快速入門：評估託管代理程式

從你的 azd 專案目錄中，確認代理程式已部署並可調用：

azd ai agent show

發送測試提示：

azd ai agent invoke "Write a haiku about deploying cloud applications."

你應該會在幾秒內看到回覆。

1. 打開 Foundry 入口 ，進入你的專案。
2. 選擇你的代理人，然後選擇 Playground 標籤。
3. 傳送一個測試提示，例如 Write a haiku about deploying cloud applications.

你應該會在幾秒內看到回覆。

安裝 Foundry SDK：

pip install "azure-ai-projects>=2.0.0" azure-identity

設定兩個環境變數，然後建立專案客戶端。 將FOUNDRY_PROJECT_ENDPOINT設為您的專案端點，並將FOUNDRY_MODEL_NAME設為可作為評審模型使用的聊天完成部署。 以下範例假設你在此情境下執行：

import os
from azure.identity import DefaultAzureCredential
from azure.ai.projects import AIProjectClient

endpoint = os.environ["FOUNDRY_PROJECT_ENDPOINT"]
model_deployment = os.environ["FOUNDRY_MODEL_NAME"]

credential = DefaultAzureCredential()
project_client = AIProjectClient(endpoint=endpoint, credential=credential)
client = project_client.get_openai_client()

確認你部署的代理已註冊且可用。 請將 <your-agent-name> 替換為您託管的代理程式名稱：

agent = project_client.agents.get("<your-agent-name>")
print(f"Found agent: {agent.name}")

如果代理存在，呼叫會回傳;若名稱錯誤或代理未部署，則會產生錯誤。

安裝 Foundry SDK 與 OpenAI 評估客戶端：

dotnet add package Azure.AI.Projects --prerelease
dotnet add package OpenAI
dotnet add package Azure.Identity

設定兩個環境變數，然後建立客戶端。 將FOUNDRY_PROJECT_ENDPOINT設為您的專案端點，並將FOUNDRY_MODEL_NAME設為可作為評審模型使用的聊天完成部署。 以下範例假設你在此情境下執行：

using System.ClientModel;
using System.Text.Json;
using Azure.AI.Projects;
using Azure.AI.Projects.Agents;
using Azure.Core;
using Azure.Identity;
using OpenAI;
using OpenAI.Evals;

#pragma warning disable AAIP001, OPENAI001

var endpoint = Environment.GetEnvironmentVariable("FOUNDRY_PROJECT_ENDPOINT")!;
var modelDeployment = Environment.GetEnvironmentVariable("FOUNDRY_MODEL_NAME")!;

var credential = new DefaultAzureCredential();
AIProjectClient projectClient = new(new Uri(endpoint), credential);

// OpenAI-compatible evals client bound to the Foundry project endpoint.
// A Microsoft Entra token works as the credential because both use "Authorization: Bearer".
var token = credential.GetToken(new TokenRequestContext(["https://ai.azure.com/.default"])).Token;
EvaluationClient evalClient = new(
    new ApiKeyCredential(token),
    new OpenAIClientOptions { Endpoint = new Uri($"{endpoint}/openai/v1") });

確認你部署的代理已註冊且可用。 請將 <your-agent-name> 替換為您託管的代理程式名稱：

ProjectsAgentRecord agent = projectClient.AgentAdministrationClient.GetAgent("<your-agent-name>");
Console.WriteLine($"Found agent: {agent.Name}");

如果代理存在，呼叫會回傳;若名稱錯誤或代理未部署，則會產生錯誤。

安裝 Foundry SDK：

npm install @azure/ai-projects @azure/identity dotenv

設定兩個環境變數，然後建立專案客戶端。 將FOUNDRY_PROJECT_ENDPOINT設為您的專案端點，並將FOUNDRY_MODEL_NAME設為可作為評審模型使用的聊天完成部署。 以下範例假設你在此情境下執行：

import { DefaultAzureCredential } from "@azure/identity";
import { AIProjectClient } from "@azure/ai-projects";
import "dotenv/config";

const endpoint = process.env["FOUNDRY_PROJECT_ENDPOINT"] || "";
const modelDeployment = process.env["FOUNDRY_MODEL_NAME"] || "";

const projectClient = new AIProjectClient(
  endpoint,
  new DefaultAzureCredential(),
);
const client = projectClient.getOpenAIClient();

