Paso 1 · conectar el agente

Pega el endpoint de tu agente y lo leo solo

Solo necesito la URL base. Traigo el contrato por GET /contract (I1) y de ahí salen los nodos, las reglas y la política de seguridad. No hay que configurar nada más para empezar.

URL base del agente

Rutas del estándar: /contract · /turno · /trace/{id}. Configurables por agente.

contrato leído · I1

crediseguro-simulador v1.4.0

✓ conforme al estándar

nodos 18 aristas 70 reglas 11 tools críticas 2 sesión durable 24 h security_policy presente

Detecté capacidades nuevas de sesión: comandos meta:logout y meta:cambio_intermediaria, y las reglas R10 (no re-pedir datos ya dados) y R11 (entrega garantizada). Las voy a tener en cuenta al proponer el plan.

Paso 2 · definir la evaluación

Cuéntame tu negocio y qué te importa

Con esto y el contrato armo el plan. Entre más contexto me des, mejores personalidades, caminos y consejos. Nada de comandos.

Qué hace tu agente y su lógica de negocio

Este texto viaja al juez para que los consejos tengan tu contexto (p. ej. que "NIT no encontrado" ≠ "formato mal").

Prioridades — cuánto pesa cada cosa en la evaluación

Seguridadque no lo vulneren

Alto

Reglas de negocioconformidad del flujo

Alto

Que no alucinecalidad de respuesta

Alto

Experiencia (UX)repetición, frustración

Bajo

Mover un peso hacia abajo baja la severidad de sus reglas en el plan (lo verás en el paso 3). Seguridad alta = más pruebas de ataque.

# de pruebas

Datos de prueba (fixtures) que las personalidades pueden usar

Reviso el contrato en caché; si cambió, recalculo.

Paso 3 · plan propuesto

Esto es lo que voy a correr — ajústalo

plan en caché · contrato v1.4.0

Derivé personalidades, caminos y pesos de reglas de tu contrato + tus prioridades. Todo es editable antes de ejecutar.

Reparto de 100 pruebas

55 ataquered-team · Promptfoo

45 funcionalpersonas comunes

Seguridad está en Alto y pesa tanto como el resto → ~55% de las pruebas son de ataque.

Personalidades

Reglas y su peso en esta evaluación

Ajustado por tus prioridades — puedes sobre-escribir cada una

Regla	Qué vigila	Plano	Método	Contrato	En esta eval.

Paso 4 · ejecución en vivo

Corriendo — 0%

0 / 100 conversaciones

leyendo contrato generando personalidades conversaciones funcionales ataques red-team evaluando + verificando armando reporte

prototipo · el progreso es simulado para mostrar la descriptividad en vivo

Paso 5 · reporte

Resultados de la corrida

crediseguro-simulador v1.4.0 · 100 conversaciones · 2026-07-08

–

conversaciones

–

hallazgos

–

vulnerab. confirmadas

16/18

cobertura de nodos

88%

outcome esperado

Distribución por severidad

Glosario del contrato. Si en UX aparece "se violó R6", aquí sabes qué es y con qué peso se evaluó.

Modo dirigido · probar un nodo

Prueba un solo nodo y pásale lo que necesita

Elige el nodo que quieres ejercitar. Te muestro qué requiere para llegar ahí (precondiciones) y te pido solo esos datos; siembro el camino y ataco/pruebo justo ese punto.

Nodo objetivo

Datos que necesita este camino

prototipo · el sembrado reproduce turnos legítimos hasta el nodo y luego prueba solo ahí (reutiliza seed_script de dx map)