Communitygithub.com

browser-qa

Utilisez cette compétence pour automatiser les tests visuels et la vérification des interactions UI via l'automatisation du navigateur après le déploiement de fonctionnalités.

Qu'est-ce que browser-qa ?

Cette compétence permet d'automatiser les tests visuels et la vérification des interactions utilisateur dans un navigateur après le déploiement de fonctionnalités. Elle est conçue pour être utilisée avec des assistants IA comme Claude Code, Codex ou Cursor, et s'appuie sur des protocoles MCP de navigation (tels que claude-in-chrome, Playwright ou Puppeteer) pour interagir avec des pages web en conditions réelles. Browser-QA guide l'IA à travers quatre phases : un test de fumée (vérification des erreurs console/réseau, Core Web Vitals), un test d'interaction (navigation, formulaires, flux d'authentification), une régression visuelle (captures d'écran multi-viewports, comparaison avec des références), et un audit d'accessibilité (axe-core, WCAG 2.2 AA). La sécurité est primordiale : par défaut, les tests sont en lecture seule pour éviter toute action destructive sur des URLs de production ; une option explicite est requise pour les parcours modifiants (paiement, suppression) sur des environnements de staging. Le résultat est un rapport structuré en Markdown avec un verdict clair (SHIP / SHIP WITH FIXES / DO NOT SHIP), facile à intégrer dans des pipelines CI/CD ou de révision de code.

Compatible avec✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/affaan-m/ECC/tree/main/skills/browser-qa

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

Documentation

Browser QA — Tests Visuels Automatisés et Interactions

Quand l'utiliser

  • Après avoir déployé une fonctionnalité sur un environnement de staging/prévisualisation
  • Lorsque vous devez vérifier le comportement de l'interface utilisateur sur plusieurs pages
  • Avant de livrer — confirmer que les mises en page, formulaires et interactions fonctionnent réellement
  • Lors de la révision de PRs qui touchent au code frontend
  • Audits d'accessibilité et tests responsives

Comment ça fonctionne

Utilise le MCP d'automatisation du navigateur (claude-in-chrome, Playwright ou Puppeteer) pour interagir avec des pages en ligne comme un véritable utilisateur.

Sécurité avant tout — périmètre d'impact (exécution en lecture seule par défaut)

Les tests QA via navigateur manipulent de véritables sessions d'authentification et parcours utilisateurs. Traitez le périmètre d'impact de manière explicite. Par défaut, restez en lecture seule : n'exécutez jamais un parcours modifiant (achat, paiement, suppression, mise à jour en masse) sur une URL de production — nécessitez une option explicite et une URL de staging/prévisualisation. Utilisez des identifiants de test préensemencés, jamais de véritables identifiants de production, et occultez les identifiants/tokens/PII avant de sauvegarder une capture d'écran.

Phase 1 : Test de fumée

1. Naviguer vers l'URL cible
2. Vérifier les erreurs console (filtrer le bruit : analytics, tiers)
3. Vérifier l'absence d'erreurs 4xx/5xx dans les requêtes réseau
4. Capture d'écran de la partie visible (above-the-fold) sur desktop + mobile viewport
5. Vérifier les Core Web Vitals : LCP < 2,5 s, CLS < 0,1, INP < 200 ms
   (INP a remplacé FID en mars 2024 ; seuils selon web.dev)

Phase 2 : Test d'interaction

1. Cliquer sur chaque lien de navigation — vérifier l'absence de liens morts
2. Soumettre des formulaires avec des données valides — vérifier l'état de succès
3. Soumettre des formulaires avec des données invalides — vérifier l'état d'erreur
4. Tester le flux d'authentification : connexion → page protégée → déconnexion (identifiants de test uniquement, jamais de prod)
5. Tester les parcours critiques (achat, onboarding, recherche)
   — en lecture seule par défaut ; n'exécutez les parcours modifiants que sur staging
     avec option explicite (voir « Sécurité avant tout » ci-dessus)

Phase 3 : Régression visuelle

1. Capture d'écran des pages clés à 3 points de rupture (375px, 768px, 1440px)
2. Comparer avec les captures de référence validées
   — pas de référence ⇒ rapport INCONCLUSIF, jamais un SUCCÈS silencieux
3. Signaler les déplacements de mise en page > 5 px, les éléments manquants, les débordements
4. Vérifier le mode sombre si applicable

Phase 4 : Accessibilité

1. Exécuter axe-core ou un équivalent sur chaque page
2. Signaler les violations WCAG 2.2 AA (contraste, étiquettes, ordre de focus)
3. Vérifier que la navigation au clavier fonctionne de bout en bout
4. Vérifier les repères pour lecteurs d'écran

Remarque : axe-core couvre automatiquement environ 30 à 40 % des critères WCAG. Un résultat propre est nécessaire, mais pas suffisant — la navigation au clavier, l'ordre de focus et un passage avec un lecteur d'écran nécessitent toujours une vérification manuelle. Ne déclarez pas « accessible » à partir d'un seul passage automatisé.

