Megosztás:

Generatív AI-képességek a Power Apps tesztmotorban (előzetes verzió)

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 átfogó generatív AI-képességeket kínál, amelyek a tesztelés teljes életciklusát lefedik. Ez az oldal áttekintést nyújt arról, hogy a generatív mesterséges intelligencia hogyan javíthatja a tesztelési élményt a teszt létrehozásától a végrehajtásig és az ellenőrzésig.

A Test Engine generatív mesterséges intelligencia funkciói a tesztelési folyamat három kulcsfontosságú területével foglalkoznak:

Generatív AI-képesség Description
Generatív AI-val támogatott tesztkészítés Tesztek gyors létrehozása más nagy nyelvi modellek (LLM) vagy kis nyelvi modellek (SLM) használatával GitHub Copilot
Model Context Protocol kiszolgáló Determinisztikus elemzés és kódgenerálás MCP-vel
Nem determinisztikus AI tesztelés AI-alapú alkalmazások tesztelése speciális ellenőrzési technikákkal

Generatív AI-val támogatott tesztkészítés

Az átfogó teszttervek elkészítése időigényes lehet, különösen összetett alkalmazások esetén. A Test Engine a generatív AI-val támogatott szerzői műveleteket a következőkkel támogatja:

  • GitHub Copilot integráció: Tesztsablonok, tesztlépések és helyességi feltételek létrehozása az alkalmazás kódja alapján
  • Természetes nyelvi teszt létrehozása: Tesztforgatókönyvek leírása egyszerű angol nyelven, és lefordíthatja őket végrehajtható tesztekké
  • Mintaalapú tesztgenerálás: Meglévő mintákra való hivatkozás a környezet szempontjából releváns tesztek létrehozásához

Ez a megközelítés segít a tesztszerzőknek az üzleti logikára és az érvényesítési szabályokra összpontosítani a tesztszintaxis és a sablonkód helyett.

További információ a generatív AI-val támogatott tesztkészítésről

Model Context Protocol kiszolgáló implementációja

Power Apps A tesztmotor tartalmaz egy Model Context Protocol (MCP) kiszolgálóimplementációt, amely determinisztikus elemzést biztosít az alkalmazásokról, és tesztelési javaslatokat hoz létre.

Az MCP szerver:

  • Elemzi az alkalmazás struktúráját a tesztelhető összetevők azonosításához
  • Tesztmintákat generál a vezérlőtípusok és kapcsolatok alapján
  • Környezetfüggő kódjavaslatokat ad
  • Integrálható az MCP kliensekkel, mint és Visual Studio GitHub Copilot
  • A Plan Designer segítségével szervezi és rangsorolja a tesztelési erőfeszítéseket
  • Megoldásdefiníciós elemeket és adatsémákat tartalmaz az átfogó teszteléshez
  • A megoldás metaadatait használja a környezet szempontjából releváns tesztek létrehozásához

Ha a determinisztikus elemzést a generatív AI-képességekkel kombinálja, ez a megközelítés megbízhatóbb és pontosabb tesztgenerálást kínál, mint a pusztán generatív megközelítések.

További információ a Model Context Protocol implementációjáról

Nem determinisztikus AI-képességek tesztelése

Az AI-képességeket, például AI Builder összetevőket vagy generatív előre betanított transzformátor (GPT) modelleket használó alkalmazások tesztelésekor különös figyelmet kell fordítani a nem determinisztikus kimenetek kezelésére.

A Test Engine a következőket nyújtja:

  • A Preview.AIExecutePrompt funkció: AI-kérések végrehajtása ellenőrzött bemenetekkel és kimenetek érvényesítése
  • Tűrésalapú ellenőrzés: Annak ellenőrzése, hogy az AI-kimenetek megfelelnek-e az elfogadható küszöbértékeken belüli elvárásoknak
  • Strukturált válaszellenőrzés: Összetett AI által generált tartalom elemzése és ellenőrzése
  • Tervalapú ellenőrzés: A Plan Designer definíciók használatával ellenőrizheti az AI-kimeneteket a várt feltételek alapján

Ezek a képességek biztosítják, hogy megbízható, megismételhető teszteket hozhasson létre még akkor is, ha eredendően változó AI-rendszerekkel dolgozik.

További információ a nem determinisztikus AI-képességek teszteléséről

A megfelelő generatív AI-megközelítés kiválasztása

Az optimális eredmény érdekében vegye figyelembe az alábbi irányelveket:

Ha szeretnél... Fontolja meg a...
Tesztek gyors létrehozása új alkalmazáshoz Generatív AI-val támogatott szerzői tevékenység GitHub Copilot
A tesztelhető összetevők precíz, determinisztikus elemzése Model Context Protocol kiszolgáló
A determinisztikus elemzés és a generatív képességek kombinálása MCP kompatibilis LLM klienssel
Tesztelje a mesterséges intelligenciával működő alkalmazásokat változó kimenetekkel Nem determinisztikus mesterséges intelligencia tesztelés Preview.AIExecutePrompt
Strukturálja tesztelési erőfeszítéseit az üzleti követelmények alapján Plan Designer MCP-kiszolgáló integrációval
Tesztek létrehozása megoldási metaadatok és adatsémák használatával MCP-kiszolgáló megoldásdefiníciós vizsgálattal

AI-val támogatott tesztkészítés GitHub Copilot
A Model Context Protocol-kiszolgáló használata a tesztmotorral
Nem determinisztikus AI-összetevők tesztelése
Tallózás a tesztmotor-minták katalógusában
Próbálja ki a Test Engine power-fx-functions funkciót
A Plan Designer használata

  • Last updated on