Bagikan melalui

Kemampuan AI generatif di Power Apps Test Engine (pratinjau)

Catatan

Fitur pratinjau tidak dibuat untuk penggunaan produksi dan mungkin memiliki fungsionalitas yang dibatasi. Fitur ini tersedia sebelum rilis resmi agar pelanggan bisa memperoleh akses awal dan memberikan tanggapan.

Power Apps Test Engine menawarkan kemampuan AI generatif komprehensif yang mencakup seluruh siklus hidup pengujian. Halaman ini memberikan gambaran umum tentang bagaimana AI generatif dapat meningkatkan pengalaman pengujian Anda, mulai dari pembuatan pengujian hingga eksekusi dan validasi.

Fitur AI generatif Test Engine menangani tiga area utama dari proses pengujian:

Kemampuan AI Generatif Description
Penulisan tes berbantuan AI generatif Buat pengujian dengan cepat menggunakan GitHub Copilot Model Bahasa Besar (LLM) atau Model Bahasa Kecil (SLM) lainnya
Server Protokol Konteks Model Analisis deterministik dan pembuatan kode dengan MCP
Pengujian AI non-deterministik Uji aplikasi bertenaga AI dengan teknik validasi khusus

Penulisan tes berbantuan AI generatif

Membuat rencana pengujian yang komprehensif dapat memakan waktu, terutama untuk aplikasi yang kompleks. Test Engine mendukung penulisan berbantuan AI generatif melalui:

  • GitHub Copilot integrasi: Membuat templat pengujian, langkah pengujian, dan pernyataan berdasarkan kode aplikasi Anda
  • Pembuatan pengujian bahasa alami: Jelaskan skenario pengujian dalam bahasa Inggris sederhana dan terjemahkan ke dalam pengujian yang dapat dieksekusi
  • Pembuatan pengujian berbasis sampel: Referensikan sampel yang ada untuk membuat pengujian yang relevan secara kontekstual

Pendekatan ini membantu penulis pengujian fokus pada logika bisnis dan aturan validasi daripada sintaks pengujian dan kode boilerplate.

Pelajari selengkapnya tentang penulisan pengujian berbantuan AI generatif

Implementasi server Protokol Konteks Model

Power Apps Test Engine menyertakan implementasi server Model Context Protocol (MCP) yang menyediakan analisis deterministik aplikasi Anda dan menghasilkan rekomendasi pengujian.

Server MCP:

  • Menganalisis struktur aplikasi untuk mengidentifikasi komponen yang dapat diuji
  • Menghasilkan pola pengujian berdasarkan jenis dan hubungan kontrol
  • Memberikan rekomendasi kode kontekstual
  • Terintegrasi dengan klien MCP seperti Visual Studio dan GitHub Copilot
  • Menggunakan Perancang Rencana untuk mengatur dan memprioritaskan upaya pengujian
  • Menggabungkan elemen definisi solusi dan skema data untuk pengujian komprehensif
  • Menggunakan metadata dari solusi Anda untuk menghasilkan pengujian yang relevan secara kontekstual

Ketika Anda menggabungkan analisis deterministik dengan kemampuan AI generatif, pendekatan ini menawarkan lebih banyak generasi pengujian yang lebih andal dan akurat dibandingkan dengan pendekatan generatif murni saja.

Pelajari selengkapnya tentang implementasi Protokol Konteks Model

Menguji kemampuan AI nondeterministik

Saat menguji aplikasi yang menggunakan kemampuan AI seperti AI Builder komponen atau model Generative Pretrained Transformer (GPT), pertimbangan khusus diperlukan untuk menangani output nondeterministik.

Test Engine menyediakan:

  • Fungsinya Preview.AIExecutePrompt: Jalankan perintah AI dengan input terkontrol dan validasi output
  • Validasi berbasis toleransi: Verifikasi bahwa output AI memenuhi ekspektasi dalam ambang batas yang dapat diterima
  • Validasi respons terstruktur: Mengurai dan memvalidasi konten yang dihasilkan AI yang kompleks
  • Validasi berbasis paket: Menggunakan definisi Perancang Rencana untuk memvalidasi output AI terhadap kriteria yang diharapkan

Kemampuan ini memastikan bahwa Anda dapat membuat pengujian yang andal dan dapat diulang bahkan saat bekerja dengan sistem AI yang bervariasi secara inheren.

Pelajari selengkapnya tentang menguji kemampuan AI nondeterministik

Memilih pendekatan AI generatif yang tepat

Untuk hasil yang optimal, pertimbangkan panduan berikut:

Jika Anda ingin... Pertimbangkan untuk menggunakan...
Hasilkan pengujian dengan cepat untuk aplikasi baru Penulisan berbantuan AI generatif dengan GitHub Copilot
Dapatkan analisis yang tepat dan deterministik dari komponen yang dapat diuji Server Protokol Konteks Model
Gabungkan analisis deterministik dengan kemampuan generatif MCP dengan klien LLM yang kompatibel
Uji aplikasi bertenaga AI dengan output variabel Pengujian AI nondeterministik dengan Preview.AIExecutePrompt
Susun upaya pengujian Anda berdasarkan persyaratan bisnis Desainer Rencana dengan integrasi server MCP
Hasilkan pengujian menggunakan metadata solusi dan skema data Server MCP dengan pemindaian definisi solusi

Penulisan pengujian berbantuan AI dengan GitHub Copilot
Menggunakan server Protokol Konteks Model dengan Mesin Uji
Menguji komponen AI nondeterministik
Jelajahi katalog sampel Test Engine
Coba fungsi power-fx Test Engine
Menggunakan Perancang Rencana

  • Last updated on