確認你部署的代理已註冊且可用。 請將 <your-agent-name> 替換為您託管的代理程式名稱：

const agent = await projectClient.agents.get("<your-agent-name>");
console.log(`Found agent: ${agent.name}`);

如果代理存在，呼叫會回傳;若名稱錯誤或代理未部署，則會產生錯誤。

參考資料： AIProjectClient 類別

首先，為你的代理建立一個測試查詢的 JSONL 檔案。 每一行都是帶有 query 欄位的 JSON 物件。 將它儲存在你代理人的來源資料夾中，格式為 src/<your-agent-name>/tests/queries.jsonl：

{"query": "Write a haiku about deploying cloud applications."}

接著在同一個代理程式原始碼資料夾中建立一個 eval.yaml 檔案，命名為 src/<your-agent-name>/eval.yaml。 它會指向你的資料集，並列出可套用的內建評估器。 dataset.local_uri路徑是相對於這個資料夾的。 請將<your-agent-name>替換成您託管之 Agent 的名稱，並將<your-chat-completion-deployment>替換成裁判模型部署：

name: agent-eval
agent:
  name: <your-agent-name>
  kind: hosted
dataset:
  local_uri: tests/queries.jsonl
evaluators:
  - builtin.intent_resolution
  - builtin.task_adherence
options:
  eval_model: <your-chat-completion-deployment>
max_samples: 15

eval_model值為用來評分回覆的裁判模型；您可以重新使用您的 Agent 已使用的部署。

1. 在 Foundry 入口網站 中，開啟您的代理程式，然後選取 「評估」 索引標籤，再選取 「建立」。
2. 選擇 評估目標時，請選擇 代理人。
3. 在 選取評估範圍 中，請選取 個別輪次。
4. 選擇 資料來源時，選擇 現有資料集 ，並從專案資料資產中選擇 CSV 或 JSONL 測試查詢檔。
5. 如果出現「配置代理」步驟，請檢視代理並接受預設的使用者提示。 {{item.query}} 僅在您的 Agent 預期不同的輸入格式時，才進行調整。
6. 選擇 測試標準時，選擇一個或多個代理人評估器，如 任務依從 性與 意圖解決。

保持精靈開啟。 你在下一步提交評估。

首先，為你的代理建立一個測試查詢的 JSONL 檔案。 每一行都是帶有 query 欄位的 JSON 物件。 儲存為 queries.jsonl：

{"query": "Write a haiku about deploying cloud applications."}

將檔案上傳為你的專案資料集：

dataset = project_client.datasets.upload_file(
    name="agent-test-queries",
    version="1",
    file_path="./queries.jsonl",
)

接著，選擇內建的評估器並映射其輸入。 參數 data_mapping 告訴每個評估者查詢及代理回應的位置。 AI 輔助的評估者在initialization_parameters中需要一個評審模型；值必須是您專案中的聊天完成部署。

from azure.ai.projects.models import TestingCriterionAzureAIEvaluator

testing_criteria = [
    TestingCriterionAzureAIEvaluator(
        type="azure_ai_evaluator",
        name="Intent Resolution",
        evaluator_name="builtin.intent_resolution",
        initialization_parameters={"model": model_deployment},
        data_mapping={
            "query": "{{item.query}}",
            "response": "{{sample.output_items}}",
        },
    ),
    TestingCriterionAzureAIEvaluator(
        type="azure_ai_evaluator",
        name="Task Adherence",
        evaluator_name="builtin.task_adherence",
        initialization_parameters={"model": model_deployment},
        data_mapping={
            "query": "{{item.query}}",
            "response": "{{sample.output_items}}",
        },
    ),
]

建立評估。 它定義了測試資料結構與測試標準，並作為一個或多個執行的容器：

from openai.types.eval_create_params import DataSourceConfigCustom

data_source_config = DataSourceConfigCustom(
    type="custom",
    item_schema={
        "type": "object",
        "properties": {"query": {"type": "string"}},
        "required": ["query"],
    },
    include_sample_schema=True,
)

evaluation = client.evals.create(
    name="Agent Quality Evaluation",
    data_source_config=data_source_config,
    testing_criteria=testing_criteria,
)
print(f"Evaluation created: {evaluation.id}")

