O post fica no desenho do ensaio; não traz uma execução comparativa da mesma matriz no CLI e no Agent Host. Sua divisão deixa mais claro o que precisaria ser demonstrado em cada camada.

Eu registraria separadamente a negativa de leitura/escrita fora do escopo, a rejeição da operação pelo serviço usando uma identidade de teste com acesso limitado e a tentativa de saída de um marcador fictício para um endpoint controlado. Nesse último caso, incluiria um controle positivo para verificar se o coletor realmente registra as chamadas: ausência de log, sozinha, pode ser falha de observação. E esse resultado só cobriria o caminho de saída testado.

Para comparar os clientes, manteria os mesmos arquivos e operações, anotando SO, versões, políticas efetivas e exceções. Assim daria para dizer exatamente qual fronteira foi verificada em cada ambiente, sem transformar a recusa do chat em evidência de isolamento.