# Automatisiertes iOS-App-Testing

Kombiniere Synapses Memory-System mit der Computer-Control-API, um LLM-gesteuerte
iOS-App-Tests zu bauen. Das LLM erinnert sich an Test-Szenarien, lernt aus
vergangenen Fehlern und passt sich an UI-Änderungen an.

## Architektur

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

## Voraussetzungen

- Synapse-Konto + Mind Key
- Synapse-MCP-Server in Claude Desktop konfiguriert
- iOS-Simulator mit installiertem `screen-remote-agent`
- Rechner in Synapse registriert (siehe [Computer-Control-API](/docs/api/computers))

## Schritt 1: Simulator-Rechner registrieren

Auf dem Mac, der den iOS-Simulator ausführt:

```bash
# Get install code from Synapse
curl -X POST https://synapse.schaefer.zone/computers/install-code \
  -H "Authorization: Bearer YOUR_MIND_KEY" \
  -d '{"computer_name":"ios-sim"}'
# → { "install_code": "ic_..." }

# Run screen-remote-agent on the Mac
# (uses the install code to register)
```

## Schritt 2: Test-Szenarien im Memory speichern

Wiederverwendbare Test-Szenarien als Memories speichern:

```python
import requests

def store_test_scenario(name, steps, app):
    requests.post(f"{URL}/memory",
        headers={"Authorization": f"Bearer {MIND_KEY}"},
        json={
            "category": "skill",
            "key": f"test_scenario_{name}",
            "content": f"App: {app}\nSteps:\n" + "\n".join(steps),
            "tags": ["test", "ios", app],
            "priority": "high"
        })

store_test_scenario("login_flow", [
    "Launch app",
    "Tap email field",
    "Type test@example.com",
    "Tap password field",
    "Type password123",
    "Tap Login button",
    "Verify home screen appears"
], "MyApp")
```

## Schritt 3: LLM-gesteuerte Testausführung

In Claude Desktop (mit konfiguriertem Synapse MCP):

```
Run the login_flow test scenario on the iOS Simulator.
Take a screenshot after each step and verify the expected UI.
If any step fails, store the failure as a memory so we can
avoid it next time.
```

Claude wird:

1. `memory_search` aufrufen, um den `test_scenario_login_flow`-Memory zu finden
2. `computer_screenshot` aufrufen, um den aktuellen Zustand zu sehen
3. Jeden Schritt via `computer_command_queue` ausführen (Click, Type)
4. Ergebnisse via Screenshots verifizieren
5. Alle Fehlschläge als `mistake`-Memories speichern

## Schritt 4: Self-Healing-Tests

Wenn ein Test fehlschlägt, speichere den Fehlschlag und die Recovery:

```python
def store_test_failure(scenario, step, error, recovery):
    requests.post(f"{URL}/memory",
        headers={"Authorization": f"Bearer {MIND_KEY}"},
        json={
            "category": "mistake",
            "key": f"failure_{scenario}_{step}",
            "content": f"Scenario: {scenario}\nStep: {step}\nError: {error}\nRecovery: {recovery}",
            "tags": ["test", "failure", "ios", scenario],
            "priority": "high"
        })

# Example
store_test_failure("login_flow", "tap_login",
    "Login button not found at expected coordinates",
    "Button moved due to new logo. Search by accessibility label instead.")
```

Wenn das LLM den Test das nächste Mal ausführt, ruft es den Fehlschlag ab und
wendet die Recovery automatisch an.

## Schritt 5: Test-Ergebnis-Tracking

Testläufe als Tasks tracken:

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

## Häufige Befehle

| Aktion | Befehl |
|--------|--------|
| Simulator starten | `xcrun simctl launch booted com.example.app` |
| Screenshot | `computer_screenshot` (via Synapse MCP) |
| Tap at (x,y) | `computer_command_queue {type:"click", payload:{x,y}}` |
| Text tippen | `computer_command_queue {type:"type", payload:{text:"..."}}` |
| Home drücken | `computer_command_queue {type:"key", payload:{keys:["Cmd","Shift","H"]}}` |

## Best Practices

> [!TIP]
> - **UI-Koordinaten als Memories speichern** — UI ändert sich, aber das LLM kann neu lernen
> - **Accessibility-Labels verwenden** — stabiler als Koordinaten
> - **Testdaten separat speichern** — Variablen für Nutzernamen, Passwörter verwenden
> - **Tests in clean state ausführen** — Simulator zwischen Läufen zurücksetzen
> - **Screenshots für Fehlschläge loggen** — nützlich beim Debugging

## Nächste Schritte

- [Self-Healing-Tests](/docs/guides/self-healing-tests)
- [Computer-Control-API](/docs/api/computers)
- [Memory-Best-Practices](/docs/guides/memory-best-practices)