首先，為你的代理建立一個測試查詢的 JSONL 檔案。 每一行都是帶有 query 欄位的 JSON 物件。 儲存為 queries.jsonl：

{"query": "Write a haiku about deploying cloud applications."}

將檔案上傳為你的專案資料集：

AIProjectDataset dataset = projectClient.Datasets.UploadFile(
    name: "agent-test-queries",
    version: "1",
    filePath: "./queries.jsonl");

接著，選擇內建的評估器並映射其輸入。 參數 data_mapping 告訴每個評估者查詢及代理回應的位置。 AI 輔助的評估者在initialization_parameters中需要一個評審模型；值必須是您專案中的聊天完成部署。

var testingCriteria = new object[]
{
    new
    {
        type = "azure_ai_evaluator",
        name = "Intent Resolution",
        evaluator_name = "builtin.intent_resolution",
        initialization_parameters = new { model = modelDeployment },
        data_mapping = new { query = "{{item.query}}", response = "{{sample.output_items}}" },
    },
    new
    {
        type = "azure_ai_evaluator",
        name = "Task Adherence",
        evaluator_name = "builtin.task_adherence",
        initialization_parameters = new { model = modelDeployment },
        data_mapping = new { query = "{{item.query}}", response = "{{sample.output_items}}" },
    },
};

建立評估。 它定義了測試資料結構與測試標準，並作為一個或多個執行的容器：

var createEvaluation = new
{
    name = "Agent Quality Evaluation",
    data_source_config = new
    {
        type = "custom",
        item_schema = new
        {
            type = "object",
            properties = new { query = new { type = "string" } },
            required = new[] { "query" },
        },
        include_sample_schema = true,
    },
    testing_criteria = testingCriteria,
};

ClientResult evaluationResult = evalClient.CreateEvaluation(
    BinaryContent.Create(BinaryData.FromObjectAsJson(createEvaluation)));
string evaluationId = JsonDocument.Parse(evaluationResult.GetRawResponse().Content.ToString())
    .RootElement.GetProperty("id").GetString()!;
Console.WriteLine($"Evaluation created: {evaluationId}");

首先，為你的代理建立一個測試查詢的 JSONL 檔案。 每一行都是帶有 query 欄位的 JSON 物件。 儲存為 queries.jsonl：

{"query": "Write a haiku about deploying cloud applications."}

將檔案上傳為你的專案資料集：

const dataset = await projectClient.datasets.uploadFile(
  "agent-test-queries",
  "1",
  "./queries.jsonl",
);

接著，選擇內建的評估器並映射其輸入。 參數 data_mapping 告訴每個評估者查詢及代理回應的位置。 AI 輔助的評估者在initialization_parameters中需要一個評審模型；值必須是您專案中的聊天完成部署。

const testingCriteria = [
  {
    type: "azure_ai_evaluator",
    name: "Intent Resolution",
    evaluator_name: "builtin.intent_resolution",
    initialization_parameters: { model: modelDeployment },
    data_mapping: {
      query: "{{item.query}}",
      response: "{{sample.output_items}}",
    },
  },
  {
    type: "azure_ai_evaluator",
    name: "Task Adherence",
    evaluator_name: "builtin.task_adherence",
    initialization_parameters: { model: modelDeployment },
    data_mapping: {
      query: "{{item.query}}",
      response: "{{sample.output_items}}",
    },
  },
];

建立評估。 它定義了測試資料結構與測試標準，並作為一個或多個執行的容器：

const dataSourceConfig = {
  type: "custom",
  item_schema: {
    type: "object",
    properties: { query: { type: "string" } },
    required: ["query"],
  },
  include_sample_schema: true,
};

const evaluation = await client.evals.create({
  name: "Agent Quality Evaluation",
  data_source_config: dataSourceConfig,
  testing_criteria: testingCriteria,
});
console.log(`Evaluation created: ${evaluation.id}`);

從 azd 工作區根目錄執行評估：

azd ai agent eval run --config eval.yaml

指令讀 eval.yaml，將每個查詢傳送給你的客服人員，評分回應，完成後會列印摘要：

Eval run started
   Eval: eval_b36748dede424e4ba3f8e6c99ca2cf27
   Run:  evalrun_5f72ef189ad24790a32128e6f230b131
   (✓) Done  Eval run

