Tool 호출 정확도 채점자

Mastra는 LLM이 사용 가능한 옵션에서 올바른 Tool을 선택하는지 여부를 평가하기 위해 두 가지 Tool 호출 정확도 점수를 제공합니다.

1. 코드 기반 득점자- 정확한 공구 매칭을 이용한 결정론적 평가
2. LLM 기반 채점자- AI를 활용한 의미론적 평가로 적합성 평가

득점자 중에서 선택

다음과 같은 경우에 코드 기반 채점자를 사용하십시오.

• 당신은 필요deterministic, reproducible results
• 테스트하고 싶으신가요?exact tool matching
• 유효성을 검사해야 합니다.specific tool sequences
• 속도와 비용이 우선입니다(LLM 호출 없음)
• 자동화된 테스트를 실행 중입니다.

다음과 같은 경우 LLM 기반 채점자를 사용하세요.

• 적절성에 대한 의미적 이해가 필요한 경우
• Tool 선택이 컨텍스트와 의도에 따라 달라지는 경우
• 명확화 요청과 같은 엣지 케이스를 처리하려는 경우
• 채점 결정에 대한 설명이 필요한 경우
• 프로덕션 Agent 동작을 평가하는 경우

코드 기반 Tool 호출 정확도 채점기

@mastra/evals/scorers/prebuilt의 createToolCallAccuracyScorerCode() 함수는 Tool의 정확한 일치를 기반으로 결정론적 이진 채점을 제공하며, 엄격한 평가 모드와 관대한 평가 모드뿐 아니라 Tool 호출 순서 검증도 지원합니다.

매개변수

expectedTool:

string

주어진 작업에서 호출해야 하는 Tool의 이름입니다. expectedToolOrder가 제공되면 무시됩니다.

strictMode:

boolean

평가의 엄격성을 제어합니다. 단일 Tool 모드에서는 정확히 하나의 Tool을 호출한 경우만 허용합니다. 순서 검사 모드에서는 추가 Tool 없이 Tool이 정확히 일치해야 합니다.

expectedToolOrder:

string[]

예상 호출 순서대로 나열한 Tool 이름의 배열입니다. 이 값이 제공되면 순서 검사 모드를 활성화하고 expectedTool 매개변수를 무시합니다.

이 함수는 MastraScorer 클래스의 인스턴스를 반환합니다. .run() 메서드와 그 입력/출력에 대한 자세한 내용은 MastraScorer 레퍼런스를 참조하세요.

평가 모드

코드 기반 채점기는 두 가지 모드로 작동합니다.

단일 Tool 모드

expectedToolOrder가 제공되지 않으면 채점기는 단일 Tool 선택을 평가합니다.

• 표준 모드(strictMode: false): 다른 Tool의 호출 여부와 관계없이 예상 Tool이 호출되면 1을 반환합니다.
• 엄격 모드(strictMode: true): 정확히 하나의 Tool만 호출되고 예상 Tool과 일치하는 경우에만 1을 반환합니다.

주문 확인 모드

expectedToolOrder가 제공되면 채점기는 Tool 호출 순서를 검증합니다.

• 엄격한 순서(strictMode: true): Tool은 추가 Tool 없이 지정된 순서대로 정확하게 호출되어야 합니다.
• 유연한 주문(strictMode: false): 예상 Tool은 올바른 상대 순서로 나타나야 합니다(추가 Tool 허용).

코드 기반 채점 세부정보

• 바이너리 점수: 항상 0 또는 1을 반환합니다.
• 결정론적: 동일한 입력은 항상 동일한 출력을 생성합니다.
• 빠른: 외부 API 호출 없음

코드 기반 채점자 옵션

// Standard mode - passes if expected tool is called
const lenientScorer = createCodeScorer({
  expectedTool: 'search-tool',
  strictMode: false,
})

// Strict mode - only passes if exactly one tool is called
const strictScorer = createCodeScorer({
  expectedTool: 'search-tool',
  strictMode: true,
})

// Order checking with strict mode
const strictOrderScorer = createCodeScorer({
  expectedTool: 'step1-tool',
  expectedToolOrder: ['step1-tool', 'step2-tool', 'step3-tool'],
  strictMode: true, // no extra tools allowed
})

