LangBot/docs/agent-runner-pluginization/AGENT_RUNNER_QA_GUIDE.md

Agent Runner QA 指南

本文档是 agent-runner 插件化下一轮测试的唯一 QA 入口。它合并并取代旧的 Phase 1 验收矩阵与 2026-05-18 / 2026-05-29 两份本地 QA 报告。

目标不是保留完整历史流水账，而是指导测试 agent 用最小但高价值的路径判断当前分支是否仍然健康。

1. 测试边界

当前主线验证的是 AgentRunner Protocol v1：

event -> binding -> runner.run(ctx) -> result stream

本指南验证：

• Host 能通过当前 Query entry adapter 进入 event-first run(event, binding) 主链路。
• Runner 来自插件 registry，而不是旧内置 runner 分支。
• local-agent 能消费 Host 模型、工具、知识库、history、state、sandbox 文件等基础设施。
• 外部 harness runner（ACP / Claude Code / Codex 等直接 runner 插件）能消费 event-first context，并把外部 session 指针写回 host-owned state。
• 错误、权限裁剪、无输出、timeout 等路径不会破坏主聊天流程。

本指南不验证：

• 完整外部 harness daemon 管控和分布式业务队列；已实现的 run ledger / heartbeat / claim 原语仍应执行定向回归。
• 尚未实现的通用事件订阅和定时自动化；已集成的 Bot 路由、独立 Agent 和 Pipeline 必须纳入当前产品验收。
• 发布级 path isolation、secret filtering、MCP allowlist、资源配额和 workspace cleanup。
• 所有外部服务 runner 的真实凭据联调。

这些属于后续能力或发布门槛，分别见 RUNTIME_CONTROL_PLANE_V2.md 与 SECURITY_HARDENING.md。

2. 状态定义

测试报告只使用以下状态：

状态	含义
PASS	按步骤执行，用户可见行为和日志证据都满足通过条件。
FAIL	环境可用，但行为不满足通过条件。
BLOCKED	凭据、CLI、外部服务、测试数据或本地配置缺失导致无法执行。必须写清阻塞原因。
N/A	当前 runner 或平台明确不支持该能力。必须引用 manifest、文档或配置说明。

不能使用“看起来正常”“大概通过”“基本没问题”等模糊状态。

3. 执行顺序

2026-09-05 更新：先记录 Core/SDK/Runner 提交、发行版元数据与实际 import 路径，区分 editable 工作区和正式包安装。当前定向测试及前端未通过断言见 STATUS.md。本指南的步骤不是已执行记录。

本轮发布验收至少覆盖：

• 空白实例从市场安装 Runner，创建 Agent 与 Pipeline，并绑定到 Bot。
• 同一 Bot 的消息事件走 Pipeline，非消息事件走独立 Agent；dry-run 与保存后的路由结果一致。
• event_* 使用冻结目标；未授权 platform_*、额外参数和失效机器人调用被拒绝；SDK/Python 与 MCP gateway 均走 Host 工具授权。
• interaction.requested 回调恢复原处理器，重复/过期/跨作用域提交被拒绝。
• 分别记录合成事件、mock provider、真实平台和真实 provider 的结果，不能相互替代。

推荐按以下顺序执行，前一层失败时不要继续扩大测试面：

1. Host / SDK / runner 单测。
2. WebUI 登录与 Pipeline Debug Chat 基础 smoke。
3. local-agent 高价值场景。
4. 外部 code-agent harness smoke。
5. 权限和错误路径补充检查。
6. 汇总 PASS / FAIL / BLOCKED，并给出下一步建议。

用户可见流程必须通过 WebUI 或真实消息平台验证。API / curl 只能作为诊断证据，不能单独让 UI case PASS。

4. 必跑基线

4.1 单测基线

在 LangBot 仓库运行：

uv run --frozen pytest tests/unit_tests/agent

如果本次改动只触及默认配置或 API service，也至少补跑相关目标测试，例如：

uv run pytest tests/unit_tests/api/test_pipeline_service_defaults.py

通过条件：

• agent 单测全 PASS，或失败项已确认与本次 agent-runner 路径无关。
• 若失败来自 context_builder、orchestrator、session_registry、resource_builder、plugin/handler.py 的 run action 权限路径，不应进入 UI smoke。

4.2 环境基线

用 langbot-skills 做环境检查：

cd "$LANGBOT_SKILLS_REPO"
bin/lbs env doctor
bin/lbs case list

LANGBOT_SKILLS_REPO 指向当前工作区里的 langbot-skills 仓库。优先使用已有 case，而不是临时发明测试路径。

推荐首批 case：

• webui-login-state
• pipeline-debug-chat
• local-agent-basic-debug-chat
• local-agent-rag-debug-chat（改动涉及 RAG / knowledge）
• local-agent-plugin-tool-call-debug-chat（改动涉及 tool / resource policy）