Results:    1 total, 1 passed, 0 failed, 0 errored

Per-criteria results:
  intent_resolution: 1 passed, 0 failed, 0 errored
  task_adherence: 1 passed, 0 failed, 0 errored

1. 在 檢閱並提交 步驟中，輸入此評估的 名稱。
2. 檢視目標、範圍、資料來源及所選評估者。
3. 選擇 提交 開始跑步。

建立一個執行作業，將每個測試查詢傳送給你的代理程式，並套用評估器。 請將 <your-agent-name> 替換為您託管的代理程式名稱：

eval_run = client.evals.runs.create(
    eval_id=evaluation.id,
    name="Agent Evaluation Run",
    data_source={
        "type": "azure_ai_target_completions",
        "source": {"type": "file_id", "id": dataset.id},
        "input_messages": {
            "type": "template",
            "template": [
                {
                    "type": "message",
                    "role": "user",
                    "content": {"type": "input_text", "text": "{{item.query}}"},
                }
            ],
        },
        "target": {
            "type": "azure_ai_agent",
            "name": "<your-agent-name>",
            # "version": "1",  # Optional; omit to use the latest version
        },
    },
)

print(f"Evaluation run started: {eval_run.id}")

建立一個執行作業，將每個測試查詢傳送給你的代理程式，並套用評估器。 請將 <your-agent-name> 替換為您託管的代理程式名稱：

var createRun = new
{
    name = "Agent Evaluation Run",
    data_source = new
    {
        type = "azure_ai_target_completions",
        source = new { type = "file_id", id = dataset.Id },
        input_messages = new
        {
            type = "template",
            template = new object[]
            {
                new { type = "message", role = "user", content = new { type = "input_text", text = "{{item.query}}" } },
            },
        },
        // Add a "version" property to the target to pin a specific agent version; omit to use the latest.
        target = new { type = "azure_ai_agent", name = "<your-agent-name>" },
    },
};

ClientResult runResult = evalClient.CreateEvaluationRun(
    evaluationId, BinaryContent.Create(BinaryData.FromObjectAsJson(createRun)));
string runId = JsonDocument.Parse(runResult.GetRawResponse().Content.ToString())
    .RootElement.GetProperty("id").GetString()!;
Console.WriteLine($"Evaluation run started: {runId}");

建立一個執行作業，將每個測試查詢傳送給你的代理程式，並套用評估器。 請將 <your-agent-name> 替換為您託管的代理程式名稱：

const evalRun = await client.evals.runs.create(evaluation.id, {
  name: "Agent Evaluation Run",
  data_source: {
    type: "azure_ai_target_completions",
    source: { type: "file_id", id: dataset.id },
    input_messages: {
      type: "template",
      template: [
        {
          type: "message",
          role: "user",
          content: { type: "input_text", text: "{{item.query}}" },
        },
      ],
    },
    target: {
      type: "azure_ai_agent",
      name: "<your-agent-name>",
      // version: "1", // Optional; omit to use the latest version
    },
  },
});

console.log(`Evaluation run started: ${evalRun.id}`);

列出近期評價：

azd ai agent eval list

    Eval ID                                Name        Status of last run  Runs
    -------                                ----        ------------------  ----
*   eval_b36748dede424e4ba3f8e6c99ca2cf27  agent-eval  Completed           1

* = active eval in current environment

顯示最新的評估及其執行結果：

azd ai agent eval show

Eval:   eval_b36748dede424e4ba3f8e6c99ca2cf27
Name:   agent-eval
Agent:  <your-agent-name>
Runs:   1

Recent runs:
  Run ID                                    Status     Passed  Failed  Created
  ------                                    ------     ------  ------  -------
  evalrun_5f72ef189ad24790a32128e6f230b131  Completed  1/1     0       2026-06-17 14:52 UTC

使用這些結果來確認受評估的是哪個代理程式版本，以及產生了哪些評估器分數。 欲查看每位評估者詳細資料及 Foundry 入口網站報告連結，請執行 azd ai agent eval show <eval-id> --eval-run-id <run-id>。

1. 詳情頁面顯示目標、資料集、狀態、代幣使用情況，以及每位評估者的總分。
2. 選擇執行名稱以查看列級結果：每個查詢、代理回應、評估者分數及分數說明。

進行完成投票，然後列印狀態和報告網址，即可在 Foundry 入口開啟結果：

import time

while True:
    run = client.evals.runs.retrieve(run_id=eval_run.id, eval_id=evaluation.id)
    if run.status in ["completed", "failed"]:
        break
    time.sleep(5)

print(f"Status: {run.status}")
print(f"Report URL: {run.report_url}")

