> Discover all available pages from the documentation index: https://mastra.zisheng.pro/ja/llms.txt

# スコアラーユーティリティ

Mastra は、スコアラーの実行入出力からデータを抽出して処理するためのユーティリティ関数を提供します。これらは、カスタムスコアラーの `preprocess` ステップで特に役立ちます。

## インポート

```typescript
import {
  getAssistantMessageFromRunOutput,
  getReasoningFromRunOutput,
  getUserMessageFromRunInput,
  getSystemMessagesFromRunInput,
  getCombinedSystemPrompt,
  extractToolCalls,
  extractInputMessages,
  extractAgentResponseMessages,
  compareTrajectories,
  createTrajectoryTestRun,
} from '@mastra/evals/scorers/utils'
```

Trajectory 抽出関数は `@mastra/core/evals` から利用できます。

```typescript
import {
  extractTrajectory,
  extractWorkflowTrajectory,
  extractTrajectoryFromTrace,
} from '@mastra/core/evals'
```

## メッセージの抽出

### `getAssistantMessageFromRunOutput`

実行出力の最初の assistant メッセージからテキスト内容を抽出します。

```typescript
const scorer = createScorer({
  id: 'my-scorer',
  description: 'My scorer',
  type: 'agent',
})
  .preprocess(({ run }) => {
    const response = getAssistantMessageFromRunOutput(run.output)
    return { response }
  })
  .generateScore(({ results }) => {
    return results.preprocessStepResult?.response ? 1 : 0
  })
```

**output** (`ScorerRunOutputForAgent`): スコアラーの実行出力（MastraDBMessage の配列）

**戻り値：** `string | undefined` - assistant メッセージのテキスト。assistant メッセージが見つからない場合は undefined。

### `getUserMessageFromRunInput`

実行入力の最初の user メッセージからテキスト内容を抽出します。

```typescript
.preprocess(({ run }) => {
  const userMessage = getUserMessageFromRunInput(run.input);
  return { userMessage };
})
```

**input** (`ScorerRunInputForAgent`): 入力メッセージを含むスコアラーの実行入力

**戻り値：** `string | undefined` - user メッセージのテキスト。user メッセージが見つからない場合は undefined。

### `extractInputMessages`

すべての入力メッセージからテキスト内容を配列として抽出します。

```typescript
.preprocess(({ run }) => {
  const allUserMessages = extractInputMessages(run.input);
  return { conversationHistory: allUserMessages.join("\n") };
})
```

**戻り値：** `string[]` - 各入力メッセージのテキスト文字列の配列。

### `extractAgentResponseMessages`

すべての assistant 応答メッセージからテキスト内容を配列として抽出します。

```typescript
.preprocess(({ run }) => {
  const allResponses = extractAgentResponseMessages(run.output);
  return { allResponses };
})
```

**戻り値：** `string[]` - 各 assistant メッセージのテキスト文字列の配列。

## 推論の抽出

### `getReasoningFromRunOutput`

実行出力から推論テキストを抽出します。思考過程の推論を生成する `deepseek-reasoner` などの推論モデルの応答を評価するときに特に役立ちます。

推論は次の2か所に保存できます。

1. `content.reasoning` - メッセージ内容の文字列フィールド
2. `content.parts` - `type: 'reasoning'` で、`details` を含むパーツ

```typescript
import {
  getReasoningFromRunOutput,
  getAssistantMessageFromRunOutput,
} from '@mastra/evals/scorers/utils'

const reasoningQualityScorer = createScorer({
  id: 'reasoning-quality',
  name: 'Reasoning Quality',
  description: 'Evaluates the quality of model reasoning',
  type: 'agent',
})
  .preprocess(({ run }) => {
    const reasoning = getReasoningFromRunOutput(run.output)
    const response = getAssistantMessageFromRunOutput(run.output)
    return { reasoning, response }
  })
  .analyze(({ results }) => {
    const { reasoning } = results.preprocessStepResult || {}
    return {
      hasReasoning: !!reasoning,
      reasoningLength: reasoning?.length || 0,
      hasStepByStep: reasoning?.includes('step') || false,
    }
  })
  .generateScore(({ results }) => {
    const { hasReasoning, reasoningLength } = results.analyzeStepResult || {}
    if (!hasReasoning) return 0
    // Score based on reasoning length (normalized to 0-1)
    return Math.min(reasoningLength / 500, 1)
  })
  .generateReason(({ results, score }) => {
    const { hasReasoning, reasoningLength } = results.analyzeStepResult || {}
    if (!hasReasoning) {
      return 'No reasoning was provided by the model.'
    }
    return `Model provided ${reasoningLength} characters of reasoning. Score: ${score}`
  })
```

