实测证据:哪些智能体被真的转成了 Agent API
2026-11-11,在一台 macOS 机器上对本机已安装的真实智能体做的联调(2026-11-13 另有一次 Antigravity 的端到端验证,见本页末尾)。每一行都是实际执行并看到的结果;没有做过的写「未测」,失败的照实写失败原因。测试替身(协议级假智能体)的覆盖范围见 adapters.md 的转换契约,不计入本页。
结论(先说边界)
- 不能证明「所有智能体」都能转。 能证明的是:一个智能体只要提供四种接入方式之一(内置原生、ACP、
oaa/1适配器、A2A),就能发布成 Agent API;本机装着的 7 个真实智能体里,3 个跑通了真实调用,另外 4 个卡在它们各自的账号或配置状态上(两个未登录、一个密钥过期、一个自身配置锁),网关给出了明确的错误而不是含糊失败。 - 「其它智能体能使用这个 API」已用真实智能体证明一次:Antigravity(Gemini 3.8 Flash)作为调用方,经 OAA 的 MCP 入口调用了由 Codex 充当的
agent/codex,拿回了正确结果。两层 Harness、两个不同的智能体、两家不同的模型。 - 0.0.64 之后自动检查多了很多,真实智能体的记录也有扩展。 CI 现在在 Linux、macOS 与 Windows、Node 24 与 26 上跑完整测试,构建并烟雾测试 Docker 镜像,并运行一个兼容性实验室:官方 SDK 实际运行,常用聊天客户端的请求回放(见 CI 里的自动检查)。这些全都用替身智能体与夹具模型。2026-11-18,Codex(流式、取消、编排、用量上报)与 Claude Code(认证错误面)自 2026-11-11 以来首次真机端到端实测,兼容性实验室从 374 个场景增长到 456 个且零失败(见 十大模块升级后的端到端验证)。Codex S8 调用方工具桥接因账户额度耗尽未能用真实智能体验证(见还没有任何检查覆盖的)。
作为被调用方(智能体 → Agent API)
| 智能体 | 接入方式 | 握手 | 托管模式真实调用 | 桥接真实调用 | 备注 |
|---|---|---|---|---|---|
Antigravity agy acp 1.5.5 | ACP | 通过 | 通过(Gemini 3.8 Flash,回复正确,用量上报) | 通过(单个调用;并行两个调用;流式续接) | 并行调用被拆成两轮交给调用方;模型名用 gemini-3.8-flash,不能带 -low |
| Qoder CLI 1.1.52 | ACP | 通过 | 通过(回复正确) | 通过(单个调用) | 调用工具前它先发了权限请求,本次由脚本代所有者批准;它上报的用量全是 0 |
| Codex CLI 0.167.0 | 内置原生(app-server) | — | 通过(默认模型 gpt-6-astra,回复正确) | 不支持(未实现) | 不上报用量 |
| OpenCode 1.18.29 | ACP | 通过 | 失败:它自己的 API 密钥已过期 | 未测 | 网关报 native_protocol_error 并带出智能体的原话,密钥片段已脱敏 |
| Grok Build | ACP | 通过 | 失败:尚未登录 | 未测 | 网关报 adapter_auth_required,提示去它自己的 CLI 登录 |
| Claude Code | 内置原生(Agent SDK) | — | 失败:命令行版本尚未登录 | 不支持(未实现) | 网关只报了 native_incomplete,没有带出「未登录」这个原因——这是本次发现的缺陷,见下 |
| DeepSeek Harness | ACP | 失败:它自己的配置写锁超时 | 未测 | 未测 | 握手阶段进程退出,与 OAA 无关 |
作为调用方(其它智能体使用这个 API)
| 调用方 | 入口 | 被调用的智能体 | 结果 |
|---|---|---|---|
| Antigravity(Gemini 3.8 Flash),经 ACP 驱动,MCP 服务只在会话级传入 | OAA 的 MCP 桥(oaa mcp),网关临时监听 127.0.0.1:8799 | agent/codex(Codex,gpt-6-astra) | 通过。它依次调用了 oaa_list_agents、oaa_invoke、oaa_wait_run、oaa_read_output,最后回答:调用的是 agent/codex,回复文本是 CODEX-OK-7391(与要求一致)。网关上有对应的一条 completed 请求记录,耗时约 12.5 秒 |
