AIがブラウザを操作する時代へ ~ Playwright MCPを触ってみた ~

はじめに

最近、GitHub Copilot や Claude Desktop などで MCP (Model Context Protocol) という言葉を見かけるようになりました。

「最近よく聞くけど、結局MCPって何？ 」

私自身もそう思い、実際に Playwright MCP を触ってみました。

今回は、

• MCPとは何か
• なぜ注目されているのか
• Playwright MCP を使ってみた感想
• 実務ではどう活用できそうか

について紹介します。

MCPとは？

MCP（Model Context Protocol）は、AIが様々な外部ツールと連携するための共通プロトコルです。

これまではAIは文章を生成することはできても、下記のような作業はできませんでした。

• ブラウザを操作する
• GitHubのIssueを作成する
• ファイルを編集する

しかしMCPを利用することで、AIが専用ツールを利用しながら実際に操作できるようになります。

図のように、GitHub CopilotなどのAIはMCPクライアントとして動作し、Playwright MCPやGitHub MCPなどの各ツールはMCPサーバーとして動作します。

AIはMCPサーバーへ処理を依頼し、MCPサーバーは実際の操作を行った結果をAIへ返します。

つまり、MCPはAIと外部ツールをつなぐ共通インターフェースです。

MCPが無かった頃

例えば以前のAIに

「 GoogleでPlaywrightを検索して」

とお願いしても、「私はブラウザを操作できません」という回答になるだけでした。

つまり、AIは知識を持っていても実際の作業はできませんでした。

MCPを使うとどうなる？

MCPを利用すると、同じ指示でも下記の内容を実施できます。

• ブラウザを起動
• 検索
• ページ遷移
• 内容取得

つまり、「答えるAI」 から 「作業するAI」 へ進化したと感じました。

よく利用されるMCP

Playwright MCP以外にも、開発を支援する様々なMCPが公開されています。

Playwrightはブラウザ操作、GitHubはリポジトリ管理、Filesystemはファイル操作など、MCPという共通仕様があることで、AIは同じ方法で様々なツールを利用できます。

今後も様々なMCPが公開されることで、AIが活用できる業務の幅はさらに広がっていくと感じています。

Playwright MCPを触ってみた

今回は Playwright MCP を利用して、実際の業務に近い試験をAIに実行してもらいました。

試験の流れは以下の通りです。

※実際に会社の情報共有会でデモを行った内容です。

実際に触ってみて気付いたこと

Playwright MCPは自分で mcp.json に設定して利用しました。

一方で、GitHubのPR検索やリポジトリ情報の取得などは、特にGitHub MCPを追加していない状態でも利用できる機能がありました。

GitHub CopilotにはGitHubとの標準連携機能も含まれているため、どこまでが標準機能で、どこからがMCPによる機能なのかは少し分かりにくいと感じました。

今後はGitHubとの連携機能についても調べながら、標準機能とMCPの違いを理解していきたいと思います。

ブラウザ操作だけでは終わらない

最初は「ブラウザを操作できるだけ」だと思っていました。

しかし実際には、下記のように一連の流れをAIへ依頼できました。

• 画面確認
• ログ取得
• ログ解析
• Markdownレポート作成

単なるブラウザ自動操作ではなく、「試験仕様書を実行するAI」 という印象を受けました。

実務ではどう活用できそう？

例えば、

• 試験仕様書をAIへ渡す
• テストを自動実施
• ログ取得
• 結果解析
• Markdownレポート作成
• GitHub Issue作成

といった流れも十分実現できそうです。

もちろん全てをAIへ任せることは難しいですが、開発効率はかなり向上すると感じました。

MCPの限界

一方で万能ではありません。

例えば、

• MCPサーバーが無いツールは操作できない
• 承認が必要な操作もある
• 指示が曖昧だと期待通りに動かない
• 人による最終確認は必要

といった点は理解しておく必要があります。

今後試したいこと

今後は以下も触ってみたいと思っています。

• GitHub MCP
• Docker MCP
• Filesystem MCP
• Figma MCP
• 複数MCPを組み合わせた業務自動化

AI時代の開発スタイル

最近は

• AIコーディング
• Agent
• MCP

などが急速に進化しています。

さらに仕様書を起点に実装・テストまで進める 「仕様駆動開発(SDD)」 も注目されています。

今後は 「コードを書く」 だけではなく 「AIへ適切な仕様を伝える」 ことも重要なスキルになっていきそうです。

まとめ

Playwright MCP を触って感じたことは、

「AIは回答するだけの存在ではなく、実際に作業する存在になり始めている」

ということでした。

ブラウザ操作だけでなく、

• 再現性のあるE2Eテスト
• ログ解析
• テスト実施結果のレポート作成

まで実行できることに驚きました。

今後は GitHub MCP や Docker MCP なども試しながら、AIを活用した開発スタイルについて学んでいきたいと思います。