**output** (`ScorerRunOutputForAgent`): スコアラーの実行出力（MastraDBMessage の配列）

**戻り値：** `string | undefined` - 推論テキスト。推論がない場合は undefined。

## システムメッセージの抽出

### `getSystemMessagesFromRunInput`

標準のシステムメッセージとタグ付きシステムメッセージ（メモリ指示などの特別なプロンプト）の両方を含む、実行入力のすべてのシステムメッセージを抽出します。

```typescript
.preprocess(({ run }) => {
  const systemMessages = getSystemMessagesFromRunInput(run.input);
  return {
    systemPromptCount: systemMessages.length,
    systemPrompts: systemMessages
  };
})
```

**戻り値：** `string[]` - システムメッセージ文字列の配列。

### `getCombinedSystemPrompt`

すべてのシステムメッセージを、2つの改行で連結した単一のプロンプト文字列にまとめます。

```typescript
.preprocess(({ run }) => {
  const fullSystemPrompt = getCombinedSystemPrompt(run.input);
  return { fullSystemPrompt };
})
```

**戻り値：** `string` - 結合されたシステムプロンプト文字列。

## Tool 呼び出しの抽出

### `extractToolCalls`

Tool 名、呼び出し ID、メッセージ配列内の位置など、実行出力に含まれるすべての Tool 呼び出しの情報を抽出します。

```typescript
const toolUsageScorer = createScorer({
  id: 'tool-usage',
  description: 'Evaluates tool usage patterns',
  type: 'agent',
})
  .preprocess(({ run }) => {
    const { tools, toolCallInfos } = extractToolCalls(run.output)
    return {
      toolsUsed: tools,
      toolCount: tools.length,
      toolDetails: toolCallInfos,
    }
  })
  .generateScore(({ results }) => {
    const { toolCount } = results.preprocessStepResult || {}
    // Score based on appropriate tool usage
    return toolCount > 0 ? 1 : 0
  })
```

**戻り値：**

```typescript
{
  tools: string[];           // Array of tool names
  toolCallInfos: ToolCallInfo[];  // Detailed tool call information
}
```

`ToolCallInfo` は次のとおりです。

```typescript
type ToolCallInfo = {
  toolName: string // Name of the tool
  toolCallId: string // Unique call identifier
  messageIndex: number // Index in the output array
  invocationIndex: number // Index within message's tool invocations
}
```

## テストユーティリティ

これらのユーティリティは、スコアラー開発用のテストデータ作成を支援します。

### `createTestMessage`

テスト用の `MastraDBMessage` オブジェクトを作成します。

```typescript
import { createTestMessage } from '@mastra/evals/scorers/utils'

const userMessage = createTestMessage({
  content: 'What is the weather?',
  role: 'user',
})

const assistantMessage = createTestMessage({
  content: 'The weather is sunny.',
  role: 'assistant',
  toolInvocations: [
    {
      toolCallId: 'call-1',
      toolName: 'weatherTool',
      args: { location: 'London' },
      result: { temp: 20 },
      state: 'result',
    },
  ],
})
```

### `createAgentTestRun`

スコアラーのテストに使用する完全なテスト実行オブジェクトを作成します。

```typescript
import { createAgentTestRun, createTestMessage } from '@mastra/evals/scorers/utils'

const testRun = createAgentTestRun({
  inputMessages: [createTestMessage({ content: 'Hello', role: 'user' })],
  output: [createTestMessage({ content: 'Hi there!', role: 'assistant' })],
})

// Run your scorer with the test data
const result = await myScorer.run({
  input: testRun.input,
  output: testRun.output,
})
```

## Trajectory ユーティリティ

### `extractTrajectory`

`Trajectory` を Agent の出力メッセージ（`MastraDBMessage[]`）から抽出します。Tool 呼び出しを `ToolCallStep` オブジェクトに変換します。`runEvals` パイプラインは Trajectory スコアラーに対してこれを自動的に呼び出すため、直接テストする場合にのみ必要です。

`@mastra/core/evals` から利用できます。

```typescript
import { extractTrajectory } from '@mastra/core/evals'

const trajectory = extractTrajectory(agentOutputMessages)
// trajectory.steps — ToolCallStep[] extracted from toolInvocations
// trajectory.rawOutput — the original MastraDBMessage[] array
```

**戻り値：** `Trajectory`：`steps: TrajectoryStep[]`、`totalDurationMs`、`rawOutput` を含みます。

### `extractWorkflowTrajectory`

Workflow のステップ結果から `Trajectory` を抽出します。実行パスの順序を維持しながら、`StepResult` レコードを `WorkflowStepStep` オブジェクトに変換します。

