智能体工具调用测试关注 Agent 与工具之间的边界：是否选对工具、参数是否符合契约、调用者是否有权限、失败后能否安全恢复，以及证据能否追溯。最终回答看起来正确，并不能证明工具调用过程安全。

把每次调用当作契约检查

先看工具 schema、路由规则、权限模型、沙箱和已有的工具调用轨迹。每个场景都写明前置条件、触发操作、预期行为和所需证据。

边界检查重点可用证据
工具选择工具是否符合请求；请求有歧义时是否先澄清或安全停止请求、候选工具、路由轨迹
参数必填字段、类型、范围和对象标识是否符合 schema工具 schema、实际传入的参数、校验结果
授权当前角色是否能对这个资源或租户执行此动作角色与策略快照、允许或拒绝结果
重试与恢复超时、部分失败和重试是否会重复写入请求 ID、重试轨迹、前后状态
结果处理工具错误或部分结果是否被误报为完成响应内容、Agent 轨迹、用户可见回答

在隔离环境覆盖失败路径

退款流程只是一个说明性场景，不代表某个具体产品。先在 mock（模拟服务）或获准的沙箱中验证允许的请求和越权请求，并确认被拒绝后没有状态写入。

再检查服务端可能已经接收首次调用、客户端却发生超时的情况。可以让 mock 服务先记录请求已受理，再返回超时；随后按项目已有的重试规则检查调用轨迹，并依据工具契约判断副作用。只有契约规定幂等时，才能断言不会重复退款或发送通知；契约没有说明时，把重试语义列为待确认。

每次测试执行都记录调用参数、授权决定、请求 ID 和调用 ID、响应、重试次数、状态前后对照及通知记录。只有超时响应、没有 mock 状态证据时，无法判断第一次调用是否生效，应标为“证据不足”。

默认使用 mock、dry-run 或隔离环境；未经授权不执行真实写操作。按项目分级标准排列影响和可能性，未确认根因标为假设。缺少 schema、策略或运行记录属于输入缺口，不是调用通过的证据。

交付可执行的测试计划

结果应让下一位测试人员无需还原整段对话就能继续。写清工具契约矩阵、正常和失败场景、断言、证据位置、风险优先级、阻塞项与残余风险；未完成事项要有负责人和下一步。这个 Skill 可以整理测试计划，但不能替团队创建授权或运行证据。

相关阅读：

安装与使用

使用 Agent Skills CLI 安装中文版本：

npx skills add https://github.com/naodeng/awesome-qa-skills/tree/main/skills/zh --skill agent-tool-testing

项目快速开始与安装排查说明：

安装后，在支持 Agent Skills 自动发现的工具中直接描述任务；如果工具支持显式调用，按该工具自己的语法指定 agent-tool-testing。不同工具的调用方式可能不同，不能假定都支持 @skill。

开始分析前，请准备工具 schema、Agent 指令和路由规则、权限模型、沙箱或模拟器、工具调用轨迹，以及任务范围、环境、限制和成功标准。涉及生产数据、个人信息或凭证时，先按团队规范脱敏。

例如，可以这样发起任务：

请使用 agent-tool-testing 评审这次工具调用测试。
目标与成功标准：[填写]
范围、环境与版本：[填写]
材料：[附工具 schema、Agent 指令与路由规则、权限模型、沙箱说明和调用轨迹]
限制：[填写不可触碰的操作；默认只使用 mock、dry-run 或隔离环境]
请区分已确认事实、假设和信息缺口，并输出风险优先级、可执行场景、断言、证据、阻塞项和下一步。

常见问题

  • 工具没有加载 Skill 时怎么办？ 核对目标工具的 Skills 目录、语言版本和安装方式；如果工具支持显式调用，再按它自己的语法指定 Skill。
  • 怎么判断输出能否进入评审？ 检查工具选择、正常和失败场景、断言、证据及风险优先级是否符合任务材料；缺少依据的结论应保留为待确认或信息缺口。
  • Skill 会直接运行测试或产生真实写入吗？ 不会。它帮助整理测试计划；实际执行取决于 Agent、工具和目标环境。默认使用 mock、dry-run 或隔离环境，未经授权不要执行真实写操作。
  • 缺少 schema、权限策略或运行记录怎么办？ 仍可先形成受限方案，但要把假设和输入缺口单独标出；证据不足时不能把调用判为通过。
  • 输出必须是 Markdown 吗？ 默认是 Markdown。需要表格、JSON 或工单格式时，在任务中说明格式和字段要求。

参考

安全测试白盒测试背靠背测试本地化测试边界测试
分享