5. WebUI 主链路 Smoke

5.1 Runner registry

步骤：

1. 打开 WebUI Pipeline 配置页。
2. 查看 AI runner 下拉列表。
3. 选择 plugin:langbot-team/LocalAgent/default。
4. 保存并刷新页面。

通过条件：

• runner 选项来自插件 registry。
• 保存后配置仍为 ai.runner.id + ai.runner_config[id]。
• runner_config 表示 Agent/runner config，不表示插件实例状态。
• 不读取或回写旧 ai.runner.runner 字段。
• 不出现旧内置 runner stage 名（例如裸 local-agent）作为当前选中项或配置 surface。
• 插件没有循环重启或 metadata 加载失败。

5.2 主聊天路径

步骤：

1. 使用绑定 plugin:langbot-team/LocalAgent/default 的 Pipeline。
2. 在 Debug Chat 发送确定性普通文本。
3. 查看 WebUI 回复和后端日志。

通过条件：

• 用户可见回复正常。
• 后端日志显示走 AgentRunOrchestrator / RUN_AGENT。
• 不走旧内置 local-agent 主执行分支。
• conversation transcript 写入用户消息和助手消息。

6. local-agent 高价值测试

只保留最能覆盖架构边界的场景。

ID	场景	操作	通过条件
LA-01	绑定 prompt	配置 system prompt 后发送文本。	runner 使用 ctx.config.prompt，不读取 ctx.adapter.extra["prompt"]；回复体现绑定 prompt。
LA-02	history API	连续两轮对话，第二轮引用第一轮 marker。	runner 通过 Host history API 或自管上下文读取历史，不依赖 inline history window。
LA-03	流式 / 非流式	分别用支持流式和关闭流式的路径发送文本。	流式 UI 不重复、不空白；非流式只输出最终消息。
LA-04	工具调用	绑定测试工具，发送会触发工具的 prompt。	ctx.resources.tools 只包含授权工具；工具调用 started/completed；最终回复包含工具结果。
LA-05	RAG	绑定测试知识库，发送命中文档的 prompt。	ctx.resources.knowledge_bases 包含所选知识库；runner 通过授权 API 检索；回复使用检索内容。
LA-06	多模态	发送图片输入。	ctx.input.contents 保留图片；支持视觉模型时正常处理，不支持时受控失败。
LA-07	fallback / 错误	模拟 primary 模型失败或 runner 抛错。	fallback 或 run.failed 行为受控；后续请求不受影响。
LA-08	无输出保护	测试 runner 完成但不产出消息。	不产生空白成功回复；按受控失败或明确缺陷处理。
LA-09	steering / 运行中追加消息	使用支持 steering 的 runner，第一条消息触发长 run；run 未结束时在同 conversation 追加第二条消息。	第二条消息被 active run claim，不启动并发 run；runner 通过 steering_pull 看到追加输入；EventLog 有 queued -> steering.injected，若未消费则有 steering.dropped 终态；后续普通消息仍可处理。

Rerank、remove-think、文件输入等场景只在本次改动直接涉及时补测，不作为每轮必跑项。

7. Code-agent Harness Smoke

这些测试用于验证 ACP、Claude Code、Codex 这类自管 runtime 能走同一条 Host 协议路径。若目标 harness 没有 CLI/daemon、登录态、代理配置或远端 workspace，标记 BLOCKED，不要伪造 PASS。

Smoke 前应优先保留一层轻量单测或 fixture 测试：session 创建/复用、消息发送、结果解析、run_id 注入和 LangBot MCP gateway 必须有稳定测试覆盖。WebUI smoke 证明真实链路可用，但不能替代转换层和错误映射测试。

7.1 外部 harness runner

步骤：

1. 确认目标 harness（例如 ACP daemon、Claude Code 或 Codex）在对应机器上可执行且已登录。
2. 绑定目标 runner，例如 plugin:langbot-team/ACPAgentRunner/default、plugin:langbot-team/ClaudeCodeAgent/default 或 plugin:langbot-team/CodexAgent/default。
3. 配置 runner 必要字段，例如 remote target、workspace、provider、startup timeout、reuse session 等。
4. 在 Debug Chat 执行一次确定性真实 smoke。
5. 检查 LangBot MCP gateway、run_id 回填和 host-owned state。

通过条件：

• WebUI 可见回复包含预期 sentinel。
• 发送给 harness 的消息包含当前 LangBot run_id 和可访问资源摘要。
• Harness 通过 gateway 调用 langbot_history_page、langbot_retrieve_knowledge 或 langbot_call_tool 时必须携带正确 run_id；错误 run id 被拒绝。
• external.session_id 写入 host-owned state。
• 外部 harness 错误、timeout、empty output 都转成受控 run.failed。
• resume 到同一 external session 时，全局锁边界符合 PROTOCOL_V1 §13。