OpenAI / Claude / Gemini 兼容接口一侧,调用方工具桥接的真实调用见上表「桥接真实调用」一列(那里的调用方是测试脚本,按 OpenAI Chat Completions 协议收发)。
这次联调发现、需要改的
- Claude Code 失败原因不透明:SDK 返回的结果里写着
Not logged in · Please run /login,网关却只报「Claude did not complete successfully」。应带出(脱敏、限长的)原因,并把未登录归为需要认证的错误。(已修正) - 桥接时智能体对调用方工具发权限请求(Qoder):这些工具是调用方自己提供、自己执行的,再让所有者批准一次没有意义,还会让无人值守的桥接卡住。应对来自
oaa-caller中继的工具自动放行。(已修正) - 全零用量(Qoder):智能体上报的用量全是 0 时,应当按「未知」处理,而不是当成真的用了 0 个 token。(已修正)
- 并行调用被拆成两轮(agy):见 harness.md 的限制一节。
- ACP 里不能指定思考强度(agy 把它作为独立选项声明)。
没有验证的
- 调用方回传慢于智能体自身 MCP 超时的情况。
- 跨机器(远程执行机器)上的任何真实调用。
- 需要登录或续费后才能测的:OpenCode、Grok Build、Claude Code。
- Cursor、Cline 等把 OAA 当作模型来调的真实客户端(本页的调用方证明走的是 MCP 入口)。
修正后的复验(同日)
- Qoder 桥接:不再出现所有者审批,进度里有一条
permission_auto_allowed,运行直接走到tool_calls并续接完成;用量为未知(响应里不再有编造的 0)。 - Claude Code:网关现在报
adapter_auth_required,消息里带出智能体的原话「Not logged in · Please run /login」。
端到端验证脚本 examples/live-agents-acceptance.ts(2026-11-13)
在进程内起一个只监听 127.0.0.1 随机端口的隔离网关(数据目录与智能体工作目录都在 --out 下,开启开发者平台),经真实 HTTP 跑 12 个场景:S1 Chat 非流式、S2 Chat 流式、S3 Responses 与续接、S4 Claude Messages、S5 Gemini、S6 审批(批准与拒绝)、S7 取消(按 PID 核对子进程退出)、S8 调用方工具桥接、S9 并发、S10 计费、S11 错误面、S12 收尾(残留子进程、秘密值扫描)。每个场景只调用一次智能体、不自动重试、有硬超时;引擎不支持的能力按文档的错误码记为「引擎不支持」,不算失败。
这些场景用 Node 内置的 fetch 讲四种线上格式(OpenAI Chat Completions 与 Responses、Claude Messages、Gemini generateContent),不用官方 SDK。与官方 SDK 的兼容性由兼容性实验室和 test/compat-*-sdk.test.ts 负责(见下文),它们用的是替身智能体。自 2026-11-14 起,场景代码与 oaa verify 共用(cli.md);oaa verify 运行其中适合在别人机器上跑的那一部分。下面 2026-11-13 的记录出自脚本的第一版,当时 Chat 与 Messages 场景用的是官方 openai 与 @anthropic-ai/sdk 客户端(maxRetries: 0)。现在这版场景在离线状态下对假 ACP 智能体跑过,没有对真实智能体重做。
npm run build
# 离线自检(仓库里的假 ACP 智能体 test/fixtures/acp-live-agent.mjs,无费用)
node dist/examples/live-agents-acceptance.js --agent fixture --out /新目录
# 真实智能体(会产生费用,必须显式确认;--out 必须是不存在的新目录)
node dist/examples/live-agents-acceptance.js --agent claude|codex|antigravity --executable /path/to/cli --confirm-live-cost --out /新目录 [--model default] [--only S1,S5] [--native-env inherit|allowlist] [--scenario-timeout-sec 300] [--agy-mode plan]证据写到 --out/report.json 与 --out/report.md(场景表、「与文档不一致之处」、传给子进程的环境变量名——只有名字)。报告不含任何密钥,智能体输出只保留前 300 个字符;退出码按有无失败场景设置。对 Antigravity 的一次真实运行结果见下一节;Codex 与 Claude Code 尚未用这个脚本运行。装了其中之一的人可以运行 oaa verify,把报告附到 issue 里(智能体验证报告模板)。
