Megosztás:


A Model Context Protocol-kiszolgáló használata a tesztmotorral

Feljegyzés

Az előzetes funkciókat nem célszerű termelési környezetben használni, és előfordulhat, hogy korlátozott funkcionalitással rendelkeznek. Ezek a funkciók a hivatalos kiadás előtt érhetők el, hogy az ügyfelek korán megismerkedhessenek velük, és visszajelzést adhassanak róluk.

Power Apps A Test Engine tartalmaz egy Model Context Protocol (MCP) kiszolgálóimplementációt, amely az alkalmazások determinisztikus elemzésével javítja a tesztkészítést. Ez az útmutató elmagyarázza, hogyan használhatja ezt a képességet pontosabb, környezetfüggőbb tesztek létrehozására.

Mi az a Model Context Protocol?

A Model Context Protocol (MCP) az AI-eszközök közötti kommunikáció szabványa a kontextus és a műveletek biztosítása érdekében. A Test Engine kontextusában a következőket teheti lehetővé:

  • Determinisztikus elemzés: Alkalmazási struktúra szkennelése és elemzése
  • Környezettudatosság: A kódkapcsolatok és -függőségek ismertetése
  • Kódgenerálás: Kódrészletek létrehozása kontextus alapján
  • Interaktív segítség: Válaszadás a felhasználói kérdésekre releváns javaslatokkal
  • Tervintegráció: A tervtervező használata a strukturált teszttervezéshez

A Test Engine MCP szerver szabványos bemeneti/kimeneti (stdio) implementációt biztosít, amelyet olyan MCP-kliensekkel használhat, mint pl Visual Studio,, GitHub Copilot vagy más kompatibilis eszközökkel.

Hogyan működik a Test Engine MCP szerver

A Test Engine MCP-kiszolgáló a determinisztikus alkalmazásvizsgálatot generatív javaslatokkal kombinálja:

  1. Vizsgálati fázis: Elemzi az alkalmazás struktúráját a következők azonosítása érdekében:

    • Vezérlőtípusok és hierarchiák
    • Navigációs útvonalak
    • Adatforrások és sémák
    • Gyakori interakciós minták
    • Megoldás-összetevők kapcsolatai
    • Entitásdefiníciók és kapcsolatok
    • Űrlapelrendezések és üzleti szabályok
    • Egyéni kódösszetevők
  2. Elemzési fázis: A vizsgálati eredmények feldolgozása a finomított promptok meghatározásához, amelyek segítenek azonosítani a következőket:

    • Tesztelhető összetevők és tulajdonságok
    • Lehetséges vizsgálati forgatókönyvek
    • Lefedettségi lehetőségek
    • Kockázati területek
    • Adatfüggőségek
    • Szükséges tesztadatok beállítása
  3. Tervezési integrációs fázis: A Plan Designerrel együttműködve a következőket teszi lehetővé:

    • Tesztek szervezése üzleti követelmények szerint
    • Kritikus tesztforgatókönyvek rangsorolása
    • Strukturált teszttervek létrehozása
    • Tesztlefedettség nyomon követése a tervelemekhez képest
    • Jelentések készítése a tesztlefedettségről
  4. Javaslati fázis: Környezetfüggő kéréseket hoz létre a következők segítésére:

    • Tesztsablonok és struktúrák
    • Power Fx Állításokat
    • Navigációs szekvenciák
    • Adatérvényesítési minták
    • Próbaadat-definíciók
    • Hibakezelési forgatókönyvek
  5. Integrációs fázis: Az stdio-n keresztül kommunikál az MCP-ügyfelekkel:

    • Válasz a felhasználói kérésekre
    • Kontextustudatos javaslatok megadása
    • Ajánlott felszólítások a teljes tesztesetek létrehozásához

Az MCP-megközelítés használatának előnyei

A Model Context Protocol kiszolgáló számos előnnyel rendelkezik a tisztán generatív megközelítésekkel szemben, amelyek konfigurálhatók a javítás érdekében:

Értékelem Description
Pontosság A determinisztikus elemzés biztosítja, hogy a generált tesztek hivatkozzanak a tényleges kontrollokra és tulajdonságokra
Megbízhatóság A tesztek az alkalmazás tényleges struktúráján alapulnak, nem pedig a feltételezett mintákon
Kontextustudatosság Az MCP-kiszolgáló megérti az alkalmazás felépítését, és relevánsabb teszteket tud generálni
Integráció a Plan Designerrel Lehetővé teszi a tesztek szervezését az üzleti követelmények és a tervelemek szerint
Megoldás metaadatainak kihasználtsága A megoldás entitásdefinícióit, kapcsolatait és üzleti szabályait használja
Tesztadatok generálása Javaslatokat hoz létre a megfelelő tesztadatok létrehozásához a megoldás adatmodellje alapján
Az LLM-ek kiegészítése Nagy nyelvi modellekkel működik a generálási képességek javítása érdekében
Szabványosított megközelítés Követi az MCP specifikációt a különböző ügyfelekkel való következetes interakció érdekében

