no accessibility tree. Sem código. Sem seletores. Sem saber o que é um DOM.
Isso deixou de ser experimento de laboratório. Segundo dados de 2026, 76% dos líderes de QA reportam que já estão usando ou pilotando geração de testes com IA nas suas organizações. Há apenas dois anos, esse número era 31%.
A conta do bar
Agora, antes de você sair correndo para substituir todo o time de QA por agentes (não faça isso), vamos falar de algo que ninguém menciona nos demos: quanto isso custa.
Seu agente pode escrever testes como um sênior com 10 anos de experiência. Também pode gastar tokens como um júnior com o cartão corporativo sem limite.
Uma análise do ecossistema Playwright em 2026 mostrou que fluxos baseados em MCP consomem aproximadamente quatro vezes mais tokens que alternativas baseadas em CLI Skills para cobertura comparável. MCP é mais poderoso (o agente raciocina sobre o estado da página em tempo real), mas cada interação é uma ida e volta com o modelo. Os tokens se acumulam.
E depois tem a armadilha do sprint. Seu time diz "a gente consegue construir isso internamente em um sprint com MCP". E não estão mentindo: a demo funciona em um sprint. O que não contam é que levar para produção leva 12 meses. Os mesmos 12 meses que sempre levou para construir infraestrutura de testing séria, só que agora com uma demo mais bonita no começo.
A decisão entre construir seu próprio sistema sobre Playwright MCP ou comprar uma plataforma tipo QA Wolf depende do mesmo de sempre: quantos engenheiros você pode dedicar a manter infraestrutura de testing. Se a resposta é "cinco ou mais", vá em frente. Se a resposta inclui a frase "a gente vai vendo", provavelmente precisa de um vendor.
Promoção, não funeral
Tem uma leitura preguiçosa de tudo isso que diz "a IA vai substituir os testers". Não é verdade. E a evidência empírica confirma: os times que adotam agentes de testing não eliminam o papel do QA, transformam.
Antes dos agentes, um tester passava a maior parte do dia fazendo trabalho mecânico: escrever seletores, manter scripts frágeis, brigar com flaky tests, atualizar locators depois de cada redesign. O conhecimento valioso (o que testar, por quê, com qual prioridade, quais combinações ninguém pensou) ficava enterrado debaixo de horas de manutenção.
Agora, os agentes cuidam da mecânica. O tester passa a ser quem decide a estratégia: quais fluxos são críticos, quais cenários edge ninguém está cobrindo, como integrar o testing no pipeline de CI/CD, o que fazer quando o agente gera um teste que tecnicamente passa mas não testa o que importa.
É uma promoção. De operador de scripts a arquiteto de qualidade.
E para quem acha que "isso ainda está verde": o Playwright já traz incluso. MCP é um padrão aberto. As ferramentas existem hoje. A curva de adoção não vai esperar seu time terminar de discutir se vale a pena investigar.
Da próxima vez que alguém te pedir para escrever um teste E2E, talvez a resposta não seja abrir o editor. Talvez seja abrir um terminal e dizer para um agente: "Explora o app e me diz o que a gente deveria estar testando".
Provavelmente a resposta vai te surpreender.
Se esse tipo de conteúdo te serve, a newsletter da macareno.net é onde chega primeiro. Sem spam, sem enrolação. Só o que vale a pena saber sobre tecnologia, ferramentas e como estão mudando a forma de trabalhar.
Fontes
- Playwright Test Agents — Playwright Documentation
- Playwright MCP — GitHub (Microsoft)
- State of Playwright AI Ecosystem in 2026 — Currents.dev
- AI in Test Automation: The Complete 2026 Guide — Shiplight AI
- QA Trends for 2026: AI, Agents, and the Future of Testing — Tricentis