Coval aide les entreprises à simuler des milliers de scénarios à partir de quelques cas de test, leur permettant de tester leurs agents vocaux et de chat de manière exhaustive. Construit par des experts en tests autonomes, Coval propose des fonctionnalités telles que des simulations vocales personnalisables, des métriques intégrées pour les évaluations et un suivi des performances. Elle est conçue pour les développeurs et les entreprises cherchant à déployer des agents IA fiables plus rapidement.

HoneyHive est une plateforme complète fournissant des outils d'évaluation, de test et d'observabilité d'IA, principalement destinée aux équipes qui construisent et maintiennent des applications GenAI. Il permet aux développeurs de tester, évaluer et comparer automatiquement des modèles, des agents et des pipelines RAG selon des critères de sécurité et de performance. En agrégeant des données de production telles que des traces, des évaluations et des retours d'utilisateurs, HoneyHive facilite la détection d'anomalies, des tests approfondis et des améliorations itératives dans les systèmes d'IA, garantissant qu'ils sont prêts pour la production et fiables.

ToolFuzz fournit un cadre complet de test de fuzzing, spécialement adapté aux agents IA utilisant des outils. Il génère systématiquement des séquences d’appel d’outil aléatoires, des entrées API mal formées et des combinaisons de paramètres inattendues pour tester les modules d’appel d’outils de l’agent. Les utilisateurs peuvent définir des stratégies de fuzzing personnalisées à l’aide d’une interface modulaire de plugins, intégrer des outils ou API tiers, et ajuster les règles de mutation pour cibler des modes d’échec spécifiques. Le framework collecte les traces d'exécution, mesure la couverture du code pour chaque composant et met en évidence les exceptions non gérées ou les défauts logiques. Avec une agrégation des résultats et des rapports intégrés, ToolFuzz accélère l’identification des cas limites, des problèmes de régression et des vulnérabilités de sécurité, renforçant ainsi la robustesse et la fiabilité des flux de travail basés sur l’IA.