Evaluación adversarial de un agente con herramientas peligrosas

Recibirás acceso al agente de pruebas con 6 herramientas (mocks pero realistas) y un perfil de uso esperado. Construirás (1) una suite automatizada de 200 ataques generados por LLM agresor (prompt injection, jailbreak, herramientas concatenadas peligrosamente), (2) un red-team manual donde dos personas pasan 8 horas intentando romperlo y (3) un informe de severidad y mitigación. Evaluarás (a) tasa de éxito de cada categoría de ataque, (b) severidad (impacto real si pasara a producción), (c) coste de detectar cada fallo. El éxito es identificar y categorizar al menos 15 vulnerabilidades distintas con propuesta de mitigación accionable para cada una.