Конспект і таймкоди
0:00
MCP дає контекст, але не детермінізм
Playwright MCP дозволяє моделі бачити й керувати сторінкою, але код генерує сама LLM. Однаковий prompt може дати різні структури, locators і helpers, тому інструкції не гарантують підтримуваний результат. Модель також не здогадається дослідити network, data lifecycle або project architecture, якщо це явно не поставлено завданням і не надано відповідний контекст.
Термін
Playwright MCP
MCP server від Microsoft, який надає coding agent browser automation через structured accessibility snapshots.
3:00
Codegen і trace як контрольована відправна точка
Практичний flow: людина вручну проходить сценарій через Playwright Codegen, передає згенерований код моделі, просить рознести його по наявних page objects, запускає тест і дає trace для наступного review. Генерація відбувається малими порціями, а людина контролює data setup, reuse та фактичний user journey. Для складного enterprise flow з inventory, credit limits, third-party integrations і stateful users автономний agent без domain context не буде надійним.
Практика
Перетворити exploration на repeatable test
- Пройти короткий flow через Codegen або CLI.
- Зберегти generated draft у test file.
- Адаптувати locators і data setup до наявного project contract.
- Запустити test і переглянути trace.
- Зафіксувати, що саме AI зекономив і що вимагало manual review.
Результат: Один repeatable green test із trace та короткою оцінкою saved time.
6:30
CLI для експерименту, script для повторення
CLI економніше за довгу MCP-взаємодію для короткої перевірки. Але якщо дію треба повторювати — regression check, bug verification або scraping — краще один раз згенерувати й зберегти script. Агент, який щоразу імпровізує новий набір CLI-команд, створює різну поведінку й ускладнює debugging.
Термін
Playwright CLI
Окремий command-line interface для token-efficient browser automation by coding agents.
9:00
AI має економити час, а не множити обсяг
На момент запису автор вважає Codex за $20 економним варіантом із достатньою coding-якістю, а Claude — сильнішим для складної роботи, але з практичним обсягом використання переважно на дорожчих планах $100–200. Це субʼєктивна й швидкоплинна оцінка, а не універсальна рекомендація тарифу. Головна робоча теза: coding assistant має допомагати швидше виконувати ту саму роботу, вчитися й експериментувати, а не непомітно перетворювати виграш продуктивності на більший обсяг задач без відповідної винагороди. Якість оцінюється стабільністю тестів, зрозумілістю коду й економією інженерного часу, а не кількістю згенерованих рядків.
Що змінилося після запису
Що змінилося після запису
У відеоУ відео згадано «Codex за $20» і дорожчі плани Claude.
АктуальноСтаном на 2026-07-31 $20/month — ціна ChatGPT Plus, а не окремого Codex plan. OpenAI Pro має tiers $100/$200; Claude Pro у США — $20/month, Claude Max — $100/$200. ChatGPT subscriptions і API billing є окремими продуктами; регіональні ціни, податки й limits можуть відрізнятися.
Що змінилосяПеревірено 2026-07-31 за офіційними сторінками OpenAI та Anthropic.
11:15
Вибір cloud і local models
Порівняння провайдерів у відео субʼєктивне й привʼязане до тодішніх тарифів. Практичний критерій — якість на реальних coding tasks, доступний context window, latency та загальна вартість. Локальна модель на laptop споживає багато GPU/RAM, має менший корисний context і повільнішу відповідь; для персональної нерегулярної роботи cloud provider часто дешевший за час і hardware cost.
Джерела та додаткові матеріали