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 Test Engine 提供涵蓋整個測試生命週期的全面生成式 AI 功能。 本頁概述了生成式 AI 如何增強您的測試體驗，從測試創建到執行和驗證。
Test Engine 的生成式 AI 功能解決了測試過程的三個關鍵領域：
| 生成式 AI 能力 | Description |
|---|---|
| 生成式 AI 輔助測試創作 | 使用其他大型語言模型 (LLM) 或小型語言模型 (SLM) 快速 GitHub Copilot 創建測試 |
| 模型上下文協議伺服器 | 使用 MCP 進行確定性分析和代碼生成 |
| 非確定性人工智慧測試 | 使用特殊的驗證技術測試 AI 驅動的應用程式 |
生成式 AI 輔助測試創作
創建全面的測試計劃可能非常耗時，尤其是對於複雜的應用程式。 測試引擎通過以下方式支援生成式 AI 輔助創作：
- GitHub Copilot 集成：根據您的應用程式代碼生成測試範本、測試步驟和斷言
- 自然語言測試創建：用簡單的英語描述測試場景並將其翻譯成可執行的測試
- 基於樣本的測試生成：引用現有樣本以創建上下文相關的測試
這種方法有助於測試作者專注於業務邏輯和驗證規則，而不是測試語法和樣板代碼。
模型上下文協定伺服器實現
Power Apps 測試引擎包括一個模型上下文協定 (MCP) 伺服器實現，該實現提供應用程式的確定性分析並生成測試建議。
MCP 伺服器：
- 分析應用結構以識別可測試的元件
- 根據控制類型和關係生成測試模式
- 提供上下文代碼建議
- 與 MCP 用戶端整合，例如 Visual Studio 和 GitHub Copilot
- 使用計劃設計器 組織 測試工作並確定其優先順序
- 合併解決方案定義元素和數據模式以進行全面測試
- 使用解決方案中的元數據生成上下文相關的測試
當您將確定性分析與生成式 AI 功能相結合時，與單獨使用純生成式方法相比，這種方法可以為您提供更可靠、更準確的測試生成。
測試非確定性 AI 功能
在測試使用 AI 功能 (如元件或生成式預訓練轉換器（GPT) 模型） AI Builder 的應用程式時，需要特別考慮處理非確定性輸出。
測試引擎提供：
-
功能
Preview.AIExecutePrompt：使用受控輸入執行 AI 提示並驗證輸出 - 基於容差的驗證：驗證 AI 輸出是否在可接受的閾值內滿足預期
- 結構化回應驗證：解析和驗證複雜的 AI 生成內容
- 基於計劃的驗證：使用計劃設計器定義根據預期標準驗證 AI 輸出
這些功能確保您即使在使用固有可變的 AI 系統時也可以創建可靠、可重複的測試。
選擇正確的生成式 AI 方法
為了獲得最佳結果，請考慮以下準則：
| 如果你想... | 考慮使用... |
|---|---|
| 快速生成新應用程式的測試 | 生成式 AI 輔助創作 GitHub Copilot |
| 對可測試元件進行精確、確定的分析 | 模型內容通訊協定伺服器 |
| 將確定性分析與生成功能相結合 | 具有相容 LLM 用戶端的 MCP |
| 使用可變輸出測試 AI 驅動的應用程式 | 非確定性 AI 測試 Preview.AIExecutePrompt |
| 根據業務需求構建測試工作 | 具有 MCP 伺服器整合的平面設計器 |
| 使用解決方案元數據和數據架構生成測試 | 具有解決方案定義掃描功能的 MCP 伺服器 |
相關文章
AI 輔助測試創作 GitHub Copilot
將模型上下文協定伺服器與測試引擎結合使用
測試非確定性 AI 元件
瀏覽測試引擎範例目錄
試用測試引擎 power-fx-functions
使用計劃設計器