`@mastra/core/evals` から利用できます。

```typescript
import { extractWorkflowTrajectory } from '@mastra/core/evals'

const trajectory = extractWorkflowTrajectory(
  workflowResult.steps, // Record<string, StepResult>
  workflowResult.stepExecutionPath, // string[] (optional)
)
// trajectory.steps — WorkflowStepStep[] in execution order
```

**戻り値：** `Trajectory`：`steps: TrajectoryStep[]`、`totalDurationMs`、`rawWorkflowResult` を含みます。

### `extractTrajectoryFromTrace`

階層的な `Trajectory` を可観測性 Trace の span（`SpanRecord[]`）から構築します。親子関係の span ツリーを再構築し、各 span を適切な `TrajectoryStep` 判別共用体型にマッピングして、ネストされた `children` を持たせます。

ストレージを利用できる場合は、この抽出方法を推奨します。`runEvals` パイプラインは、ターゲットの `Mastra` インスタンスにストレージバックエンドが設定されていると、これを自動的に呼び出します。ネストされた Agent の実行、Tool 呼び出し、モデル生成など、実行ツリー全体を取得するため、`extractTrajectory` や `extractWorkflowTrajectory` よりも詳細な Trajectory を生成します。

`@mastra/core/evals` から利用できます。

```typescript
import { extractTrajectoryFromTrace } from '@mastra/core/evals'

// After fetching a trace from the observability store
const traceData = await observabilityStore.getTrace({ traceId })
const trajectory = extractTrajectoryFromTrace(traceData.spans, rootSpanId)
// trajectory.steps — hierarchical TrajectoryStep[] with children
```

**パラメーター：**

- `spans`（`SpanRecord[]`）：Trace クエリから取得した span レコードの配列。
- `rootSpanId`（`string`、任意）：開始点として使用する span ID。省略した場合は、親を持たない span を使用します。

**戻り値：** `Trajectory`：`steps: TrajectoryStep[]` は再帰的な `children` を持ち、`totalDurationMs` も含みます。

#### span 型のマッピング

| span 型                 | Trajectory ステップ型       | 抽出される主要フィールド                                               |
| ---------------------- | ---------------------- | ---------------------------------------------------------- |
| `TOOL_CALL`            | `tool_call`            | `toolArgs`、`toolResult`、`success`                          |
| `MCP_TOOL_CALL`        | `mcp_tool_call`        | `toolArgs`、`toolResult`、`mcpServer`、`success`              |
| `MODEL_GENERATION`     | `model_generation`     | `modelId`、`promptTokens`、`completionTokens`、`finishReason` |
| `AGENT_RUN`            | `agent_run`            | `agentId`（エンティティ ID から取得）                                  |
| `WORKFLOW_RUN`         | `workflow_run`         | `workflowId`（エンティティ ID から取得）                               |
| `WORKFLOW_STEP`        | `workflow_step`        | `output`                                                   |
| `WORKFLOW_CONDITIONAL` | `workflow_conditional` | `conditionCount`、`selectedSteps`                           |
| `WORKFLOW_PARALLEL`    | `workflow_parallel`    | `branchCount`、`parallelSteps`                              |
| `WORKFLOW_LOOP`        | `workflow_loop`        | `loopType`、`totalIterations`                               |
| `WORKFLOW_SLEEP`       | `workflow_sleep`       | `sleepDurationMs`、`sleepType`                              |
| `WORKFLOW_WAIT_EVENT`  | `workflow_wait_event`  | `eventName`、`eventReceived`                                |
| `PROCESSOR_RUN`        | `processor_run`        | `processorId`                                              |

`GENERIC`、`MODEL_STEP`、`MODEL_CHUNK`、`WORKFLOW_CONDITIONAL_EVAL` 型の span はノイズとしてスキップされます。

### `compareTrajectories`

実際の Trajectory と期待する Trajectory を比較し、詳細な比較結果を返します。`createTrajectoryAccuracyScorerCode` が内部で使用します。

`expected` パラメーターは、`Trajectory`（実際の Trajectory）または `{ steps: ExpectedStep[] }` を受け取ります。`ExpectedStep[]` を使用する場合は、名前だけ、または名前と stepType で照合できます。比較対象のデータも含められます。詳細は[期待するステップ](https://mastra.zisheng.pro/ja/reference/evals/trajectory-accuracy)を参照してください。

```typescript
import { compareTrajectories } from '@mastra/evals/scorers/utils'

// Using ExpectedStep[] (recommended for expectations)
// Data fields (e.g. toolArgs) are auto-compared when present on expected steps
const result = compareTrajectories(
  actualTrajectory,
  { steps: [{ name: 'search' }, { name: 'summarize', stepType: 'tool_call' }] },
  { allowRepeatedSteps: true },
)
// result.score — 0.0 to 1.0
// result.missingSteps — step names not found
// result.extraSteps — unexpected step names
// result.outOfOrderSteps — steps found but in wrong order
```

