Del via

Generative AI-funksjoner i Power Apps testmotoren (forhåndsversjon)

Notat

Forhåndsversjonsfunksjonene er ikke ment for produksjonsbruk og kan ha begrenset funksjonalitet. Disse funksjonene er tilgjengelige før en offisiell utgivelse, slik at kunder kan få tidlig tilgang og gi tilbakemeldinger.

Power Apps Test Engine tilbyr omfattende generative AI-funksjoner som spenner 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 prøver raskt ved hjelp av GitHub Copilot andre store språkmodeller (LLM-er) eller små språkmodeller (SLM-er)
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 Testmotoren inkluderer en MCP-serverimplementering (Model Context Protocol) som gir deterministisk analyse av applikasjonene 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 applikasjoner som bruker AI-funksjoner som AI Builder komponenter eller Generative Pretrained Transformer (GPT)-modeller, er det nødvendig med spesiell vurdering for å håndtere ikke-deterministiske utganger.

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 Server for modellkontekstprotokoll
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
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 Planutforming

  • Last updated on