Developer cookbook

Протестируйте агента комплексно (API)

Запускайте разовые симуляции, параллельные пакеты сценариев и наборы проверок перед выпуском через API ThunderPhone, чтобы регрессии агента выявлялись до того, как их услышат клиенты.

Итерация ИИ-агента означает итерацию его промпта, инструментов и способов обработки пограничных случаев. API симуляций выполняет реальные звонки агенту с использованием предоставленного вами промпта сценария. Указание агента создаёт запуск «бот с ботом»; указание номера телефона создаёт SIP-loopback-запуск. Каждый запуск создаёт реальный журнал звонка с расшифровкой, оценкой и тарификацией, чтобы вы точно видели, как ведёт себя агент и во сколько это обходится.

Используйте его для:

• Дымовых тестов перед развёртыванием после каждого изменения промпта
• Регрессионных наборов, подключённых к CI (подключите вебхук test-call.completed → завершайте сборку с ошибкой при снижении оценки)
• Нагрузочного тестирования лимитов одновременных вызовов

Однократный запуск: один прогон#

curl -X POST https://api.thunderphone.com/v1/simulations \
  -H "Authorization: Bearer sk_live_YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "target_type":     "agent",
    "target_id":       12,
    "direction":       "outbound",
    "scenario_prompt": "You are a polite caller asking about refund policy for order 12345.",
    "consent_to_charge": true
  }'

Поля:

mode доступен только для чтения и определяется на основе target_type: agent создаёт mode="bot", а phone_number создаёт mode="sip".

Ответ представляет собой объект запуска симуляции со status="queued". Выполняйте опрос, пока status не станет completed или failed; после установки call_id загрузите расшифровку через GET /v1/calls/{call_id}/transcript.

Пакеты: параллельные сценарии#

Запускайте N сценариев одновременно — это полезно для регрессионных наборов, которые параллельно проверяют все известные пограничные случаи:

curl -X POST https://api.thunderphone.com/v1/simulations/batches \
  -H "Authorization: Bearer sk_live_YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "target_type":     "agent",
    "target_id":       12,
    "direction":       "outbound",
    "run_count":       5,
    "stagger_seconds": 2,
    "scenario_prompts": [
      "Ask about refund policy.",
      "Ask for hours of operation.",
      "Complain about a delayed shipment.",
      "Ask to speak with a human.",
      "Ask an unrelated trivia question."
    ],
    "consent_to_charge": true
  }'

Ответ содержит список run_ids идентификаторов дочерних запусков. Получите статус пакета:

curl https://api.thunderphone.com/v1/simulations/batches/{batch_id} \
  -H "Authorization: Bearer sk_live_YOUR_API_KEY"

Значение run_count ограничено 20; stagger_seconds распределяет создание запусков во времени, чтобы не перегружать агента (0–60 с).

Подключите это к CI#

Создайте набор контрольных проверок релиза на странице Симуляции (/dashboard/simulations) — выберите агента, добавьте сценарии вручную или нажмите Сгенерировать сценарии с помощью ИИ, чтобы создать их черновики на основе промпта агента (с дополнительной проверкой пограничных случаев), и объедините их в набор. Набор фиксирует свои сценарии и агента, а также минимальный процент прохождения и необязательное правило отсутствия критических сбоев. Успешные запуски становятся принятой базовой линией; последующие переходы с прохождения на сбой возвращаются как регрессии.

Используйте API-ключ организации в CI. Этот скрипт запускает набор, опрашивает его до завершения оценки и сравнения и завершает работу с ненулевым кодом, если вердикт не равен pass:

#!/usr/bin/env bash
set -euo pipefail
 
: "${THUNDERPHONE_API_KEY:?Set THUNDERPHONE_API_KEY}"
: "${THUNDERPHONE_ORG_ID:?Set THUNDERPHONE_ORG_ID}"
: "${THUNDERPHONE_SUITE_ID:?Set THUNDERPHONE_SUITE_ID}"
 
base="https://api.thunderphone.com/v1/orgs/${THUNDERPHONE_ORG_ID}/suites/${THUNDERPHONE_SUITE_ID}"
auth="Authorization: Bearer ${THUNDERPHONE_API_KEY}"
 
run_id="$(curl --fail --silent --show-error -X POST "${base}/run" \
  -H "$auth" -H "Content-Type: application/json" -d '{}' | jq -r '.id')"
 
deadline=$((SECONDS + 1800))
while (( SECONDS < deadline )); do
  result="$(curl --fail --silent --show-error \
    "${base}/runs/${run_id}" -H "$auth")"
  status="$(jq -r '.status' <<<"$result")"
  if [[ "$status" == "completed" ]]; then
    jq . <<<"$result"
    [[ "$(jq -r '.verdict' <<<"$result")" == "pass" ]]
    exit
  fi
  sleep 10
done
 
echo "ThunderPhone suite timed out" >&2
exit 1

POST /v1/orgs/{org_id}/suites/{suite_id}/run возвращает 202 с идентификатором запуска. GET /v1/orgs/{org_id}/suites/{suite_id}/runs/{run_id} возвращает status, verdict, pass_rate, critical_failure_count и базовый список regressions. Обе конечные точки связывают организацию в URL с организацией API-ключа.

Шаблоны#

Корпус регрессий для каждого промпта#

Поддерживайте JSON-файл с кортежами {name, scenario_prompt, expected_outcome}. При каждом изменении промпта запускайте весь набор пакетом; сравнивайте расшифровки и оценки с предыдущим запуском.

Дымовой тест для каждого релиза#

Один пакет из пяти сценариев с успешным путём, который вы запускаете после каждого деплоя. Тест чувствителен к задержкам, поэтому оставьте stagger_seconds: 0.

Тестирование производительности по задержке#

Запускайте идентичные сценарии для разных уровней продукта (spark, bolt, storm-base). Сравнивайте оценки call.graded и duration_seconds из каждого журнала вызова.

Следующие шаги#