> ## Documentation Index > Fetch the complete documentation index at: https://docs.befailproof.ai/llms.txt > Use this file to discover all available pages before exploring further. # エージェントを評価する > 完了したすべてのセッションを、自分で定義した評価でスコアリングします。ホスト型Pythonチェック、またはご自身のワーカー上のLLMジャッジを使用できます。 評価は、完了したエージェントセッションをスコアリングします。セッションが終了すると、適用される有効な評価がすべて実行され、その結果がトレースの横に表示される根拠とともに記録されます。 * 0〜1の**スコア**（オプションで合格・不合格を付与可能） * **メトリクス**（カウント、時間、コストなど、単位付き） * **アサーション**（合格または不合格） ## 2種類のエバリュエーター | | ホスト型Python | 自前のワーカー | | ------- | ------------------------------------- | -------------------------------------------------------- | | 記述場所 | ダッシュボードの **Analyze → eval authoring** | Pythonで、[Evaluator SDK](/ja/reference/evaluator-sdk) を使用 | | 実行環境 | Failproof AI のマネージドエバリュエーター（サンドボックス内） | 自分のインフラ上 | | 適している用途 | 決定論的なコードベースのチェック | LLMジャッジ、モデル呼び出し、パッケージ、シークレット、ネットワークアクセス、重い処理 | ホスト型Pythonは意図的にシンプルな設計です。1つの式のみ、インポートなし、ネットワーク接続なし。モデルが必要な処理——たとえば回答が適切だったかをスコアリングするLLMジャッジなど——は、代わりに自前のワーカーで実行します。どちらの種類もインバウンド接続は不要です。ワーカーは完了したセッションを取得し、アウトバウンドHTTPS経由で結果を送信します。 ## 各組織は自分のエージェントを評価する 評価は、それを定義した組織に属します。インスタンス上の各組織は独自の評価——独自のチェック、条件、しきい値、ラベル——を作成し、他の組織に影響を与えることなくバージョン管理・デプロイし、自分の結果のみを参照できます。結果はエージェント、環境、評価、時間でフィルタリングしたり、アシスタントに問い合わせたりすることができます。 ## 最初のドラフトからライブスコアまで 測定対象を説明してアシスタントにドラフトを作成させるか、自分で記述します。[評価を作成する](/ja/evaluations/write) を参照してください。 本番稼働前に実際のセッションに対して実行します。結果は保存されません。[評価をテストする](/ja/evaluations/test) を参照してください。 イミュータブルなバージョンをデプロイし、進化に合わせて新しいバージョンを公開し、以前のバージョンにロールバックします。[デプロイとバージョン管理](/ja/evaluations/deploy) を参照してください。 スコアの推移をグラフ化し、エージェントや環境を比較し、アシスタントに問い合わせます。[評価結果を確認する](/ja/sessions/evaluations) を参照してください。 評価は前方向に実行されます。つまり、現在デプロイされたバージョンは、これ以降に完了するセッションをスコアリングします。すでに存在するセッションをスコアリングするには、[バックフィル](/ja/evaluations/deploy#既存セッションをスコアリングする) を行ってください。