Akadálymentességi tesztelés MCP-vel: mire képesek az AI-ügynökök

Mit jelent az MCP az akadálymentesség szempontjából

A Model Context Protocol (MCP) az Anthropic által kifejlesztett nyílt szabvány, amely lehetővé teszi, hogy az AI-asszisztensek egységes módon kapcsolódjanak külső eszközökhöz, API-khoz és adatforrásokhoz. Ahelyett, hogy egy AI a betanítási adataira lenne korlátozva, az MCP minden leírható eszközt olyasmivé alakít, amelyet az AI igény szerint használhat — beszélgetés közben, munkafolyamat közben, kódellenőrzés közben.

Az akadálymentességi tesztelés szempontjából ez a váltás jelentős. Egészen a közelmúltig egy akadálymentességi vizsgálat futtatásához ki kellett lépni a szerkesztőből, meg kellett nyitni egy böngészőbővítményt, oda kellett navigálni a megfelelő URL-re, meg kellett várni az eredményeket, majd kézzel értelmezni azokat. Az MCP ezt a súrlódást teljesen megszünteti.

Miért való az akadálymentesség az AI-munkafolyamatba

A modern fejlesztés egyre inkább AI-támogatott. A fejlesztők AI segítségével írnak kódot. A tervezési felülvizsgálatok AI-alapú eszközökben zajlanak. A dokumentáció AI-chatfelületeken készül. A telepítési folyamatokat AI monitorozza.

Az akadálymentesség eközben történelmileg a legvégére maradt — olyan auditra, amely az oldal elkészülte után történik, amikor a javítás költsége a legmagasabb. Az MCP ezen változtat: lehetővé teszi, hogy az akadálymentességi tesztelés a munkafolyamat bármely pontjába beépüljön, ne csak a végére.

Amikor egy AI-asszisztens közvetlenül meg tud hívni egy akadálymentességi vizsgálót, képes:

• Felszínre hozni a hibákat még a komponens írása közben
• Blokkolni egy összefésülési kérelmet, ha kritikus problémákat talál
• Akadálymentességi összefoglalót adni minden tervezési felülvizsgálathoz
• Újratesztelni minden telepítés után, hogy elkapja a visszaeséseket

Ez nem elmélet. Pontosan ez történik, amikor egy AI-kódolóasszisztenst MCP-képes akadálymentességi eszközhöz kapcsolnak.

Hogyan működik a QualiBooth MCP-kiszolgálója

A QualiBooth már ma kínál MCP-kiszolgálót, amelyhez az AI-asszisztensek — köztük a Claude — csatlakozhatnak. A csatlakozás után az AI valódi WCAG-akadálymentességi vizsgálatokat futtathat bármely nyilvános URL-en, strukturált eredményeket kap, és cselekvésre alkalmas megállapításokat mutat be anélkül, hogy a fejlesztőnek el kellene hagynia az eszközét.

Egy tipikus interakció így néz ki: a fejlesztő megkéri az AI-asszisztenst, hogy vizsgálja át akadálymentességi problémák szempontjából a frissen telepített staging oldalt. Az AI meghívja a QualiBooth MCP-eszközét, átadja az URL-t, és teljes hibajelentést kap vissza — súlyossági szinteket, az érintett elemek számát, WCAG-kritériumhivatkozásokat és javítási útmutatást. Az AI ezután kontextusban mutatja be a megállapításokat, ahhoz a kódhoz kötve, amelyen a fejlesztő éppen dolgozik.

Nincs böngészőbővítmény. Nincs külön lap. Nincs kézi másolás-beillesztés. A vizsgálat a munkafolyamaton belül történik.

Mire terjed ki a vizsgálat

A QualiBooth MCP-kiszolgálója axe-core alapú ellenőrzéseket futtat az élőben megjelenített oldalon — ugyanazzal a motorral, amelyet az akadálymentességi szakemberek használnak professzionális auditokhoz. Az eredmények tartalmazzák:

• Összesített akadálymentességi pontszám (0–100) és a perkockázat szintje
• Hibák súlyosság szerint: kritikus, súlyos, közepes, kisebb
• Legfontosabb javítások: a legmagasabb prioritású, elsőként kezelendő problémák, az érintett elemek számával és a javítási útmutatóra mutató hivatkozásokkal
• Teljes axe-core hibarészletezés: ha mélyebbre kell ásni

Ez azt jelenti, hogy az AI ugyanazokkal az információkkal rendelkezik, mint egy akadálymentességi mérnök — és a kódbázis kontextusában tud róluk gondolkodni.

