TestMu AI、Agent Assuranceの一般提供を開始し、AIエージェントによる実際の変更をテスト可能に

トライアルには4000クレジットと4つの同時実行が含まれ、独自のエージェントのドキュメントとエンドポイントから機能スイートと敵対的スイートを生成し、コードを追加することなく、エビデンスに裏付けられた判定に基づきCIゲーティングを実現（デモの予約も不要に）

サンフランシスコ＆ノイダ（インド）--(BUSINESS WIRE)--（ビジネスワイヤ） -- 世界初のAgentic AIを活用した品質エンジニアリング プラットフォームであるTestMu AI（旧ラムダテスト)は、Agent Assuranceの一般提供を発表しました。Agent Assuranceは、ツールの呼び出し、ファイルの書き込み、レコードの変更などのアクションを実行するAIエージェントを、エージェントが言ったことではなく、実行によって何が変更されたかをチェックすることによってテストします。どのチームもTestMu AIアカウントを作成し、最初にデモを予約することなく、自身のエージェントに対して実行できるようになりました。

Agent Assuranceは、待機リストとガイド付きオンボーディング セッションを経て、2026年8月17日に開始されました。それ以来、Agent Assuranceを実行するCLIであるRookは、初期ユーザーからのフィードバックによって調整されたリリースを着実に提供してきました。

エージェントの評価では最終的な返信がほとんど採点されており、その返信はエージェント自身の仕事に関して間違っている可能性があります。2026年10月に公開された、規制されたカスタマー エクスペリエンス ワークフローにおけるLLMエージェントのベンチマークであるCXBenchでは、適切な結果に達した実行の80.1%が依然としてプロセス チェックに失敗し、両方に合格したのは13.8%のみでした。エージェントが間違ったツールを呼び出したり、必要な手順をスキップしたりしても、結果を成功と報告してしまう可能性があります。そのため、Agent Assuranceは、判定を下す前に、チームが接続するフックによって報告されるように、エージェントが行ったツール呼び出しと変更されたレコード、メッセージ、アーティファクトを対象として、実行の効果をチェックします。観察できないものはすべて「検証できない」として報告され、決してパスとして報告されません。

Agent Assuranceの一般提供開始

• 自動生成されたテスト スイート：PRD、ポリシー ドキュメント、API仕様などのエージェントのドキュメントとそのエンドポイントから派生した機能シナリオと敵対的シナリオ。コードベースの追加はオプションであり、より詳細な結果が得られます。
• レッド チーミング：マルチターン攻撃を含む25の攻撃パターンは、LLM アプリケーションのOWASPトップ10およびエージェント アプリケーションのOWASPトップ10の20のリスクすべて、および8つのMITRE ATLASテクニックにマッピングされています。このレポートはリスクごとに整理されており、何がテストされたのか、各攻撃が何に到達したのか、何が検証されたのかを示します。
• エビデンスに基づく判定：すべての基準は「合格」、「不合格」、または「検証不能」のいずれかで、各判定には根拠となるエビデンスが引用されます。「検証不能」は合格としてカウントされることはなく、レポートには未検証の結果が検証に必要なものとともに個別にリストされます。
• 品質、パフォーマンス、トークン エコノミー：機能テストや敵対的テストを超えて、実行では出力品質と指示に従っていることをチェックし、エージェントがトークン使用量を報告するときにトークン エコノミー（タスクあたりのコスト、冗長性、冗長なツール呼び出し）を測定し、ターンごとの待ち時間を記録します。
• 根本原因の分析：リクエストに応じて、Rookは失敗したテストをグループ化し、各グループについて考えられる原因と提案される修正を提供します。開始するにはドキュメントとエンドポイントで十分です。エージェントのコードを追加すると、より深い根本原因が明らかになります。
• CIでの回帰テスト：各実行は前回の実行と比較され、最後の実行以降に新たに失敗したテストにはフラグが付けられます。アクセス キー サインインは、GitHub Actions、Jenkins、Argo CDのレシピを使用して、ブラウザーを必要としないCIランナーで実行できます。
• マルチエージェント テスト：Agent Assuranceは、ループ内に人が介在しない状態で、またはWebhookを介したn8nエージェントを使用せずに、相互に作業を引き継ぐエージェントのクルーを評価できます。
• 制御された書き込み：エージェントの書き込みは実際のものであるため、Rookは実行計画を表示し、対話型の実行前に確認を求めます。
• プロバイダーキー不要：モデルがTestMu AIのコントローラーで実行されている間、Rookはエージェントの目的を理解し、シナリオを作成し、ユーザーと同じ方法でエージェントを実行します。ホストされたクラウドUIには、無制限のチームシートの結果が表示されます。
• 監査対応レコード：テスト対象のエージェントに送信されたすべてのメッセージ、すべての応答、すべてのツール呼び出し、およびすべての判定は、認証情報、トークン、キーがマスクされた状態でセッション トランスクリプトに書き込まれます。
• あらゆる開発者に対応：macOS、Linux、またはWindows上のターミナルまたはClaude Code、Codex、またはGemini CLI内からAgent Assuranceを実行し、npm、Homebrew、またはインストーラーを使用してRookをインストールします。