对 Antigravity 的端到端验证(2026-11-13)
用上面的脚本,对真实的 Antigravity(agy,模型 gemini-3.8-flash-low)跑了一次:隔离网关、127.0.0.1 随机端口、临时工作目录,每个场景只调用一次、不自动重试,共 12 次真实调用。
| 场景 | 结果 | 观测 |
|---|---|---|
S1 OpenAI Chat 非流式(官方 SDK,sk-oaa- 密钥) | 通过 | 12.5 秒;回答正确;usage 有值 |
| S2 OpenAI Chat 流式 | 通过 | 首个增量 7.4 秒才到,共 2 个增量:这个引擎在结束时一次给出,不是逐步输出 |
S3 Responses 与 previous_response_id 续接 | 通过 | 第二轮答出了第一轮的暗号,续接到同一会话 |
| S4 Claude Messages 非流式与流式(官方 SDK) | 通过 | |
S5 Gemini generateContent | 通过 | |
| S6 审批 | 引擎不支持 | 没有待审批项;任务以 permission_denied 失败,文件没有被写入,与文档一致 |
| S7 取消 | 通过 | 取消后子进程退出;状态 interrupted、effect_outcome_unknown |
| S8 调用方工具桥接 | 引擎不支持 | client_tools_bridge_unsupported,没有创建任务 |
| S9 并发 3 个任务 | 通过 | 12.6 秒,互不串话 |
| S10 计费 | 未能验证 | 账号密钥不能调用外部智能体(isolation_required),不扣点,所以成功路径没有走到 |
| S11 错误面 | 通过 | |
| S12 收尾检查 | 一项未过 | 记录与日志里没有泄露密钥;但留下 1 个残留进程,见下 |
另外观察到:
- 残留的是
agy --bg-updater(Antigravity 自己的后台更新程序,父进程为 1)。它由agy派生并脱离进程组,网关按进程组结束任务时管不到它。所以「任务结束后没有残留进程」对外部智能体不能保证。 - Antigravity 每次调用的输入约 1.3 万 token(它自带的系统提示),与任务长短无关。
- 开发者平台的账号密钥是 workspace 级,外部智能体需要 host 级,会被拒绝;这是有意的隔离,所以目前平台上能上架计费的只有内置智能体。
没有验证的:审批与调用方工具桥接(这个引擎不支持);计费的成功路径(被隔离拦下);Codex、Claude Code 的真实运行;内置内核智能体配真实模型;公网与反向代理环境。
十大模块升级后的端到端验证(2026-11-18)
在 10 个升级模块(原生桥接增强、协议兼容性、编排、安全/可观测性、工作站、本地生态、控制台工作台、桌面统一)的大规模并行开发之后,一位独立验证者对一台 macOS 机器上安装的真实智能体执行了两轮端到端验收。网关为 main 分支 commit a61238a(版本 0.0.69)。
实测的真实智能体
| 智能体 | 场景 | 结果 | 观测 |
|---|---|---|---|
Antigravity 1.5.10(agy acp,gemini-3.8-flash) | S1 非流式、S7 取消、S12 收尾;ACP 桥接含强制具名 tool_choice + oaa-caller 桥接 + response_format JSON Schema + W3C traceparent | 全部通过 | S1:7.9 秒,用量 13328;S7:4.3 秒,干净退出;S12:0 残留进程、0 密钥泄露;桥接:traceparent 落盘并回显 |
| Codex CLI 0.167.0 | S2 流式、S7 取消、toolsDisabled=true 编排(recommend,agent/codex-orch@fast)、GET /metrics Prometheus | 全部通过 | S2:16.2 秒,真实用量上报(经 thread/tokenUsage/updated 上报 56801 token);S7:协议级 turn/interrupt 优雅取消(4.7 秒,子进程干净退出);编排:无工具纯推理 recommend 模式;/metrics:200 |
