Jegyzet
Az oldalhoz való hozzáférés engedélyezést igényel. Próbálhatod be jelentkezni vagy könyvtárat váltani.
Az oldalhoz való hozzáférés engedélyezést igényel. Megpróbálhatod a könyvtár váltását.
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:
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
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
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
Javaslati fázis: Környezetfüggő kéréseket hoz létre a következők segítésére:
- Tesztsablonok és struktúrák
- Power Fx Állításokat
- Navigációs szekvenciák
- Adatérvényesítési minták
- Próbaadat-definíciók
- Hibakezelési forgatókönyvek
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:
- A Test Engine CLI legújabb verziójának Power Apps telepítése
- Az alkalmazás forrásfájljainak beállítása munkaterületen
- Az MCP-kiszolgáló konfigurálása a munkaterület elemzéséhez
- 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:
- Tesztterv létrehozása: Határozzon meg tesztterveket konkrét célokkal és sikerkritériumokkal
- Követelményleképezés: Tesztek összekapcsolása üzleti követelményekkel és megoldás-összetevőkkel
- Tesztelési prioritás: Azonosítsa a kritikus utakat és a magas kockázatú területeket a fókuszált teszteléshez a megoldás megvalósítása során
- Lefedettség elemzése: Tesztlefedettség nyomon követése a tervelemekhez és a megoldás-összetevőkhöz
- 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 |
Kapcsolódó cikkek
Tudnivalók a mesterséges intelligenciával támogatott tesztkészítésről
A nem determinisztikus AI-tesztelés ismertetése
Tesztmotor-minták felfedezése