{"title":"Zautomatyzowane testowanie aplikacji iOS","slug":"automated-testing-ios","category":"guides","summary":"Wykorzystanie Synapse i Computer Control API do automatyzacji testów aplikacji iOS przez Simulator.","audience":["human","llm"],"tags":["guide","ios","testing","automation"],"difficulty":"advanced","updated":"2026-06-27","word_count":301,"read_minutes":2,"lang":"pl","translated":true,"requested_lang":"pl","content_markdown":"\n# Zautomatyzowane testowanie aplikacji iOS\n\nPołączenie systemu pamięci Synapse z Computer Control API pozwala budować testy\naplikacji iOS sterowane przez LLM. LLM pamięta scenariusze testowe, uczy się na\nprzeszłych błędach i dostosowuje się do zmian UI.\n\n## Architektura\n\n```\n┌──────────────┐ commands ┌──────────────┐ screenshots ┌──────────────┐\n│ LLM Agent │ ─────────────▶│ Synapse │ ────────────────▶ │ iOS Sim │\n│ (Claude) │ │ Computer │ ◀──────────────── │ (via agent) │\n└──────────────┘ │ Control │ results └──────────────┘\n │ └──────────────┘\n │ store/recall\n ▼\n┌──────────────┐\n│ Memories │ (test scenarios, past failures, UI patterns)\n└──────────────┘\n```\n\n## Wymagania wstępne\n\n- Konto Synapse i Mind Key\n- Serwer MCP Synapse skonfigurowany w Claude Desktop\n- iOS Simulator z zainstalowanym `screen-remote-agent`\n- Komputer zarejestrowany w Synapse (patrz [Computer Control API](/docs/api/computers))\n\n## Krok 1: Rejestracja komputera-symulatora\n\nNa Macu z uruchomionym iOS Simulator:\n\n```bash\n# Pobranie kodu instalacyjnego z Synapse\ncurl -X POST https://synapse.schaefer.zone/computers/install-code \\\n -H \"Authorization: Bearer YOUR_MIND_KEY\" \\\n -d '{\"computer_name\":\"ios-sim\"}'\n# → { \"install_code\": \"ic_...\" }\n\n# Uruchomienie screen-remote-agent na Macu\n# (używa kodu instalacyjnego do rejestracji)\n```\n\n## Krok 2: Zapis scenariuszy testowych w pamięci\n\nZapisanie wielokrotnego użytku scenariuszy testowych jako wspomnień:\n\n```python\nimport requests\n\ndef store_test_scenario(name, steps, app):\n requests.post(f\"{URL}/memory\",\n headers={\"Authorization\": f\"Bearer {MIND_KEY}\"},\n json={\n \"category\": \"skill\",\n \"key\": f\"test_scenario_{name}\",\n \"content\": f\"App: {app}\\nSteps:\\n\" + \"\\n\".join(steps),\n \"tags\": [\"test\", \"ios\", app],\n \"priority\": \"high\"\n })\n\nstore_test_scenario(\"login_flow\", [\n \"Launch app\",\n \"Tap email field\",\n \"Type test@example.com\",\n \"Tap password field\",\n \"Type password123\",\n \"Tap Login button\",\n \"Verify home screen appears\"\n], \"MyApp\")\n```\n\n## Krok 3: Wykonanie testu sterowane przez LLM\n\nW Claude Desktop (z skonfigurowanym MCP Synapse):\n\n```\nRun the login_flow test scenario on the iOS Simulator.\nTake a screenshot after each step and verify the expected UI.\nIf any step fails, store the failure as a memory so we can\navoid it next time.\n```\n\nClaude wykona:\n\n1. Wywoła `memory_search`, aby znaleźć wspomnienie `test_scenario_login_flow`\n2. Wywoła `computer_screenshot`, aby zobaczyć aktualny stan\n3. Wykona każdy krok przez `computer_command_queue` (kliknięcie, wpisanie)\n4. Zweryfikuje wyniki przez zrzuty ekranu\n5. Zapisze błędy jako wspomnienia `mistake`\n\n## Krok 4: Testy samonaprawiające\n\nGdy test się nie powiedzie, zapisać błąd i sposób odzyskiwania:\n\n```python\ndef store_test_failure(scenario, step, error, recovery):\n requests.post(f\"{URL}/memory\",\n headers={\"Authorization\": f\"Bearer {MIND_KEY}\"},\n json={\n \"category\": \"mistake\",\n \"key\": f\"failure_{scenario}_{step}\",\n \"content\": f\"Scenario: {scenario}\\nStep: {step}\\nError: {error}\\nRecovery: {recovery}\",\n \"tags\": [\"test\", \"failure\", \"ios\", scenario],\n \"priority\": \"high\"\n })\n\n# Przykład\nstore_test_failure(\"login_flow\", \"tap_login\",\n \"Login button not found at expected coordinates\",\n \"Button moved due to new logo. Search by accessibility label instead.\")\n```\n\nPrzy następnym uruchomieniu testu LLM przypomni sobie błąd i automatycznie\nzastosuje odzyskiwanie.\n\n## Krok 5: Śledzenie wyników testów\n\nŚledzenie uruchomień testów jako zadań:\n\n```python\ndef track_test_run(scenario, status, duration):\n requests.post(f\"{URL}/mind/task\",\n headers={\"Authorization\": f\"Bearer {MIND_KEY}\",\n \"Content-Type\": \"application/json\"},\n json={\n \"title\": f\"Test: {scenario}\",\n \"description\": f\"Status: {status}, Duration: {duration}s\",\n \"priority\": \"normal\"\n })\n```\n\n## Typowe polecenia\n\n| Akcja | Polecenie |\n|--------|---------|\n| Uruchomienie Simulator | `xcrun simctl launch booted com.example.app` |\n| Zrzut ekranu | `computer_screenshot` (przez MCP Synapse) |\n| Stuknięcie w (x,y) | `computer_command_queue {type:\"click\", payload:{x,y}}` |\n| Wpisanie tekstu | `computer_command_queue {type:\"type\", payload:{text:\"...\"}}` |\n| Wciśnięcie Home | `computer_command_queue {type:\"key\", payload:{keys:[\"Cmd\",\"Shift\",\"H\"]}}` |\n\n## Najlepsze praktyki\n\n> [!TIP]\n> - **Zapisywać współrzędne UI jako wspomnienia** — UI się zmienia, ale LLM może się ponownie nauczyć\n> - **Używać etykiet dostępności** — stabilniejsze niż współrzędne\n> - **Przechowywać dane testowe osobno** — używać zmiennych dla nazw użytkowników, haseł\n> - **Uruchamiać testy w czystym stanie** — resetować Simulator między uruchomieniami\n> - **Logować zrzuty ekranu dla błędów** — przydatne do debugowania\n\n## Następne kroki\n\n- [Testy samonaprawiające](/docs/guides/self-healing-tests)\n- [Computer Control API](/docs/api/computers)\n- [Najlepsze praktyki pamięci](/docs/guides/memory-best-practices)\n","content_html":"