| Codex CLI 0.167.0 | S8 调用方工具桥接(elicitation 修复后重测) | 被账户额度阻塞 | 收到 native_incomplete(422):"You've hit your usage limit… try again at Nov 21st"。非代码 bug:网关正确传播了外部错误。elicitation 识别逻辑(mcpServer/elicitation/request + _meta.codex_approval_kind === 'mcp_tool_call')的所有单元测试与集成测试均通过 |
| Claude Code 2.1.318 | 未认证桥接请求 | 通过(预期的失败路径) | 正确返回 422 adapter_auth_required,附带 CLI 原话:"Not logged in · Please run /login"(已脱敏)。S12:0 残留、0 泄露 |
本次验证中确认的代码修复
- Codex MCP elicitation 自动放行(
native-bridge.ts):Codex 0.167+ 对调用方工具审批发送mcpServer/elicitation/request且_meta.codex_approval_kind = "mcp_tool_call"。codexCallerTool()现在识别此模式,当serverName和tool_name匹配已声明的clientTools时自动放行。codexDecisionPayload()返回{ action, content, _meta: null }并正确处理 form/url 模式。单元测试覆盖真实 Codex 报文结构、错误服务器、未声明工具和三种响应模式。 - Claude 错误捕获(
native.ts):assistant帧带error: true时现在被捕获并用于agentFailure回退,输出"Not logged in"而非静默失败。 verify-env.ts预期对齐:Claudestreaming: 'token'、bridge: true;Codexusage: true、bridge: true。node-enroll.jsheredoc 注入加固:用shellSingleQuote()+node -ewriter 替换了未引用的<<EOF。Shell 注入测试确认$(command)、反引号和$VAR在恶意载荷中无效。
兼容性实验室(2026-11-18)
兼容性实验室(npm run compat)两次独立运行结果完全一致:
- 456 个场景通过、0 失败、4 个不适用、0 跳过
- 覆盖全部 14 个客户端:
openaiPython + Node、anthropicPython + Node、google-genaiPython + Node、vercel-ai-sdk、langchain、litellm、openai-agents、llamaindex、cookbook-python、cookbook-node、cookbook-curl - 从 374(2026-11-14)增长到 456——增长反映新协议特性(原生 Schema 下推、
tool_choice强制执行、traceparent、转换配置)和额外 SDK 版本
安全审查(2026-11-18)
- 宿主配置零污染:
.codex/config.toml、.config/opencode、.cursor/mcp.json、.claude.json、Claude Desktop——均无 OAA 标记 node-enroll.js:用恶意载荷实际执行sh -c验证 shell 注入不可能innerHTML:仅 1 处安全 i18n 键值调用(static-text.js:12);#workbench对话工作台无 XSS 风险- SSE 线上字节数精确断言不变(即使加入
traceparent/tracestate头)
本次未验证的
- 用真实 Codex 端到端的 S8 调用方工具桥接(被 Codex 账户额度耗尽阻塞至 2026-11-21,非代码问题)
- Windows 和 Linux 上的真实智能体
遗留测试补齐验证(2026-11-18,0.0.70)
在 0.0.70 发布构建完成后,在同一台 Apple 芯片 macOS 机器上对剩余未测项补齐了真实智能体、真机桌面 GUI、发布版 .dmg、沙盒与有界压测验证:
- Qoder CLI 1.1.52(
