mablアプリやCLIを使う場合と比べて、mabl MCPを利用する際は、より自由度が高く感じられるかもしれません。効果的なプロンプトを使えば、ワークフローを自動化して時間を節約できますが、不明確なプロンプトや曖昧な指示は、時間の浪費や予期しない結果につながることがあります。mabl MCPとのやり取りを最大限に活用するために、この記事で紹介する手順に従って、自信を持って効果的なプロンプトを作成しましょう。
スタータープロンプトを作成する
AIエージェントがあなたの目標に合った判断を下せるようにするには、最初に文脈を伝え、基本的なルールを設定するプロンプトから始めましょう。こちらは、mabl MCPで使えるスタータープロンプトの例です：
「“Staging”環境で“Admin Dashboard”アプリケーションの新しいUIテストを作成したいと考えています。私の役割はQAエンジニアです。mabl MCPツールを使う予定です。目標は、新規ユーザー登録フローを検証するテストを作成することです。エンドツーエンドツールを使って、どのようにテストしますか？」
最良の結果を得るために、プロンプトにどのような情報を追加すべきか教えてください。”
そして、こちらはmabl MCPとMCPサーバーを組み合わせた別の開始プロンプトです：
「後であなたに提供できるプロンプトを作成して、Jiraでテストケースを作成しましょう。」
目的：mablアプリの「データベースクエリー作成」機能のために自動テストを計画し、生成します。「Jira TEST課題」を作成し、その後、mabl MCPエージェントを使って実行可能なテストを作成します。
こちらが作業時に参考にしてほしい情報です。
- スコープ：「mabl」ウェブアプリ（https://app.mabl.com）の本番環境
- コードベース
- Figma のデザイン（Figma 用 MCP サーバーを使用）
- Playwright MCPで受け入れ基準とネガティブケースを記録する
- mabl MCPで既存のテストケースがあるか確認し、新しいテストケースを作成します
- Atlassian MCPでJiraのテストケースを作成・編集する
最適な結果を得るために、プロンプトに他にどんな情報を含めるべきか教えてください」
役立つコンテキストを提供してください
スタータープロンプトにコンテキストを加えることで、誤解を防ぐことができます。あなたが行う内容によって、コンテキストには次のようなものが含まれます：
- 作業中のmablワークスペース、アプリケーション、環境
- テストしている機能
- AIエージェントに担ってほしい役割
- 使用する予定のMCPツール
- 利用可能なツールを使って取るべき行動のおおまかなイメージ
基本ルールを設定する
最初のやり取りでは、明確なルールがなくても問題ありません。ただし、mabl MCP を使い始めると、やり取りを最適化する方法がわかってきます。そこで得たインサイトを活用して、今後のスタータープロンプトでルールを設定できます。
たとえば、AIエージェントにタスクを実行する前に必ず確認を求めてほしい場合は、スタータープロンプトにその指示を追加してください：「新しいテストを作成したり、既存のテストを変更したりする前に、必ず私の確認を求めてください。」
また、特定のステップで人による対応が必要な場合は、明確に伝えてください：「一時停止して、私が手動でログインを行うように促してください。私が「Logged in」と返信するまで進めないでください。」
操作を管理する
スタータープロンプトを入力した後、対話を重ねて意図を段階的に明確にしてください。
次の代わりに：
「昨夜実行された『checkout flow』テストの失敗を分析してください。根本原因を特定したら、『QA』プロジェクトで新しいJira課題を作成し、タイトルを『Bug: Checkout flow fails to load』とし、説明欄に失敗分析を含めてください。その後、テスト実行結果を新しい課題にリンクしてください。」
より良い例：
ユーザー：「mabl MCP を使って、昨夜の『checkout flow』テストの失敗を分析してください。」
AI: 「7月10日の実行で発生したテスト失敗を分析しました。エラーは製品ページのボタンが壊れていたことが原因です。」
ユーザー: 「それは違います。私が言っているテストは7月15日に実行されており、失敗したのは商品ページではなく、支払いページです。正しいテスト実行を分析してください。」
AI: 「申し訳ありません。正しい実行を確認しました。失敗の原因は、支払いAPIコールのタイムアウトでした。これについて新しいJira課題を作成しましょうか？」
ユーザー：「はい。Atlassian MCP を使って「QA」プロジェクトに課題を作成できますか？タイトルは「バグ：チェックアウト時の Payment API タイムアウト」としてください。」
AI: 「課題を作成しました。説明に失敗分析の全文とテスト実行結果へのリンクを追加しましょうか？」
ユーザー: 「はい、ぜひお願いします。」
タスクをやり取り形式の対話に分解すると、AIがあなたの指示を誤解する可能性を減らせます。
セッション中は常にコンテキストを明確に保ちましょう
たとえ最初のプロンプトで多くのコンテキストを提供しても、作業セッションを通じてエージェントとの正確なコンテキストを維持することが大切です。
- 複数のMCPを管理する：どのMCPで特定のタスクを実行したいかを明確にしてください。そうしないと、AIエージェントが推測して間違ったものを選択する可能性があります。
- エージェントに結果をキャッシュしないように指示する：エージェントが前回タスクを実行したときの入力を再利用することがありますが、その間にデータが変更されている場合があります。このような場合は、明確に伝えてください：「前回実行したときからデータが変更されている可能性があるため、ステップを慎重に確認し、どのステップも省略しないでください。」
AIエージェントにプレビューを依頼する
MCPツールを直接実行するのではなく、アクションを確定する前にエージェントにプレビューを依頼してください。この方法により、MCPが誤った引数を使用したり、準備ができる前にタスクを実行したりする可能性を減らせます。
ユーザー：これをE2Eツールでどのようにテストしますか？意図とステップのリストを教えてください。
AI：（変更を評価し、リストを提供します。）
ユーザー：完璧です。その情報を使ってテストを作成しましょう。ターミナルで生成されたURLを使ってください。。
mablのテスト作成エージェントと連携する効果的なテストプロンプトの書き方については、こちらをご覧ください。
時間をかけてインタラクションを最適化する
MCPを使い続けることで、うまくいくことやそうでないことが分かってきます。そのインサイトを活用して、より良い体験を目指しましょう。
保存に成功したプロンプト
特定のプロンプトでうまくいった場合は、今後のために保存しておきましょう。どのような方法が効果的かを学びながら、プロンプトを少しずつ調整して最適化できます。
失敗したプロンプトをデバッグする
問題が発生した場合は、エージェントと連携して原因を特定しましょう。AIクライアントでは、特定のMCPアクションを展開して、どの引数や入力が使用されたかを確認できます。
例えば、このスクリーンショットは、get-mabl-deploymentアクションを展開して、GitHub Copilotでどのような入力があったかを確認する方法を示しています。
引数が正しくないように見える場合は、エージェントにその意思決定プロセスや、どのようにすればそのミスを避けられるかを尋ねてください：
- 「なぜその入力を選んだのですか？」
- 「これを避けるために、あなたに何と言えばよかったですか？」
エージェントがどのように判断し、何を必要としているかを理解するにつれて、今後のやり取りに取り入れるための「基本ルール」を策定できます。