生成だけじゃない。
品質こそ、AI の真価。

Squish AI アシスタント

Squish AI アシスタントは、Squish IDEに直接組み込まれたAIアシスタントです。ツールを切り替えたり、ログをチャット画面にコピー＆ペーストしたりする必要はありません。テストスクリプト、オブジェクトマップ、テスト結果、さらにはSquishフレームワーク自体を理解し、開発・テストを支援します。 

主な支援内容は以下の3つです。 

障害分析。テストが失敗した原因の特定には、修正そのものより多くの時間がかかることがあります。ログを1行ずつ確認する代わりに、AIアシスタントが障害内容を要約し、調査すべきポイントを提示します。夜間に大規模なテストを実行するチームでは、翌朝すぐに調査を開始できます。 

リファクタリング。テストスクリプトも、アプリケーションコードと同様に技術的負債が蓄積します。AIアシスタントはテストスクリプトをレビューし、保守性や効率を向上させる改善案や、Squishに最適化されたベストプラクティスを提案します。 

ナレッジ共有。シニアQAエンジニアの異動や新しいメンバーの参加時には、既存のテスト資産を理解するまでに時間がかかることがあります。AIアシスタントは、ドキュメントだけでは補えない知識を補完し、「どのテストが存在するのか」「なぜそのように設計されているのか」「何を検証しているのか」といった疑問に答えます。 

対応 LLM：OpenAI、Mistral、PrivateGPT など。

→ Squish AI アシスタントについて詳しく

Coco MCP サーバー

Coco MCP Serverを利用すると、GitHub Copilot、Cursor、Claude CodeなどのAIコードアシスタントが、カバレッジレポートを直接参照できるようになります。コードベースのうち十分にテストされていない箇所を特定し、そのギャップを埋めるためのユニットテストを生成します。さらに、ダッシュボード上の数値だけでなく、実際にリスクのあるコードに対してカバレッジが改善されたかどうかを検証できます。

AIを活用して開発スピードが向上する一方で、テストの抜け漏れも生まれやすくなります。Cocoはテストが実際にどのコードをカバーしているかを可視化し、不足しているテストを本番環境で問題になる前に補完できるよう支援します。

Squish Vision

従来のGUIテスト自動化は、セレクターやオブジェクトプロパティ、アプリケーション内部のコードを利用してUI要素を特定します。そのため、レイアウトやテーマ、画面解像度が変わるとテストが失敗し、場合によっては新しいテストを作成する以上の保守工数が発生することもあります。

Squish Visionは、これとは異なるアプローチを採用しています。コンピュータビジョンとローカル環境で動作する専用AIモデルを活用し、人が画面を認識するのと同じようにUI要素を識別・操作します。特定の見た目に依存するのではなく、UI要素の本質的な特徴を基に認識するため、UIの変更にも柔軟に対応できます。また、フレームワークに依存せず、クラウドを利用することなくローカル環境で実行できます。

→ Squish Vision について詳しく見る