Partilhar via

Recursos de IA generativa no Power Apps Test Engine (visualização)

Nota

As funcionalidades de pré-visualização não se destinam à produção e poderão ter caraterísticas restritas. Estas caraterísticas estão disponíveis antes do lançamento oficial, para que os clientes possam ter acesso antecipado e enviar comentários.

Power Apps O Test Engine oferece recursos abrangentes de IA generativa que abrangem todo o ciclo de vida do teste. Esta página fornece uma visão geral de como a IA generativa pode melhorar sua experiência de teste, desde a criação do teste até a execução e validação.

Os recursos generativos de IA do Test Engine abordam três áreas-chave do processo de teste:

Capacidade de IA generativa Description
Criação de testes generativos assistidos por IA Crie testes rapidamente usando GitHub Copilot e outros Large Language Models (LLMs) ou Small Language Models (SLMs)
Servidor de protocolo de contexto de modelo Análise determinística e geração de código com MCP
Testes de IA não determinísticos Teste aplicativos alimentados por IA com técnicas especiais de validação

Criação de testes generativos assistidos por IA

Criar planos de teste abrangentes pode ser demorado, especialmente para aplicações complexas. O Test Engine suporta a criação assistida por IA generativa através de:

  • GitHub Copilot integração: gere modelos de teste, etapas de teste e asserções com base no código do seu aplicativo
  • Criação de testes em linguagem natural: descreva cenários de teste em inglês simples e traduza-os em testes executáveis
  • Geração de testes baseada em amostras: faça referência a amostras existentes para criar testes contextualmente relevantes

Essa abordagem ajuda os autores de teste a se concentrarem na lógica de negócios e nas regras de validação, em vez de testar sintaxe e código clichê.

Saiba mais sobre a criação de testes generativos assistidos por IA

Implementação do servidor Model Context Protocol

Power Apps O mecanismo de teste inclui uma implementação de servidor MCP (Model Context Protocol) que fornece análise determinística de seus aplicativos e gera recomendações de teste.

O servidor MCP:

  • Analisa a estrutura do aplicativo para identificar componentes testáveis
  • Gera padrões de teste com base em tipos de controle e relacionamentos
  • Fornece recomendações de código contextual
  • Integra-se com clientes MCP como Visual Studio e GitHub Copilot
  • Usa o Plan Designer para organizar e priorizar os esforços de teste
  • Incorpora elementos de definição de solução e esquemas de dados para testes abrangentes
  • Usa metadados de sua solução para gerar testes contextualmente relevantes

Quando você combina análise determinística com recursos de IA generativa, essa abordagem oferece mais uma geração de testes mais confiável e precisa em comparação com abordagens generativas puras sozinhas.

Saiba mais sobre a implementação do Model Context Protocol

Testando recursos de IA não determinística

Ao testar aplicações que usam recursos de IA, como AI Builder componentes ou modelos de Transformador Pré-treinado Generativo (GPT), é necessária uma consideração especial para lidar com saídas não determinísticas.

O Test Engine fornece:

  • A Preview.AIExecutePrompt função: Execute prompts de IA com entradas controladas e valide saídas
  • Validação baseada em tolerância: verifique se as saídas de IA atendem às expectativas dentro de limites aceitáveis
  • Validação de resposta estruturada: analise e valide conteúdo complexo gerado por IA
  • Validação baseada em plano: use as definições do Plan Designer para validar saídas de IA em relação aos critérios esperados

Esses recursos garantem que você possa criar testes confiáveis e repetíveis, mesmo ao trabalhar com sistemas de IA inerentemente variáveis.

Saiba mais sobre como testar recursos de IA não determinística

Escolhendo a abordagem de IA generativa certa

Para obter os melhores resultados, considere estas diretrizes:

Se você quiser... Considere usar...
Gere rapidamente testes para um novo aplicativo Criação assistida por IA generativa com GitHub Copilot
Obtenha uma análise determinística precisa de componentes testáveis Servidor de protocolo de contexto de modelo
Combine análise determinística com capacidades generativas MCP com um cliente LLM compatível
Teste aplicações alimentadas por IA com saídas variáveis Testes de IA não determinísticos com Preview.AIExecutePrompt
Estruture seus esforços de teste com base nos requisitos de negócios Plan Designer com integração de servidor MCP
Gerar testes usando metadados de solução e esquemas de dados Servidor MCP com verificação de definição de solução

Criação de testes assistida por IA com GitHub Copilot
Usando o servidor do protocolo de contexto do modelo com o mecanismo de teste
Testando componentes de IA não determinísticos
Navegue pelo catálogo de amostras do Test Engine
Experimente o motor de teste power-fx-functions
Usar o Plan Designer

  • Last updated on