MCP Workbench env : devEnvironnement courant de ce banc de tests. Les audits tournent contre le MCP Opquast et le rejeu serve locaux.
← Retour au pipelineRevenir au Banc de tests (liste des sites + lots) pour relancer ou comparer.

✓Statut du run : done Audit MCP du lot lot-20-parenthese

run c2932bd7Identifiant complet du run : c2932bd7-e3c5-493d-9947-eb6840236166 MCP Opquast basic v1.1.0Outil d'audit utilisé : serveur MCP Opquast « basic » (245 règles), version v1.1.0. prompt v1Version du prompt système/utilisateur servi à l'agent (prompt versionné, non modifié en place). modèle claude-opus-4-6Modèle Claude demandé pour cet audit (le modèle réellement servi figure dans la carte Configuration). le 2026-06-18 16:38 UTCDate et heure de lancement du run. capsule v— à venirVersion de la capsule auditée — disponible pour un audit de capsule versionnée (MCPWB-468). étalon v— à venirVersion de l'étalon de référence — disponible avec l'historique versionné (MCPWB-468).

lot-20-parenthese

Étalon intégré
① Capture
fourni
① Capture — capture fidèle de la page dans une capsule (WACZ) (fourni).
② Audit
terminé
② Audit — audit MCP Opquast de la capsule rejouée (terminé).
▶ Voir le run ▦ Matrice → ≣ Détail par critère → ↻ Relancer ▾
③ Comparaison
accord 0.89
③ Comparaison — accord des verdicts de l'agent avec l'étalon (accord 0.89).
✓ Étalon · intégré
↻ Relancer l'audit

Configuration du run ⓘParamètres figés au lancement de cet audit (vérité terrain : modèle servi et coût relus du transcript).

Modèle demandéModèle Claude demandé dans le formulaire d'audit. claude-opus-4-6
Modèle serviModèle réellement servi (relu du transcript) — peut différer du demandé. claude-opus-4-6claude-opus-4-6
Serveur MCPScope du MCP Opquast : basic ou extended (245 règles). basic
InspectionOutils d'inspection autorisés : curl, playwright ou libre. libre
Indices étalonCombien d'indices donnés à l'agent : aveugle (rien), mapping (règle par page), lot (union des règles). aveugle
Périmètre des règlesQuelles règles l'agent évalue : libre, checklist complète (245), ou sous-ensemble. Libre
PromptVersion du prompt versionné servi à l'agent. v1
CoûtCoût USD du run, relu du transcript (tokens × tarif du modèle servi). 2.1794 $

Métriques (vs étalon) ⓘAccord des verdicts de l'agent avec l'étalon, sur le périmètre réellement audité. « Positif » = violation détectée (« non respectée »).

Aucun verdict tranché (respectée / non respectée) sur le périmètre recouvert : la matrice de confusion reste masquée. Voir les agrégats ci-dessous.

Accord globalPart de verdicts de l'agent identiques à l'étalon, sur les règles recouvertes. 1.00 = parfait. 0.89
AbstentionRègles où l'agent a répondu « indéterminable » (hors matrice 2×2). 0 %
Faux « non conforme »FAUSSE ALERTE : agent « non respectée » mais page conforme pour l'étalon — l'agent invente une violation. 0
Faux « conforme »VIOLATION MANQUÉE : agent « respectée » mais au moins un bloc de la page en échec pour l'étalon — souvent l'écart le plus grave. 0
Recouvrement étalonCouples (URL, règle) couverts par l'étalon — base de la comparaison. 28
Durée · TokensDurée totale du run et tokens consommés (relus du transcript). 685 s · 37535

Transcript de l'agent (live) ⤓ brut

ordre chronologique (le plus récent en bas)

    Aucun transcript pour ce run.