adapter/qoder)完整oaa verify(11 场景、14 次真实调用、0 失败):S1 非流式(8.7 秒)、S2 流式(8.6 秒)、S3 Responses 与previous_response_id续接(15.4 秒)、S4 Claude Messages 非流式与流式(17.2 秒)、S5 GeminigenerateContent(8.0 秒)、S6 批准/拒绝审批写文件(30.8 秒)、S7 取消(4.6 秒)、S8 调用方工具桥接(10.3 秒)、S9 并发 3 路(7.9 秒)、S11 错误面与 S12 收尾(17 个衍生子进程全部退出、0 秘密泄露)全部通过。实测观测到 Qoder CLI 当前在 ACP 响应中未上报非零 token 用量(返回null或0),网关按未知处理、不编造数值。 - 真实外部智能体 S10 开发者平台
host_execution计费闭环:使用真实qoder-cli 1.1.52完成实测。按默认安全策略拦截未放开宿主执行的开发者密钥请求(HTTP403 isolation_required,余额维持10点) -> 管理员开通host_execution: true并写platform_listing_host_execution审计日志 -> 开发者密钥通过POST /v1/chat/completions调用真实 Qoder 返回LIVE-S10-OK-> 余额精确扣至8点并在/v1/portal/ledger记入已结算-2流水。 - Antigravity(
agy1.5.10)在0.0.70下全场景复验:S1(6.6 秒,用量13325)、S2 增量流式(8.7 秒,用量13334)、S3 同会话续接、S4 Messages 双模、S5 Gemini(用量13332)、S7 取消(4.2 秒)、S8 原生引擎调用方工具桥接(get_order_status,12.1 秒)、S9 并发 3 路(7.9 秒)、S11 错误面及 S12 收尾(15 个进程干净退出、0 残留与泄露)全部通过;仅 S6 运行中权限审批按预期为引擎不支持(approvals_not_bridged)。已同步更新src/client/verify-env.ts(bridge: true)及 adapters.md。 - 其余本机 ACP 代理探针(各 1 次调用、不重试):
opencode-acp(OpenCode 1.18.29)ACP 握手成功并在 S1 如实透传 API 密钥过期(HTTP422 native_protocol_error,密钥片段已脱敏);grok-build-acp(grok 1.0.77)握手成功并在未登录态 S1 返回 HTTP422 adapter_auth_required;deepseek-harness(dsh)在本机因~/.dsh/profiles/node_modules.lock写锁超时退出(与 OAA 无关)。 - macOS 发布版
.dmg完整烟雾测试与真机桌面端 Playwright E2E 矩阵(desktop:smoke:matrix):挂载--release构建的Open-Agent-API-0.0.70-macOS-arm64.dmg,核验codesign --verify --deep --strict、包内不含@anthropic-ai/claude-agent-sdk与typescript,并跑通scripts/smoke-release.mjs与scripts/smoke-flow.mjs全流程(--help、含空格中文路径init、doctor将 Claude 标为requires_separate_install、随机端口serve+/healthz、用包内 Node 逐个 importdist/src全部 353 个模块、quickstart、OpenAI/Claude/Gemini 三协议首调、控制台页面与图标库、API 与oaa approvals/oaa approve审批生成sample-note.txt、oaa status、幂等quickstart及oaa stop释放端口零残留)。同时在源码(9 项实测场景)和/Applications/Open Agent API.app(8 项打包可测场景)上通过npm run desktop:smoke:matrix:同数据目录二次启动不重复弹出首次引导且保留持久化项目;自家孤儿网关attach复用并在退出桌面后保留运行;#workbench内联审批 + 托盘快捷审批小窗(源码模式)+ macOS Dock 角标随审批联动清零;控制台zh/en双向切换重载保留sessionStorage令牌;「断开连接」后再刷新自动恢复连接;以及portHeldByOther、portHeldByGateway、invalidConfigPort三类端口/配置错误诊断。过程中定位并修复了 Chromium/v正则下控制台 3 处<input pattern>未转义-的隐蔽SyntaxError(已在test/console-assets.test.ts加护栏)和test/desktop-unified.test.tsWindows 路径反斜杠匹配。 - 沙盒与压测抽样复验:
