當 AI Agent 不再是單兵作戰，而是要在共享任務裡交換訊息、互相呼叫工具，真正的風險往往不在模型本身，而在邊界有沒有人守。WeClawArena 是一個開源基準與可審計的運行沙盒，它模擬每個「人類擁有者」各自帶著一個 Agent、私有資源、角色專屬工具與本地規則，再讓這些 Agent 一起完成跨擁有者的任務。沙盒會全程記錄訊息、工具呼叫、資源操作與治理決策，方便事後追查誰在什麼時候越了界。
與一般針對單一 Agent 的安全測試不同，這個項目刻意把「協作失敗」與「攻擊成功」拆開評估。它在六個領域共 124 個基礎任務、620 個變體上，加入無攻擊組作對照，並針對協作、安全、私隱、治理四類攻擊條件各自打分，得出任務成功率（TSR）與攻擊成功率（ASR）兩組指標。Bargaining、Bidding、Travel、SWE-Workspace、Clinical、Trading 這幾個場景覆蓋了採購談判、軟件工程協作、臨床團隊、投資俱樂部投票等高利害情境。
對從事 Agent 安全研究、紅隊測試，或要部署多 Agent 協作流程的團隊，這套沙盒提供了一個可重現、可審計的環境。從 README 與 HF Papers 頁面可見，作者 Prince Zizhuang Wang 等人已把論文、數據集與 v2.0.0 版本代碼同步公開，採用 Apache-2.0 授權代碼、CC BY-NC 4.0 授權數據。
重點摘要：
- 邊界為核心：每個 Agent 只看得到自己擁有者的資源與工具，跨邊界行為會被記錄與計分。
- 雙軌評估：任務成功率（TSR）與攻擊成功率（ASR）分開計算，避免「任務完成」掩蓋「已被入侵」。
- 四類攻擊條件：協作、安全、私隱、治理各有一組匹配變體，可針對性分析 Agent 弱點。
- 六個領域 620 變體：涵蓋商業談判、SWE 流程、臨床、投資等高風險協作情境。
- 可審計沙盒：peer 訊息、工具呼叫、決策路徑都有跡可循，方便事後歸因。
