AI 에이전트의 성능과 안전성을 자동으로 검증하기 위해 마련한 테스트 묶음. 특정 상황에서 에이전트가 원하는 행동을 하는지, 승인 없는 결제처럼 위험한 행동을 하지 않는지를 반복 측정하는 데 쓴다.