Observação
O acesso a essa página exige autorização. Você pode tentar entrar ou alterar diretórios.
O acesso a essa página exige autorização. Você pode tentar alterar os diretórios.
O Agent Framework inclui uma estrutura de avaliação interna que permite medir a qualidade, a segurança e a correção do agente. Você pode executar verificações locais rápidas durante o desenvolvimento, usar os avaliadores baseados em nuvem da Fábrica de IA do Azure para avaliação de nível de produção ou combinar ambos em uma única execução de avaliação.
A estrutura de avaliação foi projetada em torno de alguns princípios principais:
- Agnóstico em relação ao provedor — Tipos essenciais de avaliação e funções de orquestração funcionam com qualquer provedor de avaliação.
- Atrito zero – vá de "Tenho um agente" para "Tenho resultados de avaliação" com código mínimo.
- Divulgação progressiva – cenários simples exigem um código quase zero. Cenários avançados se baseiam nos mesmos primitivos.
Conceitos principais
A estrutura de avaliação é criada em três tipos:
| Tipo | Propósito |
|---|---|
| EvalItem | Um único item a ser avaliado : encapsula a conversa completa e deriva a consulta/resposta por meio de uma estratégia dividida. |
| Avaliador | Um provedor que pontua itens – verificações locais, Fábrica de IA do Azure ou qualquer implementação personalizada. |
| EvalResults | Resultados agregados de um processo de avaliação — contagens de aprovação/falha, detalhes por item e links opcionais para o portal. |
Em .NET, a estrutura de avaliação baseia-se em Microsoft. Extensions.AI.Evaluation. Os avaliadores implementam a interface IAgentEvaluator e a orquestração é fornecida por meio de métodos de extensão em AIAgent e Run.
Os tipos principais residem no namespace Microsoft.Agents.AI:
using Microsoft.Agents.AI;
Em Python, a estrutura de avaliação faz parte do pacote principal agent_framework. Os avaliadores implementam o protocolo Evaluator, e a orquestração é fornecida por meio das funções evaluate_agent() e evaluate_workflow().
from agent_framework import (
evaluate_agent,
evaluate_workflow,
EvalItem,
EvalResults,
LocalEvaluator,
)
Avaliadores locais
LocalEvaluator executa verificações localmente sem chamadas à API — ideal para desenvolvimento de loop interno, testes de fumaça de CI e iteração rápida. Ele aceita qualquer número de funções de verificação e aplica cada uma a cada item.
Verificações integradas
O Agent Framework é fornecido com verificações internas para cenários comuns:
using Microsoft.Agents.AI;
var local = new LocalEvaluator(
EvalChecks.KeywordCheck("weather", "temperature"), // Response must contain these keywords
EvalChecks.ToolCalledCheck("get_weather") // Agent must have called this tool
);
Avaliadores de função personalizados
Use FunctionEvaluator.Create() para encapsular qualquer função como uma verificação do avaliador. Várias sobrecargas estão disponíveis dependendo de quais dados você precisa:
using Microsoft.Agents.AI;
var local = new LocalEvaluator(
// Simple: check only the response text
FunctionEvaluator.Create("is_concise",
(string response) => response.Split(' ').Length < 500),
// With expected output: compare against ground truth
FunctionEvaluator.Create("mentions_city",
(string response, string? expectedOutput) =>
expectedOutput != null && response.Contains(expectedOutput, StringComparison.OrdinalIgnoreCase)),
// Full context: access the complete EvalItem
FunctionEvaluator.Create("used_search",
(EvalItem item) => item.Conversation.Any(m =>
m.Text?.Contains("search", StringComparison.OrdinalIgnoreCase) == true))
);
Verificações integradas
O Agent Framework é fornecido com verificações internas para cenários comuns:
| Verificação | O que faz |
|---|---|
keyword_check(*keywords) |
A resposta deve conter todas as palavras-chave especificadas |
tool_called_check(*tool_names) |
O agente deve ter chamado as ferramentas especificadas |
tool_calls_present |
Todos os expected_tool_calls nomes aparecem na conversa (sem ordem específica, elementos extras OK) |
tool_call_args_match |
As chamadas de ferramenta esperadas correspondem ao nome e aos argumentos (correspondência de subconjunto em args) |
from agent_framework import (
LocalEvaluator,
keyword_check,
tool_called_check,
tool_calls_present,
tool_call_args_match,
)
local = LocalEvaluator(
keyword_check("weather", "temperature"), # Response must contain these keywords
tool_called_check("get_weather"), # Agent must have called this tool
tool_calls_present, # All expected tool call names were made
tool_call_args_match, # Expected tool calls match on name + args
)
Avaliadores de função personalizados
Utilize o @evaluator decorador para encapsular qualquer função como uma verificação do avaliador. Os nomes de parâmetro da função determinam quais dados ele recebe do EvalItem:
from agent_framework import evaluator, LocalEvaluator
@evaluator
def is_concise(response: str) -> bool:
"""Check response is under 500 words."""
