Open source
agent-surface-tester
Pon agentes de IA nuevos frente a tu MCP, API, CLI o SDK y observa dónde tropiezan.
Un entorno de pruebas local que inicia agentes de IA aislados, sin contexto del repositorio, y da a cada uno una única puerta de entrada a tu producto: tu servidor MCP, tu API REST y llms.txt, tu CLI o tu SDK. Registra cada llamada, aplica protecciones en el código para que las pruebas no puedan tocar recursos reales y reúne los resultados en un único informe de incidencias.
- Rol
- Autor
- Año
- 2026
- Stack
- Node sin framework, MCP SDK, OpenRouter
- Visitar
- Código fuente
Por qué tu agente de programación no detecta los errores
Si le pides al agente de tu editor que pruebe tu servidor MCP, hará trampas sin querer. Ya ha leído el código fuente, así que, si el nombre de un parámetro es ambiguo o falta un ejemplo en llms.txt, recordará la respuesta por los tipos de TypeScript. El agente de un usuario real solo ve lo que expone tu interfaz. Este entorno de pruebas inicia modelos nuevos que nunca han visto tu repositorio.
Una puerta por ejecución
Cada ejecución se conecta a una sola interfaz. Un agente MCP solo tiene acceso a tus herramientas MCP. Un agente de API solo dispone de un cliente HTTP protegido y de tu documentación pública. Un agente CLI solo tiene acceso a tu binario. Ejecutar el mismo escenario a través de las cuatro puertas permite detectar enseguida las discrepancias: un error de validación 400 limpio en REST que se convierte en un fallo 500 en MCP, o una salida de ayuda de la CLI tan extensa que se trunca a mitad de turno.
La seguridad está en el código, no en el prompt
Durante nuestra primera prueba, un modelo gratuito ignoró una regla del prompt que indicaba que solo modificase recursos creados por él y pausó un widget existente. Por eso, el entorno de pruebas controla la propiedad desde el código: registra los ID creados durante la ejecución y bloquea las actualizaciones o eliminaciones de cualquier elemento anterior antes de que la solicitud salga de tu equipo. Los bloqueos de archivos por credencial evitan que las ejecuciones en paralelo interfieran entre sí.
Barridos rápidos de regresión y pruebas de estrés de los modelos más avanzados
Una exploración completa cuesta desde una fracción de céntimo con modelos rápidos hasta unos céntimos con modelos de razonamiento de vanguardia. Los modelos rápidos detectan lagunas en la documentación, errores tipográficos en esquemas y errores sin gestionar; los modelos de vanguardia ponen a prueba los límites de las políticas, los casos límite de la lógica y la verificación de la limpieza.
4interfaces probadas: MCP, API, CLI, SDK
94pruebas de extremo a extremo con 7 familias de modelos
< $0.05por exploración completa de varios pasos