GitHub Copilot Evals: megérkezett az AI-ügynökök ismételhető tesztelése

Nyilvános előzetes verzióban érhető el a GitHub Copilot Evals: a fejlesztők ismételhető feladatokkal mérhetik az AI-ügynökök, skillek és MCP-eszközök teljesítményét.

GitHub Copilot Evals: megérkezett az AI-ügynökök ismételhető tesztelése
A GitHub 2026. november 17-én nyilvános előzetes verzióban tette elérhetővé a Copilot Evals eszközt. A megoldás arra szolgál, hogy a fejlesztők ne egyetlen sikeres válasz alapján ítéljék meg AI-ügynökeik megbízhatóságát, hanem újrafuttatható tesztekkel ellenőrizzék az eredményt és a végrehajtás lépéseit. Az értékelésekhez valósághű feladat és előre meghatározott sikerkritérium adható meg. A rendszer megmutatja a sikeres és sikertelen ellenőrzéseket, a hibák okát, valamint összehasonlíthatóvá teszi a módosítás előtti és utáni futásokat. A teszt indításához felhasználói jóváhagyás szükséges. A háttérben a Vally helyi értékelőmotor működik. A Copilot Evals Visual Studio Code-bővítményként, Copilot CLI-plugin formájában és a GitHub Copilot alkalmazásból telepíthető. A nyilvános előzetes program a Copilot Individual, Business és Enterprise csomagokhoz érhető el. Üzleti jelentősége, hogy az AI-alapú fejlesztési munkafolyamatok minősége dokumentálható és regressziós tesztekkel követhető. A preview státusz miatt a funkciók még változhatnak. Forrás: https://github.blog/changelog/2026-11-17-github-copilot-evals-is-now-in-public-preview/

Eredeti forrás: GitHub Changelog ↗