在執行層級，你可以看到每個評估器彙總的通過與失敗次數：

print(run.result_counts)
for criteria in run.per_testing_criteria_results:
    print(criteria.testing_criteria, "passed:", criteria.passed, "failed:", criteria.failed)

ResultCounts(errored=0, failed=0, passed=1, total=1, skipped=0)
Intent Resolution passed: 1 failed: 0
Task Adherence passed: 1 failed: 0

對於列級詳細資料，請列出輸出項目。 每個結果都包含評審人員姓名、通過或不通過，以及一個分數：

for item in client.evals.runs.output_items.list(run_id=eval_run.id, eval_id=evaluation.id):
    for result in item.results:
        print(item.id, result.name, "passed:", result.passed, "score:", result.score)

進行完成投票，然後列印狀態和報告網址，這樣就能在 Foundry 入口網站開啟結果：

JsonElement run = default;
while (true)
{
    ClientResult runStatus = evalClient.GetEvaluationRun(evaluationId, runId, options: null);
    run = JsonDocument.Parse(runStatus.GetRawResponse().Content.ToString()).RootElement;
    string status = run.GetProperty("status").GetString()!;
    if (status is "completed" or "failed") break;
    Thread.Sleep(TimeSpan.FromSeconds(5));
}

Console.WriteLine($"Status: {run.GetProperty("status").GetString()}");
Console.WriteLine($"Report URL: {run.GetProperty("report_url").GetString()}");

在執行層級，你可以看到每個評估器彙總的通過與失敗次數：

Console.WriteLine(run.GetProperty("result_counts").GetRawText());
foreach (JsonElement criteria in run.GetProperty("per_testing_criteria_results").EnumerateArray())
{
    Console.WriteLine(
        $"{criteria.GetProperty("testing_criteria").GetString()} " +
        $"passed: {criteria.GetProperty("passed").GetInt32()} " +
        $"failed: {criteria.GetProperty("failed").GetInt32()}");
}

對於列級詳細資料，請列出輸出項目。 每個結果都包含評審人員姓名、通過或不通過，以及一個分數：

ClientResult outputItems = evalClient.GetEvaluationRunOutputItems(
    evaluationId, runId, limit: 100, order: null, after: null, outputItemStatus: null, options: null);
foreach (JsonElement item in JsonDocument.Parse(outputItems.GetRawResponse().Content.ToString())
    .RootElement.GetProperty("data").EnumerateArray())
{
    foreach (JsonElement result in item.GetProperty("results").EnumerateArray())
    {
        Console.WriteLine(
            $"{item.GetProperty("id").GetString()} {result.GetProperty("name").GetString()} " +
            $"passed: {result.GetProperty("passed")} score: {result.GetProperty("score")}");
    }
}

進行完成投票，然後列印狀態和報告網址，這樣就能在 Foundry 入口網站開啟結果：

let run = evalRun;
while (!["completed", "failed"].includes(run.status)) {
  run = await client.evals.runs.retrieve(run.id, {
    eval_id: evaluation.id,
  });
  await new Promise((resolve) => setTimeout(resolve, 5000));
}

console.log(`Status: ${run.status}`);
console.log(`Report URL: ${run.report_url}`);

在執行層級，你可以看到每個評估器彙總的通過與失敗次數：

console.log(JSON.stringify(run.result_counts));
for (const criteria of run.per_testing_criteria_results) {
  console.log(
    criteria.testing_criteria,
    "passed:",
    criteria.passed,
    "failed:",
    criteria.failed,
  );
}

{"errored":0,"failed":0,"passed":1,"total":1,"skipped":0}
Intent Resolution passed: 1 failed: 0
Task Adherence passed: 1 failed: 0

對於列級詳細資料，請列出輸出項目。 每個結果都包含評審人員姓名、通過或不通過，以及一個分數：

for await (const item of client.evals.runs.outputItems.list(run.id, {
  eval_id: evaluation.id,
})) {
  for (const result of item.results) {
    console.log(item.id, result.name, "passed:", result.passed, "score:", result.score);
  }
}