return len(response.split()) < 500
@evaluator
def mentions_city(response: str, expected_output: str) -> bool:
"""Check response contains the expected city name."""
return expected_output.lower() in response.lower()
@evaluator
def used_tools(conversation: list, tools: list) -> float:
"""Score based on tool usage. Returns 0.0–1.0 (>= 0.5 passes)."""
tool_calls = [c for m in conversation for c in (m.contents or []) if c.type == "function_call"]
return min(len(tool_calls) / max(len(tools), 1), 1.0)
local = LocalEvaluator(is_concise, mentions_city, used_tools)
Nomes de parâmetros com suporte: query, , response, expected_output, expected_tool_calls, conversation, , tools. context
Tipos de retorno: bool, float (≥ 0,5 = aprovado), dict com a chave score ou passed, ou chave CheckResult. As funções assíncronas são tratadas automaticamente.
Avaliadores do Fábrica de IA do Azure
FoundryEvals conecta-se ao serviço de avaliação do Fábrica de IA do Azure para avaliação LLM-as-Judge em nuvem. Os resultados podem ser exibidos no portal do Foundry com painéis e exibições de comparação.
using Microsoft.Agents.AI.AzureAI;
var foundry = new FoundryEvals(chatConfiguration, FoundryEvals.Relevance, FoundryEvals.Coherence);
from agent_framework.foundry import FoundryEvals
evals = FoundryEvals(
project_client=project_client,
model="gpt-4o",
evaluators=[FoundryEvals.RELEVANCE, FoundryEvals.COHERENCE],
)
Por padrão, FoundryEvals executa avaliadores de relevância, coerência e adesão de tarefas . Quando os itens contêm definições de ferramenta, ele adiciona automaticamente a precisão da chamada de ferramenta.
Avaliadores disponíveis
FoundryEvals fornece constantes para todos os nomes internos do avaliador:
| Categoria | Avaliadores |
|---|---|
| Comportamento do agente |
intent_resolution, task_adherence, , task_completiontask_navigation_efficiency |
| Uso da ferramenta |
tool_call_accuracy, tool_selection, tool_input_accuracy, , tool_output_utilizationtool_call_success |
| Quality |
coherence, fluency, relevance, groundedness, response_completeness, , similarity |
| Safety |
violence, sexual, , self_harmhate_unfairness |
Observação
FoundryEvals requer um projeto Fábrica de IA do Azure com uma implantação de modelo de IA. O model parâmetro especifica qual modelo usar como o juiz LLM.
Avaliar um agente
O cenário de avaliação mais simples executa um agente em consultas de teste e pontua as respostas. Forneça várias consultas diversas para avaliação estatisticamente significativa.
using Microsoft.Agents.AI;
using Microsoft.Agents.AI.Foundry;
var foundry = new FoundryEvals(chatConfiguration, FoundryEvals.Relevance, FoundryEvals.Coherence);
AgentEvaluationResults results = await agent.EvaluateAsync(
new[]
{
"What's the weather in Seattle?",
"Plan a weekend trip to Portland",
"What restaurants are near Pike Place?",
},
foundry);
results.AssertAllPassed(); // Throws if any item failed
EvaluateAsync é um método de extensão em AIAgent. Ele executa o agente uma vez por consulta, converte cada interação em um EvalIteme passa o lote para o avaliador.
from agent_framework import evaluate_agent
from agent_framework.foundry import FoundryEvals
evals = FoundryEvals(
project_client=project_client,
model="gpt-4o",
evaluators=[FoundryEvals.RELEVANCE, FoundryEvals.COHERENCE],
)
results = await evaluate_agent(
agent=my_agent,
queries=[
"What's the weather in Seattle?",
"Plan a weekend trip to Portland",
"What restaurants are near Pike Place?",
],
evaluators=evals,
)
for r in results:
print(f"{r.provider}: {r.passed}/{r.total}")
r.raise_for_status() # Raises EvalNotPassedError if any item failed
evaluate_agent executa o agente uma vez por consulta, converte cada interação em um EvalIteme passa o lote para o avaliador. Ele retorna um EvalResults por provedor avaliador.