Agent Assuranceの一般提供開始について、TestMu AIの共同創業者兼製品責任者であるマヤンク・ボーラは、「エージェントは作業を完了したと報告しても、実際には間違った処理を行っている可能性があります。Agent Assuranceはその応答を評価するのではなく、実行にエージェントが何を変更したかを評価し、判断できない場合はその旨を明確に伝えます。そのため、『検証不能』が合格とはみなされることはありません。ユーザーは数値に基づきリリースするため、推測による合格率の水増しは、数値がない場合よりも悪い結果となります。初期のユーザーからは、最初の実行にたどり着くのが最も難しいという声が寄せられたため、営業担当者との事前ミーティングを不要にしました。ユーザーは今すぐAgent Assuranceを自社のエージェントに適用し、その挙動がどの程度検証されたかを正確に把握できるようになりました」と述べています。

AIのエンジニアリング担当グループ上級副社長であるヴィプル・ヴェルマは、「エージェントでは、実行するごとに毎回パスが変わる可能性があります。そこで当社は、経路を予測しようとするのをやめ、エージェントが実際にどこに到達したのか、つまり、何を変更し、何を送信し、何に触れたのかを検証することに注力しました。一般提供開始により、今後誰でもAgent Assuranceを自社のエージェントに適用し、エージェントが実際に行ったこと、つまりエージェントが主張する内容のみならず、実際に行われた内容を確認できるようになりました」と述べています。

提供状況について

Agent Assuranceは、TestMu AIアカウントに登録したすべてのユーザーに一般提供されます。ユーザーには、4000クレジットと4つの同時実行を含む14日間の無料トライアルが提供されます。シナリオと実行結果は、チームが有料プランに移行するかどうかにかかわらず、プレーンファイルとしてチームのリポジトリに保存されます。

Agent Assuranceは、testmuai.com/agent-assuranceから利用可能です。

よくある質問

Agent Assuranceとは何ですか？
Agent Assuranceは、AIエージェントが主張する内容ではなく、実際に行った変更を評価するテストです。Rook CLIは、コードまたはドキュメントからテストスイートを生成し、それに対してお使いのエージェントを実行します。接続されたフックを介してツールの呼び出しとその効果を検証し、検証できなかった項目は別途報告されます。Agent Assuranceは一般公開されており、誰でもインストールできます。

Agent AssuranceはCI/CDパイプラインで実行できますか？
はい。Agent Assuranceは、ヘッドレスCIランナーのアクセスキーによるサインインをサポートし、GitHub Actions、Jenkins、Argo CD用のレシピを提供します。

TestMu AIはどのAIエージェントをテストできますか？
TestMu AIでは、Agent Assuranceを使用してコーディング、ワークフロー、バックオフィス、マルチエージェントシステムをテストします。また、Agent Testingを使用して、チャット、音声、電話、ビデオ、画像エージェントもテストします。

Agent Assuranceの無料トライアルはありますか？
はい。ユーザーは4000クレジットと4つの同時実行を含む14日間の無料トライアルを利用できます。

TestMu AIについて

TestMu AI（旧ラムダテスト）は、チームがインテリジェントなテストを実施し、より迅速にリリースできるよう支援する、フルスタックのエージェント型AI品質エンジニアリングプラットフォームです。このプラットフォームは、拡張性を重視し、AIネイティブな設計思想に基づき開発されており、エンドツーエンドのAIエージェントを提供し、ウェブ、モバイル、エンタープライズアプリケーションにおけるソフトウェア品質の計画、策定、実行、分析を、実機、実ブラウザ、そしてカスタム環境で実現します。

本記者発表文の公式バージョンはオリジナル言語版です。翻訳言語版は、読者の便宜を図る目的で提供されたものであり、法的効力を持ちません。翻訳言語版を資料としてご利用になる際には、法的効力を有する唯一のバージョンであるオリジナル言語版と照らし合わせて頂くようお願い致します。