AIが電話で値切って、予約を取る。「確定」に✓が付くのは、相手がそう言った時だけ。

$ npx oathra battle impossible-hotel \
    --agent scripted --agent openai --agent gemini \
    --png card.png --json run.json

Impossible Hotel
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
scripted                    ████████████████████    6540
openai:gpt-4o-mini          ███████████████████▋    6444
gemini:gemini-flash-latest  ███████████████████▌    6410

                            SUCCESS  TIME   COST  SCORE
scripted                    ✓         69s  $0.00   95.4
openai:gpt-4o-mini          ✓         95s  $0.00   89.5
gemini:gemini-flash-latest  ✓         79s  $0.00   90.1

False completions: 0

$ npx oathra setup phone

音声エンジンを選択
❯ GPT-Live        推奨 · 会話が最も自然
  OpenAI Realtime speech-to-speech
  Pipeline        Deepgram + 任意のLLM + OpenAI TTS

電話会社を選択
❯ Twilio          直結 · 実通話で検証済み
  Plivo           SIP経由
  Custom SIP

Twilio を設定中
  ✓ 認証情報を確認             account · Full
  ✓ 音声発信できる番号を検出    +1 947 ···
  ✓ 日本向け発信の許可を確認
  ✓ Media Streams              通話ごとに設定
✓ Twilio の準備ができました。

$ npx oathra phone doctor --to +81…
Carrier        ✓ 認証 · 有効 · 発信元番号 · 日本向け発信 OK
Media          · 実通話が必要 — oathra phone test
Voice Engine   ✓ GPT-Live (gpt-live-1)
Latency        Oathra → api.twilio.com   244 ms
Cost           日本の携帯 · twilio · $0.185/分
READY ✓

• 自動化できない所は、案内する発信元番号の本人確認や海外発信の許可など、人の操作が必要な手順はリンク付きの一手順として表示し、終わるまで待ちます。「ワンクリック」と言い張るより、正直なほうが使いやすいと考えました。
• 通話料を払わずにテストするoathra phone test は Local（¥0、合成音声でエンジンを往復）→ Gateway（¥0）→ PSTN（有料）の3段階。開発中のバグ1つごとに1分¥28を払わずに済みます。
• どの層が壊れたかを doctor が言う電話会社 · SIPゲートウェイ · 音声 · 音声モデル · 遅延 · 料金を段ごとに確認し、失敗した項目には直し方を添えます。

{
  "field": "time",
  "value": "19:30",
  "source": "callee",
  "transcript": "19時はいっぱいですが、19時半でしたら空いております。",
  "span": "19時半",
  "explicit": true,
  "verified": true,
  "note": "accepted with value restated by caller",
  "audio": { "startMs": 14210, "endMs": 18960 }
}

完了 = 接続済み
     ∧ 日付.検証済み ∧ 時刻.検証済み
     ∧ 人数.検証済み ∧ 確定.検証済み
     ∧ 制約を満たす

$ npx oathra eval --adversarial 10000
never-confirm · wrong-restate · negate-then-offer
silent-hangup · caller-echo-trap
False Completion: 0 / 10000 adversarial runs  6.2s

• 断りは提示にならない「19時はいっぱいですが」から 19:00 の証拠は作られない。
• 言い直しは上書き「13日、いや14日」なら14日が残り、上書きの履歴が付く。
• 曖昧な返事は確定にならない「たぶん大丈夫」は同意でも確定でもない。
• 確定できるのは相手だけAI が「予約しました」と言っても記録されるだけ。
• 確定は古くなる「承りました」の後に金額が変われば、確定し直しが必要。
• 引き下がりは受諾ではない「わかりました、他を探します」で何も検証されない。