发现最出色的 AI 工具

一个用于评估AI代理的工具，具有稳定性报告、翻转归因、LLM裁判审核和从知识库派生的确定性检查等功能。

ClawBench 是一个用于评估浏览器 AI 代理在日常任务上的基准测试。

多语言基准用于评估软件代理在问题解决方面的能力。

AgentLeak 提供 Python SDK、CLI 和 MCP 工具，用于检查智能体在工具调用、记忆、消息和日志中的数据泄露，并提供脱敏报告和 CI 检查关卡。

用于检查 AI 代理的完成声明与 Git 证据的工具

Agent-Wiz 是一个用于威胁建模和可视化 AI 代理的命令行界面 (CLI)，其构建框架包括 LangGraph、AutoGen 和 CrewAI。

AgentSkeptic 是一种用于检测 AI 代理工作流程中静默故障的工具，通过验证实际系统状态。

用于Browser Use 运行失败的本地回放调试器，带截图、模型输入输出、失败步骤时间线和HTML导出。

一个用于检查AI编码代理工作并将检查结果绑定到当前Git状态以供人工审核的工具。

开源自我改进的软件团队QA代理。具有记忆的测试套件。用自然语言为Web和移动设备编写测试。agent-qa从每次运行中学习，适应UI变化，并在您发布之前捕获回归错误

RAMPART是一个用于代理式人工智能应用的pytest原生安全和安全测试框架

一个用于 AI 代理的回归测试框架，可保存黄金基线并检测行为漂移。

用于MCP服务器的回归测试工具，可自动发现服务器、检查功能并检测模式漂移。

一个用于 Playwright 测试的完整浏览器 UAT 技术，具有多种功能。

Claude Code技能用于AI辅助的漏洞赏金挖掘，可自动化进行安全测试。

一个通过MCP测试、评分和检查n8n工作流的工具

用于 LLM 和代理应用的测试基础设施，具有协作评估功能。

使用测试驱动开发方法实现功能和错误修复。

用于API和代理工作流的AI测试生成器

基于 Playwright 的本地网页应用测试和调试工具