Mit tesz ez lehetővé a csapatoknak

Azok a csapatok, amelyek a QualiBoothot az AI-eszközeikhez kapcsolják, olyan gyakorlati képességekhez jutnak, amelyeket korábban körülményes volt megvalósítani.

Folyamatos akadálymentességi monitorozás. Egy ütemezetten futó AI-ügynök minden telepítés után ellenőrizheti az oldal összes lapját, és még azelőtt jelentheti a visszaeséseket, hogy a felhasználók találkoznának velük.

Akadálymentességtudatos kódellenőrzés. Amikor egy AI-asszisztens olyan pull requestet vizsgál át, amely felületi változtatásokat tartalmaz, le tudja vizsgálni az előnézeti URL-t, és a kóddal kapcsolatos visszajelzései mellett akadálymentességi megállapításokat is közölhet.

Igény szerinti auditálás a CI/CD-ben. A telepítési folyamatot vezénylő AI a telepítés közben meghívhatja a QualiBoothot, megbuktathatja a kiadást, ha kritikus hibákat talál, és visszajuttathatja a megállapításokat a fejlesztőnek.

Alacsonyabb belépési küszöb az akadálymentességben kezdőknek. Azok a fejlesztők, akik nem akadálymentességi szakemberek, megkérhetik az AI-t, hogy magyarázza el, mit jelent egy hiba, miért számít egy adott felhasználói csoportnak, és hogyan javítható — a vizsgálati eredmények kontextusával együtt.

WCAG-megfelelőség az AI-támogatott fejlesztésben

Az AI-támogatott fejlesztés egyik kockázata, hogy az AI-eszközök olyan akadálymentességi mintákat reprodukálnak, amelyek helyesnek tűnnek, de megbuknak a WCAG-on. Amikor egy AI modális ablakot, legördülő menüt vagy űrlapot generál, semmi nem garantálja, hogy a generált kód külső ellenőrzés nélkül megfelel a WCAG 2.2 AA szintjének.

A QualiBooth MCP-n keresztüli csatlakoztatása bezárja ezt a kört. Az AI kódot generál, az AI levizsgálja az eredményt, az AI kijavítja, amit talál. Ez a szoros visszacsatolási ciklus — generálás, tesztelés, javítás, mind ugyanabban a munkamenetben — teszi lehetővé, hogy az AI-támogatás valóban javítsa, ne pedig fokozatosan erodálja egy oldal akadálymentességi alapszintjét.

Azt is jelenti, hogy amikor akadálymentességi problémák mégis megjelennek az éles rendszerben, az észleléstől a javításig eltelt idő hetekről (a következő ütemezett auditra várva) percekre csökkenhet (az AI megtalálja, elmagyarázza és ugyanabban a munkafolyamatban ki is javítja).

Első lépések

A QualiBooth MCP-kiszolgálója már elérhető. Aki már használja a Claude-ot vagy más MCP-kompatibilis AI-asszisztenst, hozzáadhatja a QualiBooth eszközt a konfigurációjához, és közvetlenül az AI-munkafolyamatából indíthat akadálymentességi vizsgálatokat.

Azoknak a csapatoknak, amelyek tovább szeretnének menni — ismétlődő vizsgálatok, VPAT-készítés, manuális szakértői felülvizsgálatok —, a QualiBooth teljes platformja ugyanerre az akadálymentességi motorra épül. Minden, amit az MCP-eszköz felszínre hoz, továbbvihető egy teljes körű auditba.

A kérdés nem az, hogy az akadálymentességnek helye van-e az AI-munkafolyamatban. Van — ugyanazért, amiért mindenhol máshol is: minél korábban derül ki egy probléma, annál olcsóbb kijavítani. Az MCP az az út, amely idáig elvezet.