**戻り値：** `TrajectoryComparisonResult`

### `createTrajectoryTestRun`

Trajectory スコアラー用のテスト実行オブジェクトを作成します。`Trajectory` を想定される `ScorerRun` 形式でラップします。

```typescript
import { createTrajectoryTestRun } from '@mastra/evals/scorers/utils'

const run = createTrajectoryTestRun({
  steps: [
    { stepType: 'tool_call', name: 'search', toolArgs: { q: 'test' } },
    { stepType: 'tool_call', name: 'summarize' },
  ],
})

const result = await trajectoryScorer.run(run)
```

### `checkTrajectoryEfficiency`

ステップ、トークン、所要時間の上限に照らして Trajectory の効率を評価します。冗長な呼び出し（同じ引数による同一 Tool の呼び出し）も検出します。

```typescript
import { checkTrajectoryEfficiency } from '@mastra/evals/scorers/utils'

const result = checkTrajectoryEfficiency(trajectory, {
  maxSteps: 5,
  maxTotalTokens: 2000,
  maxTotalDurationMs: 5000,
  noRedundantCalls: true,
})
// result.score — 1.0 if within all budgets, lower with penalties
// result.redundantCalls — duplicate tool+args combos
// result.overStepBudget — true if maxSteps exceeded
// result.overTokenBudget — true if maxTotalTokens exceeded
// result.overDurationBudget — true if maxTotalDurationMs exceeded
```

**戻り値：** `TrajectoryEfficiencyResult`

### `checkTrajectoryBlacklist`

Trajectory に禁止された Tool や Tool 呼び出しシーケンスが含まれているかを確認します。

```typescript
import { checkTrajectoryBlacklist } from '@mastra/evals/scorers/utils'

const result = checkTrajectoryBlacklist(trajectory, {
  blacklistedTools: ['deleteAll', 'admin-override'],
  blacklistedSequences: [['escalate', 'admin-override']],
})
// result.score — 1.0 if no violations, 0.0 if any found
// result.violatedTools — blacklisted tools that were called
// result.violatedSequences — blacklisted sequences that were detected
```

**戻り値：** `TrajectoryBlacklistResult`

### `analyzeToolFailures`

再試行、フォールバック、引数の修正など、Tool の失敗パターンを検出します。

```typescript
import { analyzeToolFailures } from '@mastra/evals/scorers/utils'

const result = analyzeToolFailures(trajectory, {
  maxRetriesPerTool: 2,
})
// result.score — 1.0 if no failure patterns, lower if patterns detected
// result.patterns — detected patterns (retry, fallback, arg_correction)
```

**戻り値：** `ToolFailureAnalysisResult`

## 完全な例

複数のユーティリティを組み合わせて使用する完全な例を次に示します。

```typescript
import { createScorer } from '@mastra/core/evals'
import {
  getAssistantMessageFromRunOutput,
  getReasoningFromRunOutput,
  getUserMessageFromRunInput,
  getCombinedSystemPrompt,
  extractToolCalls,
} from '@mastra/evals/scorers/utils'

const comprehensiveScorer = createScorer({
  id: 'comprehensive-analysis',
  name: 'Comprehensive Analysis',
  description: 'Analyzes all aspects of an agent response',
  type: 'agent',
})
  .preprocess(({ run }) => {
    // Extract all relevant data
    const userMessage = getUserMessageFromRunInput(run.input)
    const response = getAssistantMessageFromRunOutput(run.output)
    const reasoning = getReasoningFromRunOutput(run.output)
    const systemPrompt = getCombinedSystemPrompt(run.input)
    const { tools, toolCallInfos } = extractToolCalls(run.output)

    return {
      userMessage,
      response,
      reasoning,
      systemPrompt,
      toolsUsed: tools,
      toolCount: tools.length,
    }
  })
  .generateScore(({ results }) => {
    const { response, reasoning, toolCount } = results.preprocessStepResult || {}

    let score = 0
    if (response && response.length > 0) score += 0.4
    if (reasoning) score += 0.3
    if (toolCount > 0) score += 0.3

    return score
  })
  .generateReason(({ results, score }) => {
    const { response, reasoning, toolCount } = results.preprocessStepResult || {}

    const parts = []
    if (response) parts.push('provided a response')
    if (reasoning) parts.push('included reasoning')
    if (toolCount > 0) parts.push(`used ${toolCount} tool(s)`)

    return `Score: ${score}. The agent ${parts.join(', ')}.`
  })
```