Nuta
Dostęp do tej strony wymaga autoryzacji. Możesz spróbować się zalogować lub zmienić katalog.
Dostęp do tej strony wymaga autoryzacji. Możesz spróbować zmienić katalogi.
Notatka
Funkcje w wersji zapoznawczej nie są przeznaczone do użytku w środowiskach produkcyjnych i mogą mieć ograniczoną funkcjonalność. Te funkcje są udostępniane przed oficjalnym wydaniem, dzięki czemu klienci mogą szybciej uzyskać do nich dostęp i przekazać opinie na ich temat.
Power Apps Test Engine oferuje kompleksowe możliwości generatywnej sztucznej inteligencji, które obejmują cały cykl życia testowania. Ta strona zawiera omówienie tego, jak generatywna sztuczna inteligencja może poprawić środowisko testowania, od tworzenia testów po ich wykonanie i walidację.
Funkcje generatywnej sztucznej inteligencji w Test Engine dotyczą trzech kluczowych obszarów procesu testowania:
| Możliwości generatywnej sztucznej inteligencji | Podpis |
|---|---|
| Tworzenie testów wspomaganych przez generatywną sztuczną inteligencję | Szybkie tworzenie testów przy użyciu GitHub Copilot innych dużych modeli językowych (LLM) lub małych modeli językowych (SLM) |
| Serwer protokołu Model Context Protocol | Analiza deterministyczna i generowanie kodu za pomocą MCP |
| Niedeterministyczne testowanie sztucznej inteligencji | Testowanie aplikacji opartych na sztucznej inteligencji przy użyciu specjalnych technik walidacji |
Tworzenie testów wspomaganych przez generatywną sztuczną inteligencję
Tworzenie kompleksowych planów testów może być czasochłonne, szczególnie w przypadku złożonych aplikacji. Test Engine obsługuje tworzenie wspomagane generatywną sztuczną inteligencją poprzez:
- GitHub Copilot integracja: Generuj szablony testów, kroki testów i asercje na podstawie kodu aplikacji
- Tworzenie testów w języku naturalnym: Opisz scenariusze testowe w prostym języku angielskim i przetłumacz je na testy wykonywalne
- Generowanie testów na podstawie próbek: odwoływanie się do istniejących próbek w celu tworzenia kontekstowych testów
Takie podejście pomaga autorom testów skupić się na logice biznesowej i regułach walidacji, a nie na składni testów i kodzie standardowym.
Implementacja serwera Model Context Protocol
Power Apps Aparat testowy zawiera implementację serwera protokołu MCP (Model Context Protocol), która zapewnia deterministyczną analizę aplikacji i generuje zalecenia dotyczące testów.
Serwer MCP:
- Analizuje strukturę aplikacji w celu zidentyfikowania testowalnych komponentów
- Generuje wzorce testowe na podstawie typów kontrolek i relacji
- Udostępnia kontekstowe zalecenia dotyczące kodu
- Integruje się z klientami MCP, takimi jak Visual Studio i GitHub Copilot
- Używa narzędzia Plan Designer do organizowania i ustalania priorytetów działań związanych z testowaniem
- Zawiera elementy definicji rozwiązania i schematy danych na potrzeby kompleksowego testowania
- Używa metadanych z rozwiązania do generowania kontekstowych testów
Łącząc analizę deterministyczną z możliwościami generatywnej sztucznej inteligencji, takie podejście zapewnia bardziej niezawodne i dokładne generowanie testów w porównaniu z samymi podejściami czysto generatywnymi.
Testowanie niedeterministycznych możliwości sztucznej inteligencji
Podczas testowania aplikacji korzystających z funkcji sztucznej inteligencji, takich jak AI Builder komponenty lub modele generatywnie trenowanych transformatorów (GPT), należy zwrócić szczególną uwagę na obsługę niedeterministycznych danych wyjściowych.
Test Engine zapewnia:
-
Funkcja
Preview.AIExecutePrompt: Wykonuj podpowiedzi AI z kontrolowanymi danymi wejściowymi i weryfikuj dane wyjściowe - Walidacja oparta na tolerancji: sprawdź, czy dane wyjściowe sztucznej inteligencji spełniają oczekiwania w ramach akceptowalnych progów
- Ustrukturyzowana walidacja odpowiedzi: analizowanie i weryfikowanie złożonej zawartości generowanej przez sztuczną inteligencję
- Walidacja oparta na planie: używanie definicji projektanta planu do weryfikowania wyników sztucznej inteligencji pod kątem oczekiwanych kryteriów
Te możliwości zapewniają tworzenie niezawodnych, powtarzalnych testów nawet podczas pracy z systemami sztucznej inteligencji z natury zmiennymi.
Wybór odpowiedniego podejścia do generatywnej sztucznej inteligencji
Aby uzyskać optymalne wyniki, należy wziąć pod uwagę następujące wskazówki:
| Jeśli chcesz... | Rozważ użycie... |
|---|---|
| Szybkie generowanie testów dla nowej aplikacji | Tworzenie wspomagane generatywną sztuczną inteligencją z GitHub Copilot |
| Uzyskaj precyzyjną, deterministyczną analizę testowalnych komponentów | Serwer protokołu kontekstu modelu |
| Łączenie analizy deterministycznej z możliwościami generatywnymi | MCP z kompatybilnym klientem LLM |
| Testowanie aplikacji opartych na sztucznej inteligencji ze zmiennymi wyjściami | Niedeterministyczne testowanie sztucznej inteligencji za pomocą Preview.AIExecutePrompt |
| Uporządkuj swoje działania testowe w oparciu o wymagania biznesowe | Plan Designer z integracją z serwerem MCP |
| Generowanie testów przy użyciu metadanych rozwiązania i schematów danych | Serwer MCP ze skanowaniem definicji rozwiązania |
Powiązane artykuły
Tworzenie testów wspomagane sztuczną inteligencją za pomocą GitHub Copilot
Korzystanie z serwera Model Context Protocol z aparatem testowym
Testowanie niedeterministycznych komponentów sztucznej inteligencji
Przeglądaj katalog przykładów aparatu testowego
Wypróbuj silnik testowy power-fx-functions
Korzystanie z Projektanta planu