# 策展 · X (Twitter) 🔥

> 📖 本站完整內容索引（documentation index）：[llms.txt](/llms.txt)

> 作者：CopilotKit🪁 (@CopilotKit) · 平台：X (Twitter) · 日期：2026-04-10

> 原始來源：https://x.com/copilotkit/status/2041930985500242231

## 中文摘要

CopilotKit 推出 AIMock，為 AI Agent 堆疊提供全方位的 Mock 伺服器解決方案。

CopilotKit 團隊指出，現代 AI 應用程式的請求路徑極為複雜，單一請求可能涉及 LLM、MCP 工具、向量資料庫、搜尋 API、重排序 (reranking) 及內容審核等多個服務。過去僅針對 LLM 進行 Mock 的做法，導致測試環境中仍有大量真實網路呼叫，不僅造成測試不穩定（flaky CI），更導致不必要的 token 消耗。

**開發背景與痛點**：CopilotKit 團隊開發 AIMock 的初衷，是為了填補現有測試工具的缺口。他們觀察到，一個典型的 2026 年 Agent 請求會依序觸發多個服務，若僅 Mock 其中一環，其餘服務的真實網路呼叫將導致測試結果不可預測。為了實現快速、免費且可靠的測試，AIMock 整合了整個 Agent 堆疊的模擬需求，解決了以往需拼湊多個函式庫且配置格式不一的問題。

**核心功能與架構**：AIMock 旨在提供單一封裝、單一連接埠的解決方案，並具備以下關鍵特性：
- 漂移檢測 (Drift Detection)：每日對比真實 API 回應，在使用者發現前捕捉回應格式的變更。
- 錄製與重播 (Record & Replay)：代理真實 API 呼叫並儲存為 fixture，實現確定性的測試重播，無需再觸發真實 API。
- 混沌測試 (Chaos Testing)：可配置機率注入 500 錯誤、格式錯誤的 JSON 或串流中斷，驗證應用程式的容錯能力。
- 全面覆蓋：支援 LLM (10 種供應商)、MCP (JSON-RPC 2.0)、A2A (Agent-to-Agent)、向量資料庫 (Pinecone, Qdrant, ChromaDB) 及各種服務介面。

**技術支援與整合**：AIMock 透過真實的 HTTP 伺服器運作，而非僅在處理程序內進行修補，確保任何支援 HTTP 的應用程式皆可存取。
- LLMock：支援 10 種主流供應商（如 OpenAI, Claude, Gemini, Bedrock 等），並完整支援串流與推理模型。
- MCPMock：提供具備完整會話管理、工具與資源的本地 MCP 伺服器。
- A2AMock：提供 Agent 卡片發現、訊息路由與 SSE 串流的本地 A2A 伺服器。
- VectorMock：支援向量資料庫的集合管理、寫入與查詢操作。

**遷移與實際應用**：AIMock 旨在無縫取代舊有的測試工具。對於從 `llmock` 遷移的使用者，僅需移除舊套件、安裝 `@copilotkit/aimock` 並更新匯入路徑即可，既有的測試程式碼與 fixture 格式皆保持相容。目前 AG-UI 等專案已將其應用於 End to End (端到端) 測試套件中，以驗證跨供應商的 Agent 行為。

## 標籤

Agent, 新產品, MCP, CopilotKit