Del via

Generative AI-funksjoner i Power Apps testmotor (avskrevet)

Notat

Testmotoren er avskrevet og vil bli fjernet i en fremtidig versjon. Bruk eksempler på Power Platform Playwright for testautomasjonsfunksjoner i Power Platform og Dynamics 365 tjenester.

Power Apps Test Engine tilbyr omfattende generative AI-funksjoner som strekker seg over hele testlivssyklusen. Denne siden gir en oversikt over hvordan generativ AI kan forbedre testopplevelsen din, fra testoppretting til utførelse og validering.

Test Engines generative AI-funksjoner adresserer tre nøkkelområder i testprosessen:

Generativ AI-kapasitet Description
Generativ AI-assistert testredigering Opprett tester raskt ved hjelp av GitHub Copilot og andre store språkmodeller (LLM-er) eller små språkmodeller (SLMer)
Model Context Protocol-server Deterministisk analyse og kodegenerering med MCP
Ikke-deterministisk AI-testing Test AI-drevne apper med spesielle valideringsteknikker

Generativ AI-assistert testredigering

Å lage omfattende testplaner kan være tidkrevende, spesielt for komplekse applikasjoner. Testmotoren støtter generativ AI-assistert redigering gjennom:

  • GitHub Copilot integrasjon: Generer testmaler, testtrinn og deklarasjoner basert på programkoden
  • Oppretting av tester med naturlig språk: Beskriv testscenarier på vanlig engelsk og oversett dem til kjørbare tester
  • Prøvebasert testgenerering: Referer til eksisterende prøver for å lage kontekstuelt relevante tester

Denne tilnærmingen hjelper testforfattere med å fokusere på forretningslogikk og valideringsregler i stedet for testsyntaks og standardkode.

Finn ut mer om generativ AI-assistert testredigering

Implementering av Model Context Protocol-server

Power Apps Test Engine inkluderer en MCP-serverimplementering (Model Context Protocol) som gir deterministisk analyse av programmene dine og genererer testanbefalinger.

MCP-serveren:

  • Analyserer applikasjonsstruktur for å identifisere testbare komponenter
  • Genererer testmønstre basert på kontrolltyper og relasjoner
  • Gir kontekstavhengige kodeanbefalinger
  • Integreres med MCP-klienter som Visual Studio og GitHub Copilot
  • Bruker Plan Designer til å organisere og prioritere testinnsats
  • Inneholder løsningsdefinisjonselementer og dataskjemaer for omfattende testing
  • Bruker metadata fra løsningen din til å generere kontekstuelt relevante tester

Når du kombinerer deterministisk analyse med generative AI-funksjoner, gir denne tilnærmingen deg mer pålitelig og nøyaktig testgenerering sammenlignet med rene generative tilnærminger alene.

Finn ut mer om implementeringen av Model Context Protocol

Testing av ikke-deterministiske AI-funksjoner

Når du tester programmer som bruker kunstig intelligens-funksjoner som AI Builder komponenter eller Generative Pretrained Transformer -modeller (GPT), er det nødvendig med spesiell vurdering for håndtering av ikke-ubestemte utdata.

Test Engine gir:

  • Funksjonen Preview.AIExecutePrompt: Utfør AI-forespørsler med kontrollerte innganger og valider utganger
  • Toleransebasert validering: Bekreft at AI-utdata oppfyller forventningene innenfor akseptable terskler
  • Strukturert svarvalidering: Analyser og valider komplekst AI-generert innhold
  • Planbasert validering: Bruk Planutforming-definisjoner til å validere AI-utdata mot forventede kriterier

Disse funksjonene sikrer at du kan lage pålitelige, repeterbare tester selv når du arbeider med iboende variable AI-systemer.

Finn ut mer om testing av ikke-deterministiske AI-funksjoner

Velge riktig generativ AI-tilnærming

For optimale resultater, vurder disse retningslinjene:

Hvis du vil... Vurder å bruke...
Generer tester raskt for en ny applikasjon Generativ AI-assistert redigering med GitHub Copilot
Få presis, deterministisk analyse av testbare komponenter Modellkontekstprotokollserver
Kombiner deterministisk analyse med generative evner MCP med en kompatibel LLM-klient
Test AI-drevne applikasjoner med variable utganger Ikke-deterministisk AI-testing med Preview.AIExecutePrompt
Strukturer testinnsatsen din basert på forretningskrav Plan Designer med MCP-serverintegrasjon
Generere tester ved hjelp av løsningsmetadata og dataskjemaer MCP-server med skanning av løsningsdefinisjoner

AI-assistert testredigering med GitHub Copilot
Å bruke Model Context Protocol-serveren med Testmotor
Testing av ikke-deterministiske AI-komponenter
Bla gjennom katalogen over prøvemotoreksempler
Prøv Test Engine power-fx-funksjonene
Bruke Plandesigner

  • Last updated on