在真实 Windows 环境中，一键测试和对比 AI 智能体的任务完成能力。
Windows Agent Arena (WAA) 是一个用于测试和基准测试多模态 AI 智能体的可扩展操作系统平台。它解决了在真实 Windows 环境中评估 AI 智能体性能的难题，提供了一个标准化、可重复的测试框架。其核心能力包括：支持多模态智能体的交互测试，覆盖 GUI 操作、文件管理、浏览器使用等真实场景；提供可扩展的架构，允许研究者自定义任务和评估指标；内置基准测试套件，可量化智能体在 Windows 环境下的任务完成率、效率等关键指标。WAA 旨在推动 OS 级 AI 智能体的研究与发展，为开发者提供可靠的性能衡量工具。
OSWorld、MiniWoB++、WebArena
WindowsAgentArena 是评测安全领域的开源项目，由 microsoft 开发，2024 年首次发布。
在全站 13,014 个收录项目中，它的 GitHub 星标数（902）位列前 30%，在评测安全分类中处于中上游。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-23。MIT许可证，完全免费，可自行部署使用。
它主要面向的使用场景是：AI智能体研发团队进行性能基准测试。同类可对比的替代方案包括 OSWorld、MiniWoB++、WebArena。
akto
开源
给 AI 应用做安全体检，防提示注入和数据泄露
Akto is the fastest growing AI Security platform for your teams to secure AI agents,···
XSafeClaw
开源
给 AI 智能体装上安全盾，自动红队测试找漏洞
Introducing XSafeClaw: The Open-Source Agent Safety Platform from Fudan University
deepteam
开源
自动模拟越狱攻击，提前测出 LLM 安全漏洞
DeepTeam is a framework to red team LLMs and AI agents.
Tracely-ai
开源
把生产事故变成回归测试，合并前自动拦截 AI 故障
Trace-native CI/CD for AI agents — production failures become regression tests that···
