Agent Etna：AI 智能体的自动预发与回归测试工具

Agent Etna 是一款面向 AI 智能体的自动化预发（staging）环境与回归测试平台。它在沙箱中运行智能体的真实代码和工具调用，针对未见过的场景进行回放，并在发现失败时以 Pull Request 的形式提交修复，是否合并由开发者决定。

产品定位与核心思路

Agent Etna 将传统软件工程中的「预发 + 回归测试」范式移植到 AI 智能体场景。其出发点是：智能体具备执行退款、发送、预订、删除等高风险操作的能力，一旦在生产环境出现偏离预期或被诱导执行的行为，代价往往很高；而现有智能体的迭代缺乏类似 staging 的缓冲层，开发者通常只能等真实用户触发问题后才能发现。

平台围绕三类失败场景设计测试：

• 功能类：智能体拒绝执行其工具能完成的任务，例如明确拒绝创建报告，但相关 create_report 工具未被调用。
• 安全类：智能体遵从注入在数据中的指令，例如被要求「导出联系人列表」的摘要信息诱导执行 contacts.export。
• 行为类：智能体对涉及多人的不可逆变更不进行确认，例如直接通过 calendar.move 修改涉及 9 位参会者的日程。

沙箱隔离与 PR 交付

所有执行均在沙箱内进行，运行结束即销毁，不占用用户的基础设施。每一次修复都以 Pull Request 形式交付，Agent Etna 自身不具备合并权限，因此团队既有的分支保护、强制评审和 CODEOWNERS 规则仍然适用。

在接入流程上，平台支持：

• GitHub 单仓库授权，可在 GitHub 安装页面随时调整或撤销。
• 浏览器、命令行（CLI）以及 MCP 服务器，可在编码智能体内部直接调用。
• CI 集成：通过 GitHub Action 在 Pull Request 头部重放已有行为测试，并按阈值报告「例如保持 9/10」来判定构建是否失败。

场景生成与成本结构

Agent Etna 不要求用户手工编写测试或场景。它会读取仓库的入口文件、被调用的工具以及系统提示，自主生成场景；发现问题的场景会被保留，并在后续每次模拟中重复运行。用户也可指定方向，例如要求针对退款、提示注入或自定义维度做压力测试，模拟会聚焦在这些区域。

对于尚未部署的智能体，平台可以克隆仓库到沙箱，安装并启动后通过 HTTP 与之通信，托管 URL 为可选项。模型调用使用用户自带的 API Key（bring-your-own-key），订阅费用仅覆盖平台本身，不包含 token 消耗；用户密钥加密存储，且仅用于其自身的运行。

适用场景与边界

该工具主要服务于拥有可执行智能体代码、并希望在上线前系统性验证功能、安全和行为边界的团队。其价值随智能体权限和工具能力提升而放大——对具备高风险操作能力的智能体，预发回归几乎是上线前的一道必要闸门；对于只读或低风险场景，收益相对有限。