코드 기반 채점자 결과

{
  runId: string,
  preprocessStepResult: {
    expectedTool: string,
    actualTools: string[],
    strictMode: boolean,
    expectedToolOrder?: string[],
    hasToolCalls: boolean,
    correctToolCalled: boolean,
    correctOrderCalled: boolean | null,
    toolCallInfos: ToolCallInfo[]
  },
  score: number // Always 0 or 1
}

코드 기반 채점기의 예

코드 기반 채점기는 정확한 Tool 일치를 기반으로 결정론적 이진 채점(0 또는 1)을 제공합니다.

올바른 Tool 선택

src/example-correct-tool.ts

const scorer = createToolCallAccuracyScorerCode({
  expectedTool: 'weather-tool',
})

// Simulate LLM input and output with tool call
const inputMessages = [
  createTestMessage({
    content: 'What is the weather like in New York today?',
    role: 'user',
    id: 'input-1',
  }),
]

const output = [
  createTestMessage({
    content: 'Let me check the weather for you.',
    role: 'assistant',
    id: 'output-1',
    toolInvocations: [
      createToolInvocation({
        toolCallId: 'call-123',
        toolName: 'weather-tool',
        args: { location: 'New York' },
        result: { temperature: '72°F', condition: 'sunny' },
        state: 'result',
      }),
    ],
  }),
]

const run = createAgentTestRun({ inputMessages, output })
const result = await scorer.run(run)

console.log(result.score) // 1
console.log(result.preprocessStepResult?.correctToolCalled) // true

엄격 모드 평가

정확히 하나의 Tool이 호출되는 경우에만 통과합니다.

src/example-strict-mode.ts

const strictScorer = createToolCallAccuracyScorerCode({
  expectedTool: 'weather-tool',
  strictMode: true,
})

// Multiple tools called - fails in strict mode
const output = [
  createTestMessage({
    content: 'Let me help you with that.',
    role: 'assistant',
    id: 'output-1',
    toolInvocations: [
      createToolInvocation({
        toolCallId: 'call-1',
        toolName: 'search-tool',
        args: {},
        result: {},
        state: 'result',
      }),
      createToolInvocation({
        toolCallId: 'call-2',
        toolName: 'weather-tool',
        args: { location: 'New York' },
        result: { temperature: '20°C' },
        state: 'result',
      }),
    ],
  }),
]

const result = await strictScorer.run(run)
console.log(result.score) // 0 - fails because multiple tools were called

Tool 주문 확인

Tool이 특정 순서로 호출되는지 확인합니다.

src/example-order-validation.ts

const orderScorer = createToolCallAccuracyScorerCode({
  expectedTool: 'auth-tool', // ignored when order is specified
  expectedToolOrder: ['auth-tool', 'fetch-tool'],
  strictMode: true, // no extra tools allowed
})

const output = [
  createTestMessage({
    content: 'I will authenticate and fetch the data.',
    role: 'assistant',
    id: 'output-1',
    toolInvocations: [
      createToolInvocation({
        toolCallId: 'call-1',
        toolName: 'auth-tool',
        args: { token: 'abc123' },
        result: { authenticated: true },
        state: 'result',
      }),
      createToolInvocation({
        toolCallId: 'call-2',
        toolName: 'fetch-tool',
        args: { endpoint: '/data' },
        result: { data: ['item1'] },
        state: 'result',
      }),
    ],
  }),
]

const result = await orderScorer.run(run)
console.log(result.score) // 1 - correct order

유연한 주문 모드

예상되는 Tool이 상대적 순서를 유지하는 한 추가 Tool을 허용합니다.

