Nota:
El acceso a esta página requiere autorización. Puede intentar iniciar sesión o cambiar directorios.
El acceso a esta página requiere autorización. Puede intentar cambiar los directorios.
Nota
El motor de prueba está obsoleto y se quitará en una versión futura. Use ejemplos de Power Platform Playwright para las funcionalidades de automatización de pruebas en Power Platform y los servicios de Dynamics 365.
Power Apps motor de pruebas ofrece funcionalidades completas de inteligencia artificial generativa que abarcan todo el ciclo de vida de las pruebas. Esta página proporciona una descripción general de cómo la IA generativa puede mejorar su experiencia de prueba, desde la creación de la prueba hasta la ejecución y validación.
Las funciones de inteligencia artificial generativa de Test Engine abordan tres áreas clave del proceso de prueba:
| Capacidad de IA generativa | Descripción |
|---|---|
| Creación de pruebas generativas asistidas por IA | Crear pruebas rápidamente mediante GitHub Copilot y otros modelos de lenguaje grande (LLM) o modelos de lenguaje pequeño (SLAM) |
| Servidor de protocolo del contexto del modelo | Análisis determinista y generación de código con MCP |
| Pruebas de IA no deterministas | Pruebe aplicaciones impulsadas por IA con técnicas de validación especiales |
Creación de pruebas generativas asistidas por IA
La creación de planes de pruebas completos puede llevar mucho tiempo, especialmente para aplicaciones complejas. Test Engine admite la creación de contenido generativo asistida por IA a través de:
- GitHub Copilot integración: generación de plantillas de prueba, pasos de prueba y aserciones basadas en el código de la aplicación
- Creación de pruebas en lenguaje natural: describa los escenarios de prueba en un lenguaje sencillo y tradúzcalos en pruebas ejecutables.
- Generación de pruebas basadas en muestras: haga referencia a muestras existentes para crear pruebas contextualmente relevantes
Este enfoque ayuda a los autores de pruebas a centrarse en la lógica empresarial y las reglas de validación en lugar de en la sintaxis de pruebas y el código repetitivo.
Implementación del servidor para el Protocolo de Contexto de Modelo
"El motor de pruebas de Power Apps incluye una implementación de servidor del Protocolo de Contexto de Modelo (MCP) que proporciona un análisis determinista de tus aplicaciones y genera recomendaciones de prueba."
El servidor MCP:
- Analiza la estructura de la aplicación para identificar componentes que se puedan probar.
- Genera patrones de prueba basados en tipos de control y relaciones
- Proporciona recomendaciones de código contextual
- Se integra con clientes MCP como Visual Studio y GitHub Copilot
- Utiliza el Diseñador de planes para organizar y priorizar los esfuerzos de prueba
- Incorpora elementos de definición de solución y esquemas de datos para realizar pruebas integrales.
- Utiliza metadatos de su solución para generar pruebas contextualmente relevantes
Al combinar el análisis determinista con capacidades de IA generativa, este enfoque le ofrece una generación de pruebas más confiable y precisa en comparación con los enfoques generativos puros por sí solos.
Prueba de las capacidades de la IA no determinista
Al probar aplicaciones que utilizan capacidades de inteligencia artificial, como componentes de AI Builder o modelos de Generative Pretrained Transformer (GPT), se necesita especial consideración para manejar salidas no deterministas.
El motor de pruebas proporciona:
-
La
Preview.AIExecutePromptfunción: ejecutar indicaciones de IA con entradas controladas y validar salidas - Validación basada en tolerancia: verificar que los resultados de la IA cumplan con las expectativas dentro de umbrales aceptables
- Validación de respuestas estructuradas: Analizar y validar contenido complejo generado por IA.
- Validación basada en planes: utilice las definiciones del Diseñador de planes para validar los resultados de la IA según los criterios esperados.
Estas capacidades garantizan que pueda crear pruebas confiables y repetibles incluso cuando trabaje con sistemas de IA inherentemente variables.
Cómo elegir el enfoque de IA generativa adecuado
Para obtener resultados óptimos, tenga en cuenta estas pautas:
| Si quieres... | Considere utilizar... |
|---|---|
| Genere rápidamente pruebas para una nueva aplicación | Creación asistida por IA generativa con GitHub Copilot |
| Obtenga un análisis preciso y determinista de los componentes comprobables | Servidor del protocolo de contexto del modelo |
| Combine el análisis determinista con capacidades generativas | MCP con un cliente LLM compatible |
| Pruebe aplicaciones impulsadas por IA con resultados variables | Pruebas de IA no deterministas con Preview.AIExecutePrompt |
| Estructura tus esfuerzos de prueba según los requisitos del negocio | Plan Designer con integración con servidor MCP |
| Generar pruebas utilizando metadatos de la solución y esquemas de datos | Servidor MCP con escaneo de definición de solución |
Artículos relacionados
Creación de pruebas asistidas por IA con GitHub Copilot
Uso del servidor del Protocolo de Contexto de Modelo con la Plataforma de Pruebas
Prueba de componentes de IA no deterministas
Explorar el catálogo de muestras de Test Engine
Pruebe el motor de prueba power-fx-functions
Utilice el Diseñador de planes