test/sandbox-srt.test.ts5/5 通过;2 分钟 4 并发压测(npm run soak -- --minutes 2 --concurrency 4 --retention-minutes 1)通过全部判据(ok=2357、unexpected=0(0.000%)、p50/p95/p99 = 104/159/219 ms,覆盖 SIGTERM × 2 + SIGKILL × 1 重启恢复、在线oaa prune及integrity_check ok)。
CI 里的自动检查(2026-11-14)
下面这些是在公开仓库一个开发分支上的 GitHub Actions 里,用后来成为 0.0.65 的代码跑的。它们都不涉及真实智能体、真实模型提供方或账号:用的是确定性夹具与替身智能体。
| 检查 | 运行了什么 | 结果 | 它说明什么、不说明什么 |
|---|---|---|---|
| Linux 与 macOS 上的完整离线测试,Node 24 与 26 | ci.yml:在 ubuntu-latest 与 macos-latest 上各用 Node 24 和 Node 26 跑 npm run verify(类型检查、格式检查、全部测试) | 四项全部通过 | 代码在 engines 的两条 Node 线、这两个系统上表现正常 |
| Windows 上的完整测试 | windows.yml:在 windows-latest、Node 24 上跑 node scripts/test-offline.mjs --all --isolate:每个测试文件一个进程;只在 POSIX 上有意义的测试带明确原因跳过 | 通过(约 10 分钟) | 经 PATHEXT 发现命令、.cmd 启动器、结束整棵进程树、命名管道、文件权限与命令行,在 Windows 运行器上对着测试替身工作正常。没有在 Windows 上用真实的 Codex、Claude Code 或 Antigravity 运行过;Node 26 上的 Windows 作业只跑类型检查、格式检查与打包相关的测试 |
| Windows 发布包 | v0.0.64 的发布工作流在 Windows 运行器上:zip 解压到含空格与中文的路径,经 oaa.cmd 启动,/healthz 报告了版本 | v0.0.64 的包通过 | 0.0.65 的 Windows 包还没有走过这条工作流(见下面的发布包烟雾测试) |
| Docker 镜像 | docker.yml:构建 amd64 镜像,再跑容器烟雾测试(首次启动、密钥文件、一次 API 调用、日志里没有密钥、Host 检查、重启、docker stop 退出码为 0) | 在 ubuntu-latest 上通过 | Dockerfile 能构建,容器配合离线示例智能体工作正常。没有运行的:arm64 镜像、推送到 ghcr(这两步只在发布 Release 时进行)、任何智能体命令行(容器里没有) |
| 兼容性实验室 | compat.yml(每次 push 与 pull request,以及每周一次):十一类软件包对着一个隔离网关运行(网关里是离线示例智能体和确定性夹具模型),并把十二个聊天客户端记录下来的请求形状回放给它。2026-11-18 独立验证者在本地两次独立运行结果一致:456 个场景(较 2026-11-14 的 374 增长),覆盖 14 个客户端 | 456 个场景通过、0 失败、4 个按设计不适用(客户端本来就做不到)、0 跳过 | 实际运行部分是真实的软件包经真实套接字;回放只说明网关接受客户端发来的请求、并以它能解析的形式回答,不说明整个应用可用。过程中没有真实模型或智能体。Cursor 未核实。各客户端的版本、证据等级与配置见 compatibility.md |
| 开发者平台与外部智能体 | 离线的端到端测试,把示例智能体当作外部运行的上架项:逐项的 host_execution 开关、委派或故障转移链、并发调用、取消、拒绝审批、流式断开,以及每种情况下的扣费或退回 | 离线测试通过 + 真实 qoder-cli 1.1.52 S10 通过 | 离线套件覆盖全分支;2026-11-18 已用真实 qoder-cli 1.1.52 补足默认 403 isolation_required 拦截与开启 host_execution: true 后的真实扣费记账全路径(10 -> 8) |