Az MCP-kiszolgáló beállítása

A Test Engine MCP-kiszolgáló használata:

  1. A Test Engine CLI legújabb verziójának Power Apps telepítése
  2. Az alkalmazás forrásfájljainak beállítása munkaterületen
  3. Az MCP-kiszolgáló konfigurálása a munkaterület elemzéséhez
  4. MCP-ügyfél csatlakoztatása a kiszolgálóhoz

Előfeltételek

  • Power Apps Tesztmotor parancssori felület (legújabb verzió)
  • Forrásvezérelt Power Platform megoldás
  • MCP-kompatibilis ügyfél, például Visual Studio vagy GitHub Copilot

A Plan Designer használata az MCP-vel

A Plan Designer strukturált megközelítést biztosít a tesztelési erőfeszítések megszervezéséhez és rangsorolásához. A Test Engine MCP-kiszolgálóval együtt használva javítja a tesztgenerálási folyamatot:

  1. Tesztterv létrehozása: Határozzon meg tesztterveket konkrét célokkal és sikerkritériumokkal
  2. Követelményleképezés: Tesztek összekapcsolása üzleti követelményekkel és megoldás-összetevőkkel
  3. Tesztelési prioritás: Azonosítsa a kritikus utakat és a magas kockázatú területeket a fókuszált teszteléshez a megoldás megvalósítása során
  4. Lefedettség elemzése: Tesztlefedettség nyomon követése a tervelemekhez és a megoldás-összetevőkhöz
  5. Tesztadatok definíciója: Adja meg a tesztadatok követelményeit az egyes tesztforgatókönyvekhez

Hogyan javítja a Plan Designer információi az MCP-kiszolgálót?

Az MCP-kiszolgáló a Plan Designer adatait a következőkre használja:

  • A tesztgenerálás összpontosítása a kiemelt fontosságú területekre
  • Terv által meghatározott követelményeket lefedő tesztadatok létrehozása
  • Szerkezeti tesztek az egyes tervelemek érvényesítéséhez
  • Átfogó tesztlefedettség létrehozása az üzleti prioritásokhoz igazodva
  • Nyomon követhetőség biztosítása a tesztek és az üzleti követelmények között

Első lépések

Tekintse át a tesztmotor MCP-t az MCP-kiszolgálóval kapcsolatos információkért és az első lépésekért.

A determinisztikus elemzés és a generatív AI kombinálása

A Test Engine MCP szerver valódi ereje a determinisztikus elemzés és a generatív képességek kombinálásában rejlik:

  • A determinisztikus elemzés biztosítja a pontosságot a tényleges összetevők azonosításával
  • A generatív mesterséges intelligencia természetes nyelvi megértést és kreatív tesztelési forgatókönyveket biztosít
  • Együtt megbízható és átfogó teszteket készítenek

Ez a hibrid megközelítés segít leküzdeni mindkettő korlátait:

  • A tisztán determinisztikus megközelítések nem fedik le a kreatív tesztforgatókönyveket
  • A tisztán generatív megközelítések nem létező vezérlőkre vagy helytelen tulajdonságokra hivatkozhatnak
  • Felülvizsgálati folyamat a generált eredmények finomítása és javítása érdekében

Ajánlott eljárások

A Test Engine MCP szerverrel való munka során:

  • Teljes forráskörnyezet megadása: Győződjön meg arról, hogy a megoldásmappa tartalmazza az összes releváns fájlt
  • Legyen konkrét a kérésekben: Adott vezérlőnevek és várt viselkedések megadása
  • Fokozatos iteráció: Kezdje az alapszintű tesztekkel, és fokozatosan növelje a komplexitást
  • Generált tesztek ellenőrzése: Tesztek áttekintése és módosítása a végrehajtás előtt
  • Kombinálja a manuális szakértelemmel: Használja az MCP szervert termelékenységi eszközként, ne pedig a tesztelési tudás helyettesítőjeként

Hibaelhárítás

Ha problémákat tapasztal az MCP-kiszolgálóval kapcsolatban, próbálkozzon az alábbi hibaelhárítási lépésekkel:

Probléma Felbontás
A kiszolgáló nem indul el A telepítés és a PATH környezeti változók ellenőrzése
Az ügyfél nem tud csatlakozni Ellenőrizze az stdio konfigurációját és a fájlengedélyeket
A generált tesztek helytelen kontrollokra hivatkoznak Győződjön meg arról, hogy a megoldásfájlok teljesek és naprakészek
Az elemzés hiányosnak tűnik Részletes naplózás használata a kiszolgáló által vizsgált műveletek megtekintéséhez

Tudnivalók a mesterséges intelligenciával támogatott tesztkészítésről
A nem determinisztikus AI-tesztelés ismertetése
Tesztmotor-minták felfedezése