共用方式為


將模型上下文協定伺服器與測試引擎結合使用

注意

預覽功能不供生產時使用,而且可能功能受限。 這些功能是在正式發行前先行推出,讓客戶能夠搶先體驗並提供意見反應。

Power Apps 測試引擎包括一個模型上下文協定 (MCP) 伺服器實現,它通過對應用程式的確定性分析來增強測試創建。 本指南介紹如何使用此功能生成更準確、與上下文相關的測試。

什麼是模型上下文協定?

模型上下文協定 (MCP) 是 AI 工具之間通信的標準,用於提供上下文和作。 在測試引擎的上下文中,它可以啟用:

  • 確定性分析:掃描和分析應用程序結構
  • 上下文感知:瞭解代碼關係和依賴關係
  • 代碼生成:根據上下文創建代碼片段
  • 互動式協助:通過相關建議回應用戶查詢
  • 計劃集成:使用計劃設計器 進行 結構化測試計劃

測試引擎 MCP 伺服器提供了一個標準輸入/輸出 (stdio) 實現,您可以將其與 MCP 用戶端 (如) Visual Studio或其他相容工具一起使用 GitHub Copilot。

測試引擎 MCP 伺服器的工作原理

測試引擎 MCP 伺服器將確定性應用程式掃描與生成式建議相結合:

  1. 掃描階段:分析您的應用程式結構以識別:

    • 控制件類型和層次結構
    • 導航路徑
    • 數據源和架構
    • 常見交互模式
    • 解決方案元件關係
    • 實體定義和關係
    • 表單佈局和業務規則
    • 自訂代碼元件
  2. 分析階段:處理掃描結果以確定有助於識別以下內容的優化提示:

    • 可測試的元件和性能
    • 潛在的測試方案
    • 覆蓋機會
    • 風險領域
    • 數據依賴關係
    • 所需的測試數據設置
  3. 計劃集成階段:與計劃設計器 配合 使用以:

    • 按業務需求組織測試
    • 確定關鍵測試方案的優先順序
    • 創建結構化測試計劃
    • 根據計劃項跟蹤測試覆蓋率
    • 生成有關測試覆蓋率的報告
  4. 推薦階段:生成與上下文相關的提示,以協助:

    • 測試範本和結構
    • Power Fx 斷言
    • 導航序列
    • 數據驗證模式
    • 類比資料定義
    • 錯誤處理方案
  5. 集成階段:通過 stdio 與 MCP 用戶端通信以:

    • 回應使用者提示
    • 提供上下文感知建議
    • 建議的提示,以説明生成完整的測試用例

使用 MCP 方法的好處

與純生成方法相比,模型上下文協定伺服器具有多種優勢,可以配置這些方法以改進:

權益 Description
準確性 確定性分析確保生成的測試參考實際控制和屬性
可靠性 測試基於應用程式的實際結構,而不是假設的模式
上下文感知 MCP 伺服器瞭解應用程式的結構並可以生成更相關的測試
與計劃設計器整合 允許根據業務需求和計劃專案組織測試
解決方案元數據利用率 使用解決方案的實體定義、關係和業務規則
測試數據生成 創建建議,以根據解決方案的數據模型生成適當的測試數據
法學碩士的補充 與大型語言模型配合使用,增強其生成能力
標準化方法 遵循 MCP 規範,以便與各種客戶端進行一致的互動

設置 MCP 伺服器

要使用測試引擎 MCP 伺服器,請執行以下作:

  1. 安裝最新版本的 Power Apps 測試引擎 CLI
  2. 在工作區中設置應用程式源檔
  3. 配置 MCP 伺服器以分析您的工作空間
  4. 將 MCP 用戶端連接到伺服器

必要條件

  • Power Apps 測試引擎 CLI (最新版本)
  • 源控 Power Platform 解決方案
  • 與 MCP 相容的用戶端,例如 Visual Studio 或 GitHub Copilot

將計劃設計器與 MCP 結合使用

計劃設計器 提供了一種結構化的方法來組織測試工作並確定其優先順序。 當與測試引擎 MCP 伺服器一起使用時,它增強了測試生成過程:

  1. 測試計劃創建:定義具有特定目標和成功標準的測試計劃
  2. 需求映射:將測試連結到業務需求和解決方案元件
  3. 測試優先順序:在實施解決方案時確定關鍵路徑和高風險區域,以便進行重點測試
  4. 覆蓋率分析:根據計劃項和解決方案元件跟蹤測試覆蓋率
  5. 測試數據定義:為每個測試場景指定測試數據要求

Plan Designer 資訊如何增強 MCP 伺服器

MCP 伺服器使用計劃設計器資訊來:

  • 將測試生成重點放在高優先順序領域
  • 創建涵蓋計劃定義要求的測試數據
  • 結構測試以驗證特定計劃專案
  • 生成與業務優先順序一致的全面測試覆蓋率
  • 提供測試和業務需求之間的可追溯性

使用者入門

查看測試引擎 MCP 瞭解 MCP 伺服器和入門資訊。

將確定性分析與生成式 AI 相結合

測試引擎 MCP 伺服器的真正強大之處在於將確定性分析與生成功能相結合:

  • 確定性分析通過識別實際元件來確保準確性
  • 生成式 AI 提供自然語言理解和創意測試場景
  • 它們共同產生了既可靠又全面的測試

這種混合方法有助於克服以下兩者的局限性:

  • 純粹的確定性方法可能缺乏對創造性測試場景的覆蓋
  • 純生成方法可以引用不存在的控件或不正確的屬性
  • 審查流程以完善和改進生成的結果

最佳作法

使用測試引擎 MCP 伺服器時:

  • 提供完整的源上下文:確保解決方案資料夾包含所有相關文件
  • 在提示中具體:包括特定的控件名稱和預期行為
  • 增量反覆運算:從基本測試開始,逐步增加複雜性
  • 驗證生成的測試:在執行前查看和調整測試
  • 與手動專業知識相結合:將 MCP 伺服器用作生產力工具,而不是替代測試知識

疑難排解​​

如果遇到 MCP 伺服器問題,請嘗試以下故障排除步驟:

問題 解決方法
伺服器無法啟動 驗證安裝和 PATH 環境變數
用戶端無法連接 檢查 stdio 配置和文件許可權
生成的測試引用了不正確的控件 確保您的解決方案檔完整且最新
分析似乎不完整 使用詳細記錄查看伺服器正在掃描的內容

瞭解 AI 輔助測試創作
瞭解非確定性 AI 測試
探索測試引擎示例