waza

Skillgrade 可从带有 SKILL.md 的目录生成 eval.yaml，并用多轮任务检查 Agent 是否能正确发现和应用技能。它支持 Gemini、Claude、Codex、ACP、OpenCode 和自定义命令，可组合确定性评分与 LLM 量表，并通过命令行或浏览器查看结果；运行环境需要 Node.js 20+，Docker、模型密钥或本地命令按所选执行器决定。

AgentSight 在系统层观察 Claude Code、Codex、Gemini CLI、OpenCode 等 Agent，记录进程树、命令、文件操作、网络目的地，以及提示、响应、工具意图和模型 token，并把跨进程事件关联起来。它不需要 SDK 或代理，支持实时界面、SQLite 会话报告和离线 pprof；但运行依赖 Linux eBPF 内核与 sudo，采集范围也包含提示和响应等敏感内容。

按作业名、运行 ID 或工作区 URL 获取 Databricks 日志，自动下载并解压 Unity Catalog Volumes 中分散的驱动与执行器文件，再按时间合并并标注来源。可按级别、来源、时间等条件筛选并输出 JSONL；需要已配置的 Databricks CLI，且目前不支持 S3 日志目的地。

它通过 Playwright 访问已部署的 Web 应用，可抓取 HTML、查询 DOM、记录控制台与网络请求、截图，并运行可重复的健康检查流程。Cloudflare Access 等认证门禁可通过服务令牌或持久化会话处理，所有命令支持稳定 JSON 输出，适合部署门禁、已知不变量检查和故障排查；它只支持 Chromium，不是负载测试或通用合成监控工具。