我们很高兴地宣布正式发布 Squish MCP v0.2.0（技术预览版）。
Squish MCP 新版本大幅提升了 AI 代理在测试开发中的效率、速度与整体性能。代理现可完全自主地探索和控制应用程序。其实现方式是：通过 Squish 向代理提供应用程序当前状态信息及执行 UI 交互的工具。这使代理无需查阅源代码，即可像真人一样通过探索来理解应用程序的工作原理。开发团队现可直接描述测试意图，并获得切实可用的结果，例如：
- "尝试使应用程序崩溃“
- "UI 工作流中是否存在死路——用户进入后无法退出的流程？"
- "向导的每个步骤都可以取消吗？"
测试用例生成效率提升
像Qt Creator这样的复杂应用程序有超过 1000 个 UI 元素，这对旧版 Squish MCP 而言是较大挑战。当前版本在性能上有了显著提升。例如，提示代理生成一个测试用例——打开 Qt Creator 并在"新建项目"对话框中完成项目创建——此前往往无法产出可用结果。这是因为代理无法动态响应 UI 状态的变化，而是依赖生成和分析大量 Squish 对象快照，这会迅速占满上下文窗口。通过接入运行中的应用程序，Squish MCP 使 AI 代理能够以紧凑的状态表示进行工作，只关注实际所需的信息。这不仅扩展了对更复杂应用程序和测试场景的支持，还将测试用例生成时间平均缩短了 52%，token 消耗平均降低了 41%。
如何充分发挥 AI 代理对 GUI 的理解能力
除上述生成示例外，开发团队还可将 AI 代理与新版 Squish MCP 结合使用，通过回答以下问题来加速测试开发：
- "XYZ 测试套件覆盖了哪些功能需求？"
- "测试用例 XYZ 产生了错误，是应用程序存在缺陷，还是测试本身的问题？"
- "当前文件夹中哪些测试用例是重复的？原因是什么？"
Squish MCP 已从一款实用的辅助工具演进为能够接管完整工作包的核心力量，让开发团队得以专注于更宏观的高层级任务，或在测试工作流中实现更高的覆盖率与吞吐量。
快速上手
使用 GitHub Copilot 的示例设置说明可在用户中心下载。我们欢迎您提出反馈和问题，帮助我们不断改进 Squish MCP。
当前局限与未来计划
在 AI 代理中使用第三方大语言模型（LLM）会引发关于数据共享的合理安全与合规顾虑；但本地模型的使用在技术上是可行的，例如结合 GitHub Copilot 使用，请参阅说明。
前期工作
本工作扩展了 Squish MCP 的早期版本（转至 GitHub），并以之前的博文为基础：