| 发布包烟雾测试 | scripts/smoke-release.mjs 与 scripts/smoke-flow.mjs,每个安装包都跑:启动器 --help、在含空格与中文的路径里 init、在随机端口 serve 并核对 /healthz 版本、doctor 把 Claude 引擎标为需要另行安装、用包内 Node 逐个 import dist/src 下的每个模块,然后 quickstart、在三种协议上各调用一次并由示例智能体回答、控制台页面与图标库、一个停在审批的任务经 API 批准、同样的流程经 oaa approvals 与 oaa approve、oaa status、第二次 quickstart 不重复创建任何东西,以及 oaa stop 释放端口且没有残留进程 | macOS arm64 0.0.70 发布 .dmg 于 2026-11-18 本机全量通过;Linux 与 Windows 待发布工作流运行 | 已在 Apple 芯片本机挂盘验证完整发布版 .dmg 全流程(353 个 ESM 模块逐一 import、三协议、API/CLI 审批、幂等、停服零残留);Linux 与 Windows 仍待后续发布运行器验证 |
还没有任何检查覆盖的
- 真实的 Codex 与 Claude Code 端到端(已有部分进展)。 2026-11-18,Codex 0.167.0 通过了 S2 流式、S7 优雅取消与无工具编排,并上报了真实用量;Claude Code 2.1.318 在未登录态正确返回
adapter_auth_required。对 Codex 的 S8 调用方工具桥接重测因账户额度耗尽未能完成(非代码问题,2026-11-21 重置)。图片交付(Codex 的localImage条目与 Claude Code 的图片块)仍然只是按厂商文档实现的(images.md)。结构化输出的修复轮用替身测试,没有用这两个真实智能体测过。 - 向真实的公网 HTTPS 端点投递事件回调。 测试只用本机的明文 http 接收端;HTTPS 投递走同一段代码,但没有被覆盖(webhooks.md)。
- Apple 芯片桌面端自动化与单次手测以外的桌面覆盖范围。 2026-11-18 已在 Apple 芯片 macOS 上通过
desktop:smoke与 Playwright E2E 矩阵desktop:smoke:matrix(源码 + 打包安装版/Applications/Open Agent API.app)实测补齐:同数据目录二次启动不重复引导、自家孤儿网关接管与保活、#workbench内联审批 + 托盘快捷面板(源码模式)+ macOS Dock 角标、控制台zh/en切换刷新保活、断开连接再刷新重连,以及portHeldByOther/portHeldByGateway/invalidConfigPort错误提示。仍未在物理机覆盖的部分:Intel 芯片(x64)包、macOS 系统级「语言与地区」重启后原生系统菜单语言实测、OS 原生审批通知点击跳转、常规非隔离 8787 端口安装下的完整人工 UI 走查,以及 Windows 与 Linux 真机桌面验收(Windows CI 仅运行核心逻辑与 PowerShell 语法验证)。 - Windows 与 Linux 上的真实智能体、Linux 包与
install.sh在发布运行器上的表现、arm64 的 Docker 镜像,以及从发布页安装的 npm tarball。 - 本地运行器烟测以外的内置智能体能力、反向代理后的公网部署、跨机器调用,以及 Cursor、Cline 等把网关当模型来调的客户端。
- 广泛的真实模型提供方覆盖。 2026-11-17 已用微型测试模型验证真实 Ollama 和 llama.cpp 经内核调用及重启持久化;不代表模型质量、视觉、工具调用或其余预设都有同等真实验证(见本地运行器识别)。
- 真实 GitHub Pages 上的文档站点。 生成器和它的链接检查是离线运行的;第一次部署就是它第一次露面。
- 压测测到的之外的长时间运行。
npm run soak(真实的网关进程、假模型、离线示例智能体)在 macOS 上跑过 32 分钟(带三次重启)和 62 分钟单段,并满足了它的判据。它没有覆盖持续许多小时的运行、真实的模型提供方或真实的智能体命令行;有一次 32 分钟的尝试里网关在 SIGKILL 之后约 110 秒才有回应,之后没有再出现,原因不明(stability.md)。