Auton elektroniikan kehityksessä ja testauksessa tekoäly ottaa nyt hoitaakseen kokonaisia työnkulkuja. Vectorin CANoe-ympäristössä käyttäjä voi antaa tehtävän luonnollisella kielellä, minkä jälkeen tekoäly muodostaa testin, suorittaa sen, analysoi virheet ja korjaa tarvittaessa testikoodin.
Vector on tuonut CANoe 20 SP2 -versioon integroidun MCP-palvelimen ja uuden CANoe AI Package -paketin. Niiden avulla tekoäly voi käyttää CANoen kehitys-, analyysi- ja testaustoimintoja suoraan.
Esimerkiksi käyttäjä voi antaa järjestelmälle vaatimuksen, jonka perusteella tekoäly muodostaa tarvittavan CAPL-testin. Tämän jälkeen se ajaa testin CANoessa, analysoi mahdolliset virheet, korjaa CAPL-koodia ja suorittaa testin uudelleen. Lopuksi tulokset siirtyvät käyttäjän tarkistettaviksi ja hyväksyttäviksi.
Vectorin mukaan näin voidaan automatisoida tehtäviä, joihin on aikaisemmin kulunut tunteja tai jopa päiviä. Nyt sama työnkulku voidaan parhaimmillaan suorittaa minuuteissa. Käyttäjä voi itse määritellä, kuinka itsenäisesti tekoäly saa toimia, ja sen tekemät vaiheet voidaan nähdä CANoe-ympäristössä työn aikana.
CANoe AI Package ei sido käyttäjää tiettyyn kielimalliin. Taustalla voidaan käyttää käyttäjän valitsemaa mallia, esimerkiksi GitHub Copilotin tai Clauden käyttämää LLM:ää. Vector tarjoaa varsinaisen tekoälykerroksen eli agentit, taidot ja MCP-työkalut, joita voidaan täydentää yrityksen omilla komponenteilla ja toimialakohtaisella tiedolla.
Tekoäly voi CANoessa muun muassa lukea ja muokata konfiguraatioita, ohjata simulaatioita, muodostaa testejä, analysoida tiedonsiirtoa sekä tuottaa ja optimoida CAPL-, C#- ja Python-koodia. Vector-RAG-ratkaisun kautta tekoäly saa lisäksi käyttöönsä Vectorin dokumentaatioon perustuvan tietokannan, jolla vastaukset voidaan ankkuroida valmistajan tekniseen tietoon.
