Nota
O acesso a esta página requer autorização. Pode tentar iniciar sessão ou alterar os diretórios.
O acesso a esta página requer autorização. Pode tentar alterar os diretórios.
O Agent Framework inclui um framework de avaliação incorporado que lhe permite medir a qualidade, segurança e correção dos agentes. Pode fazer verificações locais rápidas durante o desenvolvimento, usar os avaliadores baseados na cloud do Azure AI Foundry para avaliação de produção, ou combinar ambos numa única execução de avaliação.
O quadro de avaliação é concebido em torno de alguns princípios-chave:
- Agnóstico ao prestador — Os tipos principais de avaliação e as funções de orquestração funcionam com qualquer prestador de avaliação.
- Zero atritos — Passa de "tenho um agente" para "tenho resultados de avaliação" com código mínimo.
- Divulgação progressiva — Cenários simples requerem código quase zero. Cenários avançados baseiam-se nos mesmos primitivos.
Conceitos-chave
O quadro de avaliação baseia-se em três tipos:
| Tipo | Purpose |
|---|---|
| EvalItem | Um único item a avaliar — abrange toda a conversa e gera a consulta/resposta através de uma estratégia de divisão. |
| Avaliador | Um fornecedor que pontua itens — verificações locais, Azure AI Foundry ou qualquer implementação personalizada. |
| EvalResults | Resultados agregados de uma execução de avaliação — contagens de sucesso/insucesso, detalhes por item e links opcionais para o portal. |
Em .NET, o quadro de avaliação baseia-se em Microsoft. Extensões.AI.Avaliação. Os avaliadores implementam a IAgentEvaluator interface, e a orquestração é fornecida através de métodos de extensão em AIAgent e Run.
Os tipos principais estão no espaço de nomes Microsoft.Agents.AI:
using Microsoft.Agents.AI;
Em Python, o quadro de avaliação faz parte do pacote central agent_framework. Os avaliadores implementam o protocolo Evaluator, e a orquestração é fornecida através 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 de API — ideal para desenvolvimento em circuito interno, testes de fumo de CI e iteração rápida. Aceita qualquer número de funções de verificação e aplica cada uma a cada item.
Verificações incorporadas
O Agent Framework inclui verificações integradas 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 funções personalizados
Use FunctionEvaluator.Create() para envolver qualquer função como uma verificação do avaliador. Existem múltiplas sobrecargas disponíveis dependendo dos dados de que 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 incorporadas
O Agent Framework inclui verificações integradas para cenários comuns:
| Verificar | 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 nomes expected_tool_calls aparecem na conversa (não ordenados, extras são permitidos) |
tool_call_args_match |
Chamadas de ferramenta esperadas correspondem pelo nome e 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 funções personalizados
Use o decorador @evaluator para envolver qualquer função como uma avaliação do avaliador. Os nomes dos parâmetros da função determinam que dados recebe dos 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 suportados: query, response, expected_outputexpected_tool_calls, , conversation, tools, . context
Tipos de retorno: bool, float (≥ 0,5 = passar), dict com a chave score ou passed, ou CheckResult. As funções assíncronas são tratadas automaticamente.
Avaliadores do Azure AI Foundry
FoundryEvals liga-se ao serviço de avaliação do
Azure AI Foundry para a avaliação de LLM como juiz baseada na cloud. Os resultados podem ser visualizados no portal Foundry com painéis e vistas 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 defeito, FoundryEvals executa avaliadores de relevância, coerência e adesão às tarefas . Quando os itens contêm definições de ferramentas, adicionam automaticamente precisão nas chamadas de ferramenta.
Avaliadores disponíveis
FoundryEvals fornece constantes para todos os nomes de avaliadores incorporados:
| Categoria | Avaliadores |
|---|---|
| Comportamento do agente |
intent_resolution, task_adherence, task_completion, task_navigation_efficiency |
| Utilização da ferramenta |
tool_call_accuracy, tool_selection, tool_input_accuracy, tool_output_utilization, tool_call_success |
| Qualidade |
coherence, fluency, relevance, groundedness, response_completeness, similarity |
| Safety |
violence, sexual, self_harm, hate_unfairness |
Observação
FoundryEvals requer um projeto
Azure AI Foundry com implementação de um modelo de IA. O model parâmetro especifica qual modelo usar como juiz do LLM.
Avalie um agente
O cenário de avaliação mais simples executa um agente com consultas de teste e pontua as respostas. Forneça múltiplas consultas diversas para uma 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. Executa o agente uma vez por consulta, converte cada interação para um EvalItem, e passa o lote ao 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 para um EvalItem, e passa o lote ao avaliador. Retorna um EvalResults por provedor de avaliação.
Consistência de medidas com repetições
Execute cada consulta várias vezes para detetar comportamentos não determinísticos:
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, comparando com os resultados esperados
Forneça respostas de verdade básica para avaliar a correção. As saídas esperadas são emparelhadas posicionalmente com as consultas:
AgentEvaluationResults results = await agent.EvaluateAsync(
new[] { "What's 2+2?", "Capital of France?" },
foundry,
expectedOutput: new[] { "4", "Paris" });
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,
)
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 já tiver respostas de agentes a partir de registos ou execuções anteriores, avalie-as diretamente sem repetir a execução do 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
As conversas com múltiplas voltas devem ser divididas em metades de consulta e resposta para avaliação. A forma como divides determina o que estás a avaliar.
| Estratégia | Comportamento | Melhor para |
|---|---|---|
| Último turno (padrão) | Dividir na última mensagem do utilizador. Tudo até lá é contexto de consulta; tudo depois disso é a resposta. | Qualidade da resposta num ponto específico |
| Completo | A primeira mensagem do utilizador é a consulta; O resto inteiro é a resposta. | Conclusão da tarefa e trajetória geral |
| Por turno | Cada interação entre o utilizador e o assistente é pontuada independentemente, considerando o contexto acumulado. | Análise detalhada |
// 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);
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)
Também pode disponibilizar um divisor personalizado — qualquer dispositivo de chamada que receba uma conversa e retorne (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
Avaliação dos fluxos de trabalho de múltiplos agentes com um desdobramento por agente. A estrutura extrai as interações de cada subagente e avalia-as individualmente, juntamente com a saída global 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}")
Também pode passar queries diretamente e o framework irá executar o fluxo de trabalho por si:
eval_results = await evaluate_workflow(
workflow=workflow,
queries=["Plan a trip to Paris", "Book a flight to London"],
evaluators=evals,
)
Misture múltiplos avaliadores
Execute verificações locais e avaliadores baseados na cloud em conjunto numa única avaliação. Cada avaliador produz o 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 MEAI
O quadro de avaliação .NET integra-se diretamente com Microsoft.Extensions.AI.Evaluation. Os avaliadores de qualidade e segurança da MEAI trabalham sem qualquer 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));
Sugestão
Ao utilizar avaliadores MEAI, forneça um chatConfiguration parâmetro com um cliente de chat configurado para o modelo de avaliação. Este cliente é utilizado pelos avaliadores do LLM como juízes para pontuar respostas.
Observação
O suporte para esta funcionalidade do go está a chegar em breve. Consulte o repositório Agent Framework Go para o estado mais recente.