Zautomatyzowane testowanie aplikacji iOS

\n

Połączenie systemu pamięci Synapse z Computer Control API pozwala budować testy\naplikacji iOS sterowane przez LLM. LLM pamięta scenariusze testowe, uczy się na\nprzeszłych błędach i dostosowuje się do zmian UI.

\n

Architektura

\n
┌──────────────┐    commands    ┌──────────────┐    screenshots    ┌──────────────┐\n│  LLM Agent   │ ─────────────▶│  Synapse     │ ────────────────▶ │  iOS Sim     │\n│  (Claude)    │               │  Computer    │ ◀──────────────── │  (via agent) │\n└──────────────┘               │  Control     │    results        └──────────────┘\n       │                       └──────────────┘\n       │ store/recall\n       ▼\n┌──────────────┐\n│  Memories    │ (test scenarios, past failures, UI patterns)\n└──────────────┘

Wymagania wstępne

\n\n

Krok 1: Rejestracja komputera-symulatora

\n

Na Macu z uruchomionym iOS Simulator:

\n
# Pobranie kodu instalacyjnego z Synapse\ncurl -X POST https://synapse.schaefer.zone/computers/install-code \\\n  -H "Authorization: Bearer YOUR_MIND_KEY" \\\n  -d '{"computer_name":"ios-sim"}'\n# → { "install_code": "ic_..." }\n\n# Uruchomienie screen-remote-agent na Macu\n# (używa kodu instalacyjnego do rejestracji)

