Generative AI-funktioner i Power Apps Test Engine (frarådes)

Bemærkning

Testprogrammet frarådes og fjernes i en fremtidig version. Brug Power Platform Playwright-eksempler til funktioner til testautomatisering i Power Platform og Dynamics 365-tjenester.

Power Apps Test Engine tilbyder omfattende generative AI-funktioner, der strækker sig over hele testlivscyklussen. Denne side giver et overblik over, hvordan generativ AI kan forbedre din testoplevelse, fra testoprettelse til udførelse og validering.

Test Engines generative AI-funktioner adresserer tre nøgleområder i testprocessen:

Generativ AI-kapacitet Beskrivelse
Generativ AI-assisteret testoprettelse Opret test hurtigt ved hjælp af GitHub Copilot og andre store sprogmodeller (LLMs) eller små sprogmodeller (SLMs)
Model Context Protocol-server Deterministisk analyse og kodegenerering med MCP
Ikke-deterministisk AI-test Test AI-drevne apps med særlige valideringsteknikker

Generativ AI-assisteret testoprettelse

Det kan være tidskrævende at udarbejde omfattende testplaner, især for komplekse applikationer. Testprogrammet understøtter generativ AI-assisteret oprettelse via:

  • GitHub Copilot integration: Generér testskabeloner, testtrin og antagelser baseret på din programkode
  • Oprettelse af test på naturligt sprog: Beskriv testscenarier på almindeligt engelsk, og oversæt dem til eksekverbare tests
  • Prøvebaseret testgenerering: Henvis til eksisterende prøver for at skabe kontekstuelt relevante tests

Denne fremgangsmåde hjælper testforfattere med at fokusere på forretningslogik og valideringsregler i stedet for testsyntaks og standardkode.

Få mere at vide om generativ AI-assisteret testoprettelse

Implementering af Model Context Protocol-server

Power Apps Test Engine indeholder en MCP-serverimplementering (Model Context Protocol), der leverer deterministisk analyse af dine programmer og genererer testanbefalinger.

MCP-serveren:

  • Analyserer applikationsstruktur for at identificere testbare komponenter
  • Genererer testmønstre baseret på kontroltyper og relationer
  • Giver kontekstafhængige kodeanbefalinger
  • Integreres med MCP-klienter som Visual Studio og GitHub Copilot
  • Bruger Plan Designer til at organisere og prioritere testindsatsen
  • Inkorporerer løsningsdefinitionselementer og dataskemaer til omfattende test
  • Bruger metadata fra din løsning til at generere kontekstuelt relevante tests

Når du kombinerer deterministisk analyse med generative AI-funktioner, giver denne tilgang dig mere en mere pålidelig og præcis testgenerering sammenlignet med rene generative tilgange alene.

Få mere at vide om implementeringen af Model Context Protocol

Test af ikke-deterministiske AI-funktioner

Når du tester applikationer, der bruger AI-funktioner som AI Builder komponenter eller GPT-modeller (Generative Pretrained Transformer), er der behov for særlige overvejelser for at håndtere ikke-deterministiske output.

** Test Engine tilbyder:

  • Funktionen Preview.AIExecutePrompt: Udfør AI-prompter med kontrollerede input og valider output
  • Tolerancebaseret validering: Kontrollér, at AI-output lever op til forventningerne inden for acceptable tærskler
  • Validering af strukturerede svar: Fortolk og valider komplekst AI-genereret indhold
  • Planbaseret validering: Brug definitioner i Plandesigner til at validere AI-output i forhold til forventede kriterier

Disse funktioner sikrer, at du kan oprette pålidelige, repeterbare tests, selv når du arbejder med iboende variable AI-systemer.

Få mere at vide om test af ikke-deterministiske AI-funktioner

Valg af den rigtige generative AI-tilgang

For at opnå optimale resultater skal du overveje disse retningslinjer:

Hvis du vil... Overvej at bruge...
Generer hurtigt tests til en ny applikation Generativ AI-assisteret redigering med GitHub Copilot
Få præcis, deterministisk analyse af testbare komponenter Server til modelkontekstprotokol
Kombiner deterministisk analyse med generative funktioner MCP med en kompatibel LLM-klient
Test AI-drevne applikationer med variable udgange Ikkedeterministisk AI-test med Preview.AIExecutePrompt
Strukturer din testindsats baseret på forretningskrav Plan Designer med MCP-serverintegration
Generer test ved hjælp af løsningsmetadata og dataskemaer MCP-server med scanning af løsningsdefinition

AI-assisteret testoprettelse med GitHub Copilot
Brug af Model Context Protocol-serveren med testprogrammet
Test af ikke-deterministiske AI-komponenter
Gennemse kataloget over eksempler på testprogram
Prøv testmotorens power-fx-funktioner
Brug Plan Designer

  • Last updated on