Chrome DevTools für AI-Agenten (MCP)
(developer.chrome.com)- Mit der Veröffentlichung der Public-Preview-Version des Chrome DevTools MCP-Servers können AI-Coding-Agenten nun die Debugging- und Performance-Funktionen von Chrome DevTools verwenden
- Bisher konnten Agenten die Ausführungsergebnisse von Code nicht prüfen, jetzt können sie jedoch echte Laufzeitdaten wie Netzwerk, Konsole, DOM und Performance-Tracing nutzen
- Mit dem DevTools MCP-Server sind verschiedene Automatisierungen möglich, darunter Code-Validierung in Echtzeit, Analyse von Netzwerk- und Konsolenfehlern, Simulation von Benutzeraktionen, Debugging von Stil- und Layoutproblemen sowie automatisierte Performance-Audits
- Entwickler können den Server direkt nutzen, indem sie ihn zur MCP-Client-Konfiguration hinzufügen, und mit Beispiel-Prompts etwa LCP prüfen oder Fehler bei Formularübermittlungen diagnostizieren
- Google plant, die MCP-Funktionen auf Basis von Community-Feedback zu erweitern
Überblick
- Google hat eine Public Preview des neuen Chrome DevTools Model Context Protocol (MCP) Servers veröffentlicht
- Dadurch wird eine Umgebung geschaffen, in der AI-Coding-Assistenten die Debugging- und Performance-Messfunktionen von Chrome DevTools direkt im Browser nutzen können
- Damit lässt sich ein zentrales Problem lösen: Coding-Agenten konnten bisher das tatsächliche Verhalten von Code, der im Browser läuft, nicht verifizieren
Einführung in das Model Context Protocol (MCP)
- Das Model Context Protocol (MCP) ist ein Open-Source-Standard, um Large Language Models (LLMs) mit externen Tools und Datenquellen zu verbinden
- Der Chrome DevTools MCP-Server nutzt diesen Standard, um sich mit AI-Agenten zu integrieren und verschiedene Werkzeuge für Web-Debugging und Performance-Tracing bereitzustellen
- Zum Beispiel kann das LLM mit dem Tool
performance_start_traceden Browser starten, Performance-Informationen sammeln, analysieren und Verbesserungsvorschläge machen - Über das MCP-Protokoll erhalten Coding-Agenten deutlich stärkere Unterstützung bei der Entwicklung von Websites und der Problemlösung
- Wie MCP im Detail funktioniert, ist in der offiziellen MCP-Dokumentation nachzulesen
Wichtige Anwendungsfälle
-
Validierung von Codeänderungen in Echtzeit
- Nachdem ein AI-Agent Code geändert hat, kann er mit Chrome DevTools MCP das Verhalten im Browser sofort überprüfen
- Beispiel-Prompt:
Verify in the browser that your change works as expected.
-
Diagnose von Netzwerk- und Konsolenfehlern
- Unterstützt automatische Diagnose wie die Analyse von Netzwerkanfragen, das Erkennen von CORS-Problemen und das Prüfen von Konsolen-Logs
- Beispiel-Prompt:
A few images on localhost:8080 are not loading. What's happening?
-
Simulation von Benutzerverhalten
- Hilft bei automatisierten Tests realer Nutzungsabläufe im Browser wie Navigation, Formularausfüllen und Button-Klicks sowie bei der Reproduktion von Bugs
- Beispiel-Prompt:
Why does submitting the form fail after entering an email address?
-
Debugging von Stil- und Layoutproblemen in Echtzeit
- Bietet automatisch detaillierte Vorschläge für DOM- und CSS-Inspektion sowie für Layoutprobleme wie Overflow
- Beispiel-Prompt:
The page on localhost:8080 looks strange and off. Check what's happening there.
-
Automatisierung von Performance-Audits
- Automatisiert Performance-Tracing im Browser und dessen Analyse
- Beispiel-Prompt:
Localhost:8080 is loading slowly. Make it load faster.
-
Eine Liste verfügbarer MCP-Tools ist in der offiziellen Tool-Referenz zu finden
Erste Schritte
-
Durch Hinzufügen der folgenden Konfiguration zum MCP-Client lässt sich der Chrome DevTools MCP-Server integrieren
{ "mcpServers": { "chrome-devtools": { "command": "npx", "args": ["chrome-devtools-mcp@latest"] } } } -
Mit einem Beispiel-Prompt lässt sich die Funktion prüfen
Please check the LCP of web.dev. -
Ausführliche Informationen und Dokumentation gibt es in der Chrome DevTools MCP-Dokumentation auf GitHub
Beteiligung und Ausbaupläne
- Google will Chrome DevTools MCP ausgehend von dieser Public Preview schrittweise weiterentwickeln
- Künftige zusätzliche Funktionen sollen auf Basis von Community-Feedback festgelegt werden
- Rückmeldungen und Beteiligung von Nutzern von AI-Coding-Tools ebenso wie von Anbietern der nächsten Generation von AI-Entwicklungstools sind ausdrücklich willkommen
- Verbesserungswünsche oder entdeckte Probleme können über GitHub Issues gemeldet werden
1 Kommentare
Ich frage mich, ob es Anwendungsfälle gibt, in denen es bessere Aspekte als Playwright hat.
Auf den ersten Blick wirkt es ehrlich gesagt etwas enttäuschend.