7.2 API 型外部 runner

Dify、n8n、Coze、DashScope、Langflow、Tbox 等外部服务 runner 不作为每轮必跑项。只有在本次改动触及对应 runner 或凭据已经可用时执行 smoke。

通过条件：

• runner 可选，配置可保存。
• 请求成功，或外部服务错误被清晰返回。
• 外部服务凭据缺失时标记 BLOCKED，并记录缺失项。

8. 权限与隔离补充

以下优先用单测 / targeted fixture 覆盖，不要求每次通过 UI 人工构造恶意 runner。

场景	推荐证据
未授权模型调用被拒绝	plugin/handler.py run action 权限测试或目标单测。
未授权工具调用被拒绝	ctx.resources.tools 与 host action 拒绝日志。
未授权知识库检索被拒绝	ctx.resources.knowledge_bases 与 host action 拒绝日志。
run_id 结束后复用被拒绝	session registry 注销测试。
插件身份不匹配被拒绝	caller_plugin_identity mismatch 测试。
绑定插件身份的 run_id 省略 caller identity 被拒绝	_validate_run_authorization(..., caller_plugin_identity=None) 返回错误。
未注册 Runtime 连接伪造插件身份被剥离	SDK runtime forwarding 测试：请求自带 caller_plugin_identity 时，未注册连接转发前必须 pop，已注册连接必须覆盖为真实插件身份。
storage/state scope 越权被拒绝	state/storage proxy 单测。
steering claim 异常不杀 consumer loop	controller 单测：无效 runner / registry 异常只让当前消息回到普通 session 槽位路径，消息消费循环继续。
steering queue 未消费有终态	session registry / orchestrator 单测：队列有上限；run unregister 时未 pull 项写 steering.dropped 审计。

如果这些单测失败，不能用 WebUI 正常回复替代。

9. 证据要求

每轮测试报告至少记录：

• LangBot commit、SDK commit、相关 runner 插件 commit。
• Pipeline UUID/name、runner id、关键 runner config 摘要。
• WebUI 截图或 Playwright 操作记录。
• 后端日志中对应 query id / run id 的关键行。
• langbot-skills case/report 路径。
• 外部 harness runner 的 context 文件、session id、working directory、CLI 错误摘要。
• FAIL/BLOCKED 的复现步骤和归属仓库建议。

报告结论必须回答：

• 是否建议继续进入下一阶段测试。
• 是否存在主聊天路径阻塞。
• 是否只是凭据 / 外部服务 / 本机 CLI 缺失导致 BLOCKED。
• 是否需要进入 SECURITY_HARDENING.md 的发布级验收。

10. 历史高价值记录

历史高价值记录与当前 runner 验收状态见 STATUS.md。本指南只保留可重复执行的测试步骤和证据要求。

Event debug execution trace

The Agent workbench uses POST /api/v1/agents/{uuid}/debug/stream (NDJSON, runtime.operate). Verify incremental text and provider-returned reasoning, tool call arguments/results in execution order, automatic scrolling, and preservation of partial output on errors. Thinking is only shown when returned by the runner. Disconnecting cancels the debug task. The existing /debug endpoint and MCP debug_agent return final text and a bounded execution_events snapshot; they are not live transports.

Platform tools now use Host-owned mock adapters in synthetic debug runs. The model really invokes the authorized tool, validates its parameters, and receives a result; the Host does not call a live platform adapter. Event tools retain their frozen targets and platform tools retain explicit targets. Native, plugin and MCP tools continue to execute normally. A successful mock platform result is completion of that action in the debug run; runners must communicate that context to the model to avoid repeated attempts at real delivery.

The optional mock payload field (also editable under Mock 场景（JSON）) supports:

{
  "errors": {"event_reply": "Simulated permission denied"},
  "results": {"event_get_actor": {"id": "user-42", "nickname": "Fixture User"}},
  "unsupported_apis": ["delete_message"]
}

errors and results cannot both override the same tool. Unknown tools/APIs and malformed options are rejected before model execution. Default read fixtures follow SDK User, UserGroup, UserGroupMember and MessageReceivedEvent structures; list reads return a synthetic fixture list (override with [] to test emptiness). unsupported_apis participates in the normal capability intersection, so unsupported tools are not offered to the model. Event payloads should include the intended group/member/request IDs; the built-in presets supply examples.

Verify a welcome event shows event_reply, the expected text and frozen target, and 模拟执行成功 · Mock. Plain text alone must not count as a successful platform action. A simulated failure must show 模拟执行失败 · Mock. Also verify 停止调试 retains the partial trace and allows the next run, and that entering a new draft while streaming does not erase it on completion.

Full event/Mock regression evidence: 2026-09-05 follow-up.