src/example-flexible-order.ts

const flexibleOrderScorer = createToolCallAccuracyScorerCode({
  expectedTool: 'auth-tool',
  expectedToolOrder: ['auth-tool', 'fetch-tool'],
  strictMode: false, // allows extra tools
})

const output = [
  createTestMessage({
    content: 'Performing comprehensive operation.',
    role: 'assistant',
    id: 'output-1',
    toolInvocations: [
      createToolInvocation({
        toolCallId: 'call-1',
        toolName: 'auth-tool',
        args: { token: 'abc123' },
        result: { authenticated: true },
        state: 'result',
      }),
      createToolInvocation({
        toolCallId: 'call-2',
        toolName: 'log-tool', // Extra tool - OK in flexible mode
        args: { message: 'Starting fetch' },
        result: { logged: true },
        state: 'result',
      }),
      createToolInvocation({
        toolCallId: 'call-3',
        toolName: 'fetch-tool',
        args: { endpoint: '/data' },
        result: { data: ['item1'] },
        state: 'result',
      }),
    ],
  }),
]

const result = await flexibleOrderScorer.run(run)
console.log(result.score) // 1 - auth-tool comes before fetch-tool

LLM 기반 Tool 호출 정확도 채점기

@mastra/evals/scorers/prebuilt의 createToolCallAccuracyScorerLLM() 함수는 LLM을 사용하여 Agent가 호출한 Tool이 사용자 요청에 적절한지 평가하며, 정확한 일치가 아닌 의미적 평가를 제공합니다.

매개변수

model:

MastraModelConfig

Tool의 적절성을 평가하는 데 사용할 LLM Model

availableTools:

Array<{name: string, description: string}>

컨텍스트를 제공하기 위한 설명이 포함된 사용 가능한 Tool 목록

특징

LLM 기반 채점자는 다음을 제공합니다.

• 의미론적 평가: 상황과 사용자 의도를 이해합니다.
• 적합성 평가: "유용한" Tool와 "적절한" Tool을 구별합니다.
• 설명 처리: Agent가 설명을 적절하게 요청하는 경우를 인식합니다.
• 누락된 Tool 감지: 호출되어야 하는 Tool을 식별합니다.
• 추론 생성: 채점 결정에 대한 설명을 제공합니다.

평가과정

1. Tool 호출 추출: Agent 출력에 언급된 Tool을 식별합니다.
2. 적합성 분석: 사용자 요청에 따라 각 Tool을 평가합니다.
3. 점수 생성: 적절한 Tool 호출과 전체 Tool 호출을 기준으로 점수를 계산합니다.
4. 추론 생성: 사람이 읽을 수 있는 설명을 제공합니다.

LLM 기반 점수 세부 정보

• 분수 점수: 0.0에서 1.0 사이의 값을 반환합니다.
• 상황 인식: 사용자의 의도와 적절성을 고려
• 설명: 점수에 대한 추론 제공

LLM 기반 채점자 옵션

// Basic configuration
const basicLLMScorer = createLLMScorer({
  model: 'openai/gpt-5.6-sol',
  availableTools: [
    { name: 'tool1', description: 'Description 1' },
    { name: 'tool2', description: 'Description 2' }
  ]
});

// With different model
const customModelScorer = createLLMScorer({
  model: 'openai/gpt-5', // More powerful model for complex evaluations
  availableTools: [...]
});

LLM 기반 채점자 결과

{
  runId: string,
  score: number,  // 0.0 to 1.0
  reason: string, // Human-readable explanation
  analyzeStepResult: {
    evaluations: Array<{
      toolCalled: string,
      wasAppropriate: boolean,
      reasoning: string
    }>,
    missingTools?: string[]
  }
}

LLM 기반 득점자 예

LLM 기반 채점자는 AI를 사용하여 Tool 선택이 사용자의 요청에 적합한지 평가합니다.

기본 LLM 평가

src/example-llm-basic.ts

const llmScorer = createToolCallAccuracyScorerLLM({
  model: 'openai/gpt-5.6-sol',
  availableTools: [
    {
      name: 'weather-tool',
      description: 'Get current weather information for any location',
    },
    {
      name: 'calendar-tool',
      description: 'Check calendar events and scheduling',
    },
    {
      name: 'search-tool',
      description: 'Search the web for general information',
    },
  ],
})

const inputMessages = [
  createTestMessage({
    content: 'What is the weather like in San Francisco today?',
    role: 'user',
    id: 'input-1',
  }),
]

const output = [
  createTestMessage({
    content: 'Let me check the current weather for you.',
    role: 'assistant',
    id: 'output-1',
    toolInvocations: [
      createToolInvocation({
        toolCallId: 'call-123',
        toolName: 'weather-tool',
        args: { location: 'San Francisco', date: 'today' },
        result: { temperature: '68°F', condition: 'foggy' },
        state: 'result',
      }),
    ],
  }),
]

const run = createAgentTestRun({ inputMessages, output })
const result = await llmScorer.run(run)

console.log(result.score) // 1.0 - appropriate tool usage
console.log(result.reason) // "The agent correctly used the weather-tool to address the user's request for weather information."