Format de sortie

## Rapport QA — [URL] — [horodatage]

### Test de fumée
- Erreurs console : 0 critique, 2 avertissements (bruit analytics)
- Réseau : tout 200/304, aucun échec
- Core Web Vitals : LCP 1,2 s ✓, CLS 0,02 ✓, INP 89 ms ✓

### Interactions
- [✓] Liens de navigation : 12/12 fonctionnels
- [✗] Formulaire de contact : état d'erreur manquant pour email invalide
- [✓] Flux d'authentification : connexion/déconnexion fonctionnel

### Visuel
- [✗] Section hero déborde sur le viewport 375px
- [✓] Mode sombre : toutes les pages cohérentes

### Accessibilité
- 2 violations AA : texte alternatif manquant sur l'image hero, contraste faible sur les liens de pied de page

### Verdict : LIVRER AVEC CORRECTIONS (2 problèmes, 0 bloquants)
# verdict ∈ LIVRER / LIVRER AVEC CORRECTIONS / NE PAS LIVRER ; utiliser INCONCLUSIF si aucune référence visuelle

Intégration

Fonctionne avec tout MCP de navigateur :

  • Outils mChild__claude-in-chrome__* (recommandé — utilise votre Chrome réel)
  • Playwright via mcp__browserbase__*
  • Scripts Puppeteer directs

Associez avec /canary-watch pour la surveillance post-déploiement.

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

accessibility

Design, implement, and audit inclusive digital products using WCAG 2.2 Level AA. Use when building or auditing UI that must meet WCAG 2.2 Level AA, or when reviewing a change for keyboard, contrast, or screen-reader support.

affaan-m/content-engine

Create platform-native content systems for X, LinkedIn, TikTok, YouTube, newsletters, and repurposed multi-platform campaigns. Use when the user wants social posts, threads, scripts, content calendars, or one source asset adapted cleanly across platforms.

affaan-m/ECC

Multi-platform content distribution across X, LinkedIn, Threads, and Bluesky. Adapts content per platform using content-engine patterns. Never posts identical content cross-platform. Use when the user wants to distribute content across social platforms.

affaan-m/fal-ai-media

Unified media generation via fal.ai MCP — image, video, and audio. Covers text-to-image (Nano Banana), text/image-to-video (Seedance, Kling, Veo 3), text-to-speech (CSM-1B), and video-to-audio (ThinkSound). Use when the user wants to generate images, videos, or audio with AI.

affaan-m/manim-video

日本語翻訳:このファイルは manim-video 用の日本語翻訳が必要です

affaan-m/remotion-video-creation

Remotion のベストプラクティス - React で動画を作成する。3D、アニメーション、音声、字幕、チャート、トランジションなどをカバーするドメイン固有の29のルール。

affaan-m/video-editing

AI-assisted video editing workflows for cutting, structuring, and augmenting real footage. Covers the full pipeline from raw capture through FFmpeg, Remotion, ElevenLabs, fal.ai, and final polish in Descript or CapCut. Use when the user wants to edit video, cut footage, create vlogs, or build video content.

agent-architecture-audit

Full-stack diagnostic for agent and LLM applications. Audits the 12-layer agent stack for wrapper regression, memory pollution, tool discipline failures, hidden repair loops, and rendering corruption. Produces severity-ranked findings with code-first fixes. Essential for developers building agent applications, autonomous loops, or any LLM-powered feature. Use when an agent or LLM feature misbehaves and the failing layer is unknown, or before shipping an agent stack.

agent-eval

Head-to-head comparison of coding agents (Claude Code, Aider, Codex, etc.) on custom tasks with pass rate, cost, time, and consistency metrics. Use when choosing between coding agents, or when a change to an agent setup needs measured pass rate, cost, and time rather than an impression.

agent-harness-construction

Design and optimize AI agent action spaces, tool definitions, and observation formatting for higher completion rates. Use when defining or revising an agent

agentic-engineering

Operate as an agentic engineer using eval-first execution, decomposition, and cost-aware model routing. Use when planning or executing engineering work that agents will carry out end to end.

agentic-os

Build persistent multi-agent operating systems on Claude Code. Covers kernel architecture, specialist agents, slash commands, file-based memory, scheduled automation, and state management without external databases. Use when building a persistent multi-agent system on Claude Code with its own memory, commands, and scheduling.

agent-introspection-debugging

Structured self-debugging workflow for AI agent failures using capture, diagnosis, contained recovery, and introspection reports. Use when an agent run fails and you need a reproducible diagnosis instead of a retry.

agent-payment-x402

Add x402 payment execution to AI agents with per-task budgets, spending controls, and non-custodial wallets. Supports Base through agentwallet-sdk and X Layer through OKX Payments / OKX Agent Payments Protocol. Use when an agent must pay for something itself and needs per-task budgets, spending controls, and a non-custodial wallet.

agent-self-evaluation

Use after completing any non-trivial task. The agent self-rates its output on 5 axes — accuracy, completeness, clarity, actionability, conciseness — with concrete evidence per criterion. Produces a structured 1-5 scorecard with specific improvement suggestions.

agent-sort

Build an evidence-backed ECC install plan for a specific repo by sorting skills, commands, rules, hooks, and extras into DAILY vs LIBRARY buckets using parallel repo-aware review passes. Use when ECC should be trimmed to what a project actually needs instead of loading the full bundle.

ai-first-engineering

Engineering operating model for teams where AI agents generate a large share of implementation output. Use when setting team process, review gates, or ownership rules for a codebase largely written by agents.

ai-regression-testing

Regression testing strategies for AI-assisted development. Sandbox-mode API testing without database dependencies, automated bug-check workflows, and patterns to catch AI blind spots where the same model writes and reviews code. Use when adding regression coverage to AI-assisted code, or when the same model both wrote and reviewed a change.

android-clean-architecture

Clean Architecture patterns for Android and Kotlin Multiplatform projects — module structure, dependency rules, UseCases, Repositories, and data layer patterns. Use when structuring modules, layers, or data flow in an Android or KMP project.

angular-developer

Generates Angular code and provides architectural guidance. Trigger when creating projects, components, or services, or for best practices on reactivity (signals, linkedSignal, resource), forms, dependency injection, routing, SSR, accessibility (ARIA), animations, styling (component styles, Tailwind CSS), testing, or CLI tooling.

Skills associés