Medir a consistência com repetições
Execute cada consulta várias vezes para detectar um comportamento não determinístico:
AgentEvaluationResults results = await agent.EvaluateAsync(
new[] { "What's the weather in Seattle?" },
foundry,
numRepetitions: 3); // Each query runs 3 times independently
// Results contain 3 items (1 query × 3 repetitions)
results = await evaluate_agent(
agent=my_agent,
queries=["What's the weather in Seattle?"],
evaluators=evals,
num_repetitions=3, # Each query runs 3 times independently
)
# Results contain 3 items (1 query × 3 repetitions)
Avaliar com as saídas esperadas
Forneça as respostas básicas esperadas para avaliar a correção. As saídas esperadas são emparelhadas posicionalmente com consultas:
AgentEvaluationResults results = await agent.EvaluateAsync(
new[] { "What's 2+2?", "Capital of France?" },
foundry,
expectedOutput: new[] { "4", "Paris" });
Você também pode especificar chamadas de ferramenta esperadas:
AgentEvaluationResults results = await agent.EvaluateAsync(
new[] { "What's the weather in NYC?" },
new LocalEvaluator(EvalChecks.ToolCalledCheck("get_weather")),
expectedToolCalls: new[]
{
new[] { new ExpectedToolCall("get_weather") },
});
from agent_framework import evaluate_agent, ExpectedToolCall
results = await evaluate_agent(
agent=my_agent,
queries=["What's 2+2?", "Capital of France?"],
expected_output=["4", "Paris"],
evaluators=evals,
)
Você também pode especificar chamadas de ferramenta esperadas:
results = await evaluate_agent(
agent=my_agent,
queries=["What's the weather in NYC?"],
expected_tool_calls=[ExpectedToolCall("get_weather", {"location": "NYC"})],
evaluators=local,
)
Avaliar respostas pré-existentes
Quando você já tiver respostas de agente a partir de logs ou execuções anteriores, avalie-as diretamente sem precisar executar novamente o agente.
var response = await agent.RunAsync(new[] { new ChatMessage(ChatRole.User, "What's the weather?") });
AgentEvaluationResults results = await agent.EvaluateAsync(
new[] { response },
new[] { "What's the weather?" },
foundry);
from agent_framework import Message, evaluate_agent
response = await agent.run([Message("user", ["What's the weather?"])])
results = await evaluate_agent(
agent=agent,
responses=response,
queries="What's the weather?",
evaluators=evals,
)
Estratégias de divisão de conversa
Conversas de vários turnos devem ser divididas em partes de consulta e resposta para avaliação. Como você divide determina o que está avaliando.
| Estratégia | Comportamento | Mais adequado para |
|---|---|---|
| Última curva (padrão) | Divida na última mensagem do usuário. Tudo até este ponto é o contexto da consulta; tudo depois dele é a resposta. | Qualidade da resposta em um ponto específico |
| Full | A primeira mensagem do usuário é a consulta; todo o restante é a resposta. | Conclusão da tarefa e trajetória geral |
| Por turno | Cada troca de usuário para assistente é pontuada independentemente com o contexto cumulativo. | Análise refinada |
// Full conversation as context
AgentEvaluationResults results = await agent.EvaluateAsync(
new[] { "Plan a 3-day trip to Paris" },
foundry,
splitter: ConversationSplitters.Full);
// Per-turn: each exchange scored independently
var items = EvalItem.PerTurnItems(conversation);
var perTurnResults = await evaluator.EvaluateAsync(items);
Você também pode implementar um divisor personalizado implementando IConversationSplitter:
public class SplitBeforeToolCall : IConversationSplitter
{
public (IReadOnlyList<ChatMessage> QueryMessages, IReadOnlyList<ChatMessage> ResponseMessages) Split(
IReadOnlyList<ChatMessage> conversation)
{
// Custom split logic
for (int i = 0; i < conversation.Count; i++)
{
if (conversation[i].Text?.Contains("tool_call") == true)
return (conversation.Take(i).ToList(), conversation.Skip(i).ToList());
}
return ConversationSplitters.LastTurn.Split(conversation);
}
}
from agent_framework import evaluate_agent, ConversationSplit
# Full conversation as context
results = await evaluate_agent(
agent=agent,
queries=["Plan a 3-day trip to Paris"],
evaluators=evals,
conversation_split=ConversationSplit.FULL,
)
# Per-turn: each exchange scored independently
from agent_framework import EvalItem
items = EvalItem.per_turn_items(conversation)
# Pass items directly to an evaluator
per_turn_results = await evaluator.evaluate(items)
Você também pode fornecer um divisor personalizado, qualquer callable que aceita uma conversa e retorna (query_messages, response_messages):
def split_before_memory(conversation):
"""Split just before a memory-retrieval tool call."""
for i, msg in enumerate(conversation):
for c in msg.contents or []:
if c.type == "function_call" and c.name == "retrieve_memory":
return conversation[:i], conversation[i:]
# Fallback to default
return EvalItem._split_last_turn_static(conversation)
results = await evaluate_agent(
agent=agent,
queries=queries,
evaluators=evals,
conversation_split=split_before_memory,
)
Avaliar fluxos de trabalho
Avalie fluxos de trabalho de vários agentes com detalhamento por agente. A estrutura extrai as interações de cada sub-agente e as avalia individualmente, juntamente com a saída geral do fluxo de trabalho.
