AI エージェントが
アプリを自律的に
テストする時代へ

自律探索 

エージェントはアプリケーションとリアルタイムでやり取りしながら、その構造を自ら発見します。ソフトウェアの動作を、人間と同じように理解します。 

60% 高速、30% 軽量 

煩雑なオブジェクトスナップショットに代わり、コンパクトなオンデマンド状態表現を採用。エージェントは必要なものだけを必要なときに取得し、コンテキストウィンドウを小さく保ちながら反復を速めます。

複雑なアプリケーションへの対応 

実際の対象アプリケーションには 1,000 を超える UI 要素が存在することも珍しくありません。バージョン 0.2 はバージョン 0.1 が苦手としていたこのスケールに対応し、MCP 駆動テストの対象プロジェクト範囲を大幅に拡大します。

テスト生成を超えた活用 

Squish MCP はテストを書くだけではありません。エージェントは障害のトリアージ・要件に対するスイートカバレッジの監査・重複テストケースの検出・潜在的な欠陥の探索を行います。ワークパッケージ全体を一手に担います。

意図を記述する

「新しいプロジェクトを作成してファイルが保存されることを検証するテストを生成して。」

エージェントが MCP ツールを呼び出す

Cursor・Copilot・Windsurf・Claude Code が Squish MCP サーバーを通じて UI の状態とアクションをリクエストします。

Squish がアプリを操作する

Squish エンジンが通常のテスト実行と同様に、ライブアプリケーション内で検査・クリック・入力・検証を行います。

コンパクトな状態が返却される

関連するコンテキストのみがエージェントに返され、反復を速くトークンを節約します。エージェントが次のアクションを決定します。

GitHub Copilot

完全にドキュメント化されたステップバイステップの統合ガイド。カスタマーポータルのウォークスルーには設定・ローカルモデルのセットアップ・最初のプロンプトまで網羅しています。

ローカルモデル対応

MCP サーバーをローカルにホストされた LLM（例：GitHub Copilot のローカルモデルオプション）で実行できます。テストデータ・ソースコード・アプリケーションの状態が社外に出ることはありません。

モデル非依存

コンプライアンス・コスト・性能要件に合ったモデルを自由に選択できます。単一プロバイダーへのロックインなし。組織がすでに定めた AI 戦略を妥協なく実現できます。

データは自社で管理

ローカルデプロイメント構成では、アプリケーションの状態・テストスクリプト・実行データはすべて自社インフラ内に留まります。外部サービスへのデータ送信は、お客様が選択した場合のみ発生します。