Krok 2: Zapis scenariuszy testowych w pamięci

\n

Zapisanie wielokrotnego użytku scenariuszy testowych jako wspomnień:

\n
import requests\n\ndef store_test_scenario(name, steps, app):\n    requests.post(f"{URL}/memory",\n        headers={"Authorization": f"Bearer {MIND_KEY}"},\n        json={\n            "category": "skill",\n            "key": f"test_scenario_{name}",\n            "content": f"App: {app}\\nSteps:\\n" + "\\n".join(steps),\n            "tags": ["test", "ios", app],\n            "priority": "high"\n        })\n\nstore_test_scenario("login_flow", [\n    "Launch app",\n    "Tap email field",\n    "Type test@example.com",\n    "Tap password field",\n    "Type password123",\n    "Tap Login button",\n    "Verify home screen appears"\n], "MyApp")

Krok 3: Wykonanie testu sterowane przez LLM

\n

W Claude Desktop (z skonfigurowanym MCP Synapse):

\n
Run the login_flow test scenario on the iOS Simulator.\nTake a screenshot after each step and verify the expected UI.\nIf any step fails, store the failure as a memory so we can\navoid it next time.

Claude wykona:

\n
    \n
  1. Wywoła memory_search, aby znaleźć wspomnienie test_scenario_login_flow
    2. \n
  2. Wywoła computer_screenshot, aby zobaczyć aktualny stan
    3. \n
  3. Wykona każdy krok przez computer_command_queue (kliknięcie, wpisanie)
    4. \n
  4. Zweryfikuje wyniki przez zrzuty ekranu
    5. \n
  5. Zapisze błędy jako wspomnienia mistake
    6. \n
\n

Krok 4: Testy samonaprawiające

\n

Gdy test się nie powiedzie, zapisać błąd i sposób odzyskiwania:

\n
def store_test_failure(scenario, step, error, recovery):\n    requests.post(f"{URL}/memory",\n        headers={"Authorization": f"Bearer {MIND_KEY}"},\n        json={\n            "category": "mistake",\n            "key": f"failure_{scenario}_{step}",\n            "content": f"Scenario: {scenario}\\nStep: {step}\\nError: {error}\\nRecovery: {recovery}",\n            "tags": ["test", "failure", "ios", scenario],\n            "priority": "high"\n        })\n\n# Przykład\nstore_test_failure("login_flow", "tap_login",\n    "Login button not found at expected coordinates",\n    "Button moved due to new logo. Search by accessibility label instead.")

Przy następnym uruchomieniu testu LLM przypomni sobie błąd i automatycznie\nzastosuje odzyskiwanie.

\n

Krok 5: Śledzenie wyników testów

\n

Śledzenie uruchomień testów jako zadań:

\n
def track_test_run(scenario, status, duration):\n    requests.post(f"{URL}/mind/task",\n        headers={"Authorization": f"Bearer {MIND_KEY}",\n                 "Content-Type": "application/json"},\n        json={\n            "title": f"Test: {scenario}",\n            "description": f"Status: {status}, Duration: {duration}s",\n            "priority": "normal"\n        })

Typowe polecenia

\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n
AkcjaPolecenie
Uruchomienie Simulatorxcrun simctl launch booted com.example.app
Zrzut ekranucomputer_screenshot (przez MCP Synapse)
Stuknięcie w (x,y)computer_command_queue {type:"click", payload:{x,y}}
Wpisanie tekstucomputer_command_queue {type:"type", payload:{text:"..."}}
Wciśnięcie Homecomputer_command_queue {type:"key", payload:{keys:["Cmd","Shift","H"]}}
\n

Najlepsze praktyki

\n

Następne kroki

\n\n","urls":{"html":"/docs/guides/automated-testing-ios","text":"/docs/guides/automated-testing-ios?format=text","json":"/docs/guides/automated-testing-ios?format=json","llm":"/docs/guides/automated-testing-ios?format=llm"},"translations_available":["en","zh","hi","es","fr","ar","pt","ru","ja","de","it","ko","nl","pl","tr","sv","vi","th","id","uk"]}