Greptile beschreibt Browser-Tests und Codex-Kontext über MCP

OpenAI hat am 26. Oktober 2026 einen Kundenbericht über Greptile veröffentlicht. Greptile baut demnach KI-Agenten, die Codeänderungen mit dem vollen Kontext der Codebasis prüfen und testen. Im Mittelpunkt stehen zwei Aufgaben. Greptile testet Pull Requests in der laufenden Anwendung im Browser. Außerdem liefert es Codex, dem im Bericht genannten OpenAI-Produkt zum Codeschreiben, Wissen über die Codebasis per MCP-Server.

Browsertest für den verschwundenen Button

Zur Prüfung eines Pull Requests zählt der Bericht, ob der Code logisch korrekt ist, das Beabsichtigte tut, sicher ist und bestehende Funktionen nicht bricht. Für einen Teil dieser Prüfung muss die Anwendung tatsächlich laufen, weil das Lesen des Codes allein das Problem womöglich nicht offenlegt.

Greptile setzt dafür auf Computer Use. Laut Mitgründer und CEO Daksh Gupta gibt die Computer-Use-Fähigkeit von GPT-6 Astra Greptile einen Weg, solche Tests in großem Umfang zu automatisieren. Eine QA-Firma, die alle Änderungen testet, hält Gupta angesichts des Tempos, in dem mit diesen Modellen Code entsteht, für unpraktisch langsam.

Guptas Beispiel ist ein Button, der verschwindet, sobald eine Website auf einem iPhone angezeigt wird. Mit GPT-6 Astra kann Greptile dafür einen Entwicklungsserver für den Pull Request starten, den Browser auf einen iPhone-großen Viewport verkleinern und einen Nutzer simulieren, der sich durch die Anwendung bewegt. Mit seinem visuellen Verständnis kann das Modell den Bildschirm prüfen und den verdeckten Button entdecken.

In diesem Beispiel wird also ein Browserfenster in iPhone-Größe geprüft. Ein echtes iPhone kommt in der Beschreibung nicht vor.

Codebasiswissen für Codex per MCP

Der zweite Baustein setzt an, bevor Code entsteht. Laut OpenAI-Bericht indexiert Greptiles Knowledge Base die Codebasis eines Unternehmens und dokumentiert deren Funktionsweise in einer Form, die Menschen und Agenten lesen können. Diese Dokumentation stellt Greptile Codex über einen Server für das Model Context Protocol (MCP) bereit.

Codex soll so Code schreiben, der den bestehenden Mustern des Kunden folgt. Nach Guptas Angaben haben Tausende Kunden Codex mit der Wissensbasis verbunden.

Greptile nutzt Codex auch für die Entwicklung der eigenen Software und Agenten.

Rücknahmen als Messgröße

Greptile misst die Wirkung daran, wie oft KI-generierter Code zurückgenommen wird. Mit Kontext für die Agenten gebe es weniger Rücknahmen, sagt Gupta, und Kunden sparten Zeit.

TREX: Laufzeitprüfung in der Sandbox

Auf seiner Website führt Greptile außerdem TREX, bezeichnet als „Runtime Validation“ und als Beta markiert. TREX führt den PR-Branch in einer Sandbox aus, um Fehler zu finden, die erst zur Laufzeit auftreten.

Grenze des Kundenfalls

Der Bericht beschreibt einen Aufbau: Browsertest im verkleinerten Fenster, Codebasisdokumentation per MCP, Rücknahmen als Messgröße. Quantifizierte Angaben zu Rücknahmen, Fehlerquoten oder Kosten enthält er nicht. Die Wirkungsaussage stammt von Greptiles CEO und erscheint im Kundenbericht eines Modellanbieters; eine unabhängige Messung nennt der OpenAI-Bericht nicht. Ob TREX und die beschriebenen Astra-Browsertests dasselbe Verfahren sind, geht weder aus dem Bericht noch aus der Website hervor.

Zum Weiterlesen: Browser-Automation mit OpenClaw: Websites sicher steuern und ThinkingBox prüft Agenten am tatsächlichen Backend-Zustand.