using Microsoft.Agents.AI;
using Microsoft.Agents.AI.AzureAI;
Run run = await workflowRunner.RunAsync(workflow, "Plan a trip to Paris");
AgentEvaluationResults results = await run.EvaluateAsync(
new FoundryEvals(chatConfiguration, FoundryEvals.Relevance));
Console.WriteLine($"Overall: {results.Passed}/{results.Total}");
// Per-agent breakdown
if (results.SubResults != null)
{
foreach (var (name, sub) in results.SubResults)
{
Console.WriteLine($" {name}: {sub.Passed}/{sub.Total}");
}
}
results.AssertAllPassed();
from agent_framework import evaluate_workflow
from agent_framework.foundry import FoundryEvals
evals = FoundryEvals(project_client=project_client, model="gpt-4o")
result = await workflow.run("Plan a trip to Paris")
eval_results = await evaluate_workflow(
workflow=workflow,
workflow_result=result,
evaluators=evals,
)
for r in eval_results:
print(f"{r.provider}: {r.passed}/{r.total}")
for name, sub in r.sub_results.items():
print(f" {name}: {sub.passed}/{sub.total}")
Você também pode passar queries diretamente e a estrutura executará o fluxo de trabalho para você:
eval_results = await evaluate_workflow(
workflow=workflow,
queries=["Plan a trip to Paris", "Book a flight to London"],
evaluators=evals,
)
Misturar vários avaliadores
Execute verificações locais e avaliadores baseados em nuvem em uma única avaliação. Cada avaliador produz seu próprio EvalResults.
using Microsoft.Agents.AI;
using Microsoft.Agents.AI.AzureAI;
IReadOnlyList<AgentEvaluationResults> results = await agent.EvaluateAsync(
new[] { "What's the weather in Seattle?" },
evaluators: new IAgentEvaluator[]
{
new LocalEvaluator(
EvalChecks.KeywordCheck("weather"),
FunctionEvaluator.Create("is_helpful", (string r) => r.Split(' ').Length > 10)),
new FoundryEvals(chatConfiguration, FoundryEvals.Relevance, FoundryEvals.Coherence),
});
// results[0] = local evaluator results
// results[1] = Foundry evaluator results
foreach (var r in results)
{
Console.WriteLine($"{r.Provider}: {r.Passed}/{r.Total}");
}
from agent_framework import evaluate_agent, evaluator, LocalEvaluator, keyword_check
from agent_framework.foundry import FoundryEvals
@evaluator
def is_helpful(response: str) -> bool:
return len(response.split()) > 10
foundry = FoundryEvals(
project_client=project_client,
model="gpt-4o",
evaluators=[FoundryEvals.RELEVANCE, FoundryEvals.COHERENCE],
)
results = await evaluate_agent(
agent=agent,
queries=["What's the weather in Seattle?"],
evaluators=[
LocalEvaluator(is_helpful, keyword_check("weather")),
foundry,
],
)
# results[0] = local evaluator results
# results[1] = Foundry evaluator results
for r in results:
print(f"{r.provider}: {r.passed}/{r.total}")
Avaliadores do MEAI
A estrutura de avaliação .NET integra-se diretamente aos avaliadores do Microsoft.Extensions.AI.Evaluation. Os avaliadores de qualidade e segurança do MEAI funcionam sem nenhum adaptador:
using Microsoft.Extensions.AI.Evaluation;
using Microsoft.Extensions.AI.Evaluation.Quality;
using Microsoft.Extensions.AI.Evaluation.Safety;
// Quality evaluators
AgentEvaluationResults results = await agent.EvaluateAsync(
new[] { "What's the weather?" },
new CompositeEvaluator(
new RelevanceEvaluator(),
new CoherenceEvaluator(),
new GroundednessEvaluator()),
chatConfiguration: new ChatConfiguration(evalClient));
// Safety evaluators
AgentEvaluationResults safetyResults = await agent.EvaluateAsync(
new[] { "What's the weather?" },
new ContentHarmEvaluator(),
chatConfiguration: new ChatConfiguration(evalClient));
Tip
Ao usar avaliadores MEAI, forneça um chatConfiguration parâmetro com um cliente de chat configurado para o modelo de avaliação. Esse cliente é usado pelos avaliadores LLM-as-judge para pontuar respostas.
Observação
O suporte para Go a este recurso estará disponível em breve. Consulte o repositório Agent Framework Go para obter o status mais recente.
Próximas Etapas
Conteúdo relacionado
- Observabilidade
- Segurança do agente
- Visão geral da avaliação do Fábrica de IA do Azure