FoundryEvals は、Agent Framework の評価 API を Microsoft Foundry のマネージド評価サービスに接続します。 品質、安全性、ツール利用、エージェントの動作、ルーブリックの評価機能を提供し、保存済みレポートは Foundry ポータルで利用できます。
EvalItem、ローカル チェック、カスタム エバリュエーター、会話分割戦略については、「エージェントの評価」を参照してください。
前提条件
- Microsoft Foundry プロジェクトとモデルの配置。
- プロジェクトを対象とした Foundry エンドポイント。
- 評価を送信し、レポートを読み取るアクセス許可。
応答の評価またはクエリのテスト
FoundryEvalsを構成し、既に生成された応答を評価するか、クエリごとにエージェントEvaluateAsync実行できるようにします。
string endpoint = Environment.GetEnvironmentVariable("FOUNDRY_PROJECT_ENDPOINT") ?? throw new InvalidOperationException("FOUNDRY_PROJECT_ENDPOINT is not set.");
string deploymentName = Environment.GetEnvironmentVariable("FOUNDRY_MODEL") ?? "gpt-4o-mini";
// WARNING: DefaultAzureCredential is convenient for development but requires careful consideration in production.
// In production, consider using a specific credential (e.g., ManagedIdentityCredential) to avoid
// latency issues, unintended credential probing, and potential security risks from fallback mechanisms.
AIProjectClient projectClient = new(new Uri(endpoint), new DefaultAzureCredential());
AIAgent agent = projectClient.AsAIAgent(
model: deploymentName,
instructions: "You are a helpful assistant that provides clear, accurate answers.",
name: "QualityTestAgent");
// Configure Foundry evaluators.
FoundryEvals foundryEvals = new(projectClient, deploymentName, FoundryEvals.Relevance, FoundryEvals.Coherence);
// --- Pattern 1: Run agent, then evaluate pre-existing responses ---
string[] queries = ["What is photosynthesis?", "Explain gravity in simple terms."];
AgentResponse[] responses = new AgentResponse[queries.Length];
for (int i = 0; i < queries.Length; i++)
{
responses[i] = await agent.RunAsync(queries[i]);
}
AgentEvaluationResults results1 = await agent.EvaluateAsync(responses, queries, foundryEvals);
Console.WriteLine("=== Pattern 1: Evaluate pre-existing responses ===");
PrintResults(results1, queries);
// --- Pattern 2: Run + evaluate in one call ---
string[] queries2 = ["What causes rain?", "Why is the sky blue?"];
AgentEvaluationResults results2 = await agent.EvaluateAsync(queries2, foundryEvals);
Console.WriteLine("=== Pattern 2: Run + evaluate in one call ===");
PrintResults(results2, queries2);
.NETサンプルでは、Foundry ルーブリック エバリュエーターと次元ごとの品質ゲートも示しています。
エージェントを評価する
既存の応答またはテスト クエリを evaluate_agent()に渡します。 結果には、合格/失敗数と Foundry レポート URL が含まれます。
async def main() -> None:
# 1. Set up the FoundryChatClient
chat_client = FoundryChatClient(
project_endpoint=os.environ["FOUNDRY_PROJECT_ENDPOINT"],
model=os.environ.get("FOUNDRY_MODEL", "gpt-4o"),
credential=AzureCliCredential(),
)
# 2. Create an agent with tools
agent = Agent(
client=chat_client,
name="travel-assistant",
instructions=(
"You are a helpful travel assistant. Use your tools to answer questions about weather and flights."
),
tools=[get_weather, get_flight_price],
)
# 3. Create the evaluator — provider config goes here, once
evals = FoundryEvals(client=chat_client)
# =========================================================================
# Pattern 1: evaluate_agent(responses=...) — evaluate a response you already have
# =========================================================================
print("=" * 60)
print("Pattern 1: evaluate_agent(responses=...) — evaluate existing response")
print("=" * 60)
query = "How much does a flight from Seattle to Paris cost?"
response = await agent.run(query)
print(f"Agent said: {response.text[:100]}...")
# Pass agent= so tool definitions are extracted, queries= for the eval item context
results = await evaluate_agent(
agent=agent,
responses=response,
queries=[query],
evaluators=FoundryEvals(
client=chat_client,
evaluators=[FoundryEvals.RELEVANCE, FoundryEvals.TOOL_CALL_ACCURACY],
),
)
for r in results:
print(f"Status: {r.status}")
print(f"Results: {r.passed}/{r.total} passed")
print(f"Portal: {r.report_url}")
if r.all_passed:
print("[PASS] All passed")
else:
print(f"[FAIL] {r.failed} failed")
その他のサンプルは、トレース評価、ツール呼び出し評価、マルチターン評価、ワークフロー評価、混合プロバイダー、カスタム Foundry ルーブリックに対応しています。
Note
Microsoft Foundry 評価統合は、現在、Agent Framework Go では使用できません。 最新の状態については、 Agent Framework Go リポジトリ を参照してください。
品質ゲート
結果が実行全体で比較可能である必要がある場合に、データセット、モデル デプロイ、エバリュエーター バージョン、ルーブリック バージョンをピン留めします。 必要なメトリクスが悪化した場合に CI を失敗させるには、結果アサーションヘルパーを使用します。