부적절한 Tool 사용 처리

src/example-llm-inappropriate.ts

const inputMessages = [
  createTestMessage({
    content: 'What is the weather in Tokyo?',
    role: 'user',
    id: 'input-1',
  }),
]

const inappropriateOutput = [
  createTestMessage({
    content: 'Let me search for that information.',
    role: 'assistant',
    id: 'output-1',
    toolInvocations: [
      createToolInvocation({
        toolCallId: 'call-456',
        toolName: 'search-tool', // Less appropriate than weather-tool
        args: { query: 'Tokyo weather' },
        result: { results: ['Tokyo weather data...'] },
        state: 'result',
      }),
    ],
  }),
]

const run = createAgentTestRun({ inputMessages, output: inappropriateOutput })
const result = await llmScorer.run(run)

console.log(result.score) // 0.5 - partially appropriate
console.log(result.reason) // "The agent used search-tool when weather-tool would have been more appropriate for a direct weather query."

설명 요청 평가

LLM 채점자는 Agent가 설명을 적절하게 요청하는 경우를 인식합니다.

src/example-llm-clarification.ts

const vagueInput = [
  createTestMessage({
    content: 'I need help with something',
    role: 'user',
    id: 'input-1'
  })
];

const clarificationOutput = [
  createTestMessage({
    content: 'I'd be happy to help! Could you please provide more details about what you need assistance with?',
    role: 'assistant',
    id: 'output-1',
    // No tools called - asking for clarification instead
  })
];

const run = createAgentTestRun({
  inputMessages: vagueInput,
  output: clarificationOutput
});
const result = await llmScorer.run(run);

console.log(result.score); // 1.0 - appropriate to ask for clarification
console.log(result.reason); // "The agent appropriately asked for clarification rather than calling tools with insufficient information."

두 득점자 비교

다음은 동일한 데이터에 대해 두 채점자를 모두 사용하는 예입니다.

src/example-comparison.ts

import {
  createToolCallAccuracyScorerCode as createCodeScorer,
  createToolCallAccuracyScorerLLM as createLLMScorer,
} from '@mastra/evals/scorers/prebuilt'

// Setup both scorers
const codeScorer = createCodeScorer({
  expectedTool: 'weather-tool',
  strictMode: false,
})

const llmScorer = createLLMScorer({
  model: 'openai/gpt-5.6-sol',
  availableTools: [
    { name: 'weather-tool', description: 'Get weather information' },
    { name: 'search-tool', description: 'Search the web' },
  ],
})

// Test data
const run = createAgentTestRun({
  inputMessages: [
    createTestMessage({
      content: 'What is the weather?',
      role: 'user',
      id: 'input-1',
    }),
  ],
  output: [
    createTestMessage({
      content: 'Let me find that information.',
      role: 'assistant',
      id: 'output-1',
      toolInvocations: [
        createToolInvocation({
          toolCallId: 'call-1',
          toolName: 'search-tool',
          args: { query: 'weather' },
          result: { results: ['weather data'] },
          state: 'result',
        }),
      ],
    }),
  ],
})

// Run both scorers
const codeResult = await codeScorer.run(run)
const llmResult = await llmScorer.run(run)

console.log('Code Scorer:', codeResult.score) // 0 - wrong tool
console.log('LLM Scorer:', llmResult.score) // 0.3 - partially appropriate
console.log('LLM Reason:', llmResult.reason) // Explains why search-tool is less appropriate

관련된

• 답변 관련성 득점자
• 완전성 득점자
• 성실성 득점자
• 맞춤 채점자