AI 智能体，现可自主测试您的应用程序。
Squish MCP 将 Cursor、Copilot、Windsurf 和 Claude Code 转化为自主测试伙伴。智能体通过同一套 Squish 引擎实时探索并控制您的应用程序——这套引擎已获得汽车、医疗和航空航天团队超过 20 年的信赖。
生成速度提升
消耗降低
UI 元素数量
技术积淀
工程师已有心仪的 AI 工具。我们直接融入其中。
Qt Group 的软件质量工具 AI 策略围绕三大承诺构建。Squish MCP 是第三项承诺最直接的体现——团队无需更换日常使用的编辑器，即可采用 AI 辅助 GUI 测试。
加速测试开发
AI 在 Squish 内部运行，在完整上下文支持下更快地生成、调试和优化测试脚本。
跨产品工作流
AI 跨越 Squish、Coco 和 Test Center 协同工作，释放单一产品无法实现的价值。
拥抱任意开发环境
AI 进入工程师的既有工作环境：Cursor、Copilot、Windsurf、Claude Code。模型无关、支持本地部署、无供应商锁定。这正是 Squish MCP 所实现的。
从辅助工具到自主测试伙伴。
Squish MCP 0.2 版本是一次重大升级。AI 智能体现在无需查看源代码，即可完全自主地探索和控制应用程序。MCP 服务器提供实时应用状态和 UI 交互工具，使智能体能够像人工测试员一样工作。
自主探索
智能体通过实时交互发现应用程序的结构，以人工测试员的方式理解软件的功能。
速度提升 60%，资源消耗减少 30%
紧凑的按需状态表示取代了臃肿的对象快照。智能体按需获取所需内容，保持上下文窗口精简，加快迭代速度。
支持复杂应用规模
实际目标应用往往拥有超过 1,000 个 UI 元素。0.2 版本从容应对 0.1 版本力有不逮的规模，将 MCP 驱动测试的适用范围大幅扩展。
超越测试生成本身
Squish MCP 不止于编写测试。智能体还能对故障进行溯源分类、审计测试套件对需求的覆盖情况、发现重复测试用例，以及主动探索隐性缺陷。整个工作包，交给它处理。
实时应用上下文，直达智能体。
Squish MCP 是一个模型上下文协议（Model Context Protocol，MCP）服务器。它将 AI 代码编辑器接入正在运行的 Squish 会话，同时为智能体提供应用程序的实时状态和可执行的操作工具。
您描述测试意图
"生成一个测试：创建新项目并验证文件已保存。"
智能体调用 MCP 工具
Cursor、Copilot、Windsurf 或 Claude Code 通过 Squish MCP 服务器请求 UI 状态并执行操作。
Squish 驱动应用程序
Squish 引擎在实时应用程序中执行检查、点击、输入和验证，与常规测试运行完全一致。
精简状态回传
仅相关上下文回传至智能体，保持迭代速度快、token 消耗低。由智能体决定下一步操作。
整包工作任务，交给智能体处理。
Squish MCP 不只是测试脚本的自动补全工具。它能全面接管完整的工作任务——从测试生成、故障分类到套件整理——让工程师专注于高价值的测试决策。
端到端构建完整测试
智能体启动应用程序，遍历 UI，编写 Squish 脚本，运行测试并反复迭代直至通过。0.2 版本可稳定处理超过 1,000 个 UI 元素的应用，速度比 0.1 版本提升 60%。
发现脚本无法捕获的缺陷
放手让智能体探测边界情况、异常输入和非常规交互序列，发现结构化测试套件从未考虑过的稳定性问题。
暴露隐性风险点
孤立对话框、禁用但可访问的控件、无效 UI 状态——这类问题往往悄然流入生产环境。智能体通过探索 UI 图谱，为您逐一梳理。
自动建立测试与需求的映射关系
对于 ISO 26262、IEC 62304 及 FDA 监管场景至关重要。智能体读取测试套件、查询实时应用程序，生成可追溯的测试与功能需求映射。
终结人工故障分类循环
智能体复现故障，检查实时应用状态，与测试预期进行对比，明确告知 bug 究竟出在哪一侧。每次失败运行节省数小时。
整理自然生长的测试套件
长期项目随着团队迭代会积累大量近似重复的测试。智能体读取、比对并分组，将数月的人工整理工作压缩至半天的审查。
按需验证任意状态
无需先编写脚本，直接对实时 UI 进行临时查询。适用于功能复查、客户报告调试或发布候选版本的快速验证。
已在团队技术栈中？直接支持。
Squish MCP 遵循模型上下文协议（MCP）标准。只要编辑器支持 MCP，即可与 Squish 无缝对接。
GitHub Copilot
完整的分步集成文档。客户门户操作指南涵盖配置方法、本地模型设置以及首次提示词使用。
GitHub Copilot 操作指南同样适用于所有 MCP 兼容客户端，配置方式和步骤完全一致。
专为受监管、隔离网络及安全关键型环境而构建。
我们服务于汽车、医疗和航空航天领域的团队——在这些领域，使用第三方大语言模型（LLM）往往不可行。Squish MCP 在设计上赋予团队完整的选择权，包括完全在自有基础设施上运行。
支持本地模型
可将 MCP 服务器与本地部署的大语言模型（LLM）配合运行（例如 GitHub Copilot 的本地模型选项），确保测试数据、源代码和应用状态均不离开内部网络。
模型无关
根据合规、成本和能力需求自由选择模型，无需绑定单一供应商，也无需妥协于组织已确定的 AI 策略。
数据始终留在本地
配置本地部署后，应用状态、测试脚本和执行数据均保留在内部基础设施中。除非主动选择，否则任何数据都不会流向外部服务。