Eval Runner
Scaffolding, running, documenting, and publishing AI evaluations. Ships skills and commands for setting up eval workspaces, creating custom evals (or adapting existing…
Plugin-Paket · von danielrosehill
Überblick
Eval Runner ist ein Plugin-Paket für KI-Coding-Tools von danielrosehill. Marktplätze, die wir lesen und die es listen: 1 (Community GitHub marketplaces). Wir haben es erstmals am 2026-10-15 gesehen und seither keine Änderung erfasst. Stand unseres Marktplatz-Durchlaufs vom 2026-10-17.
Scaffolding, running, documenting, and publishing AI evaluations. Ships skills and commands for setting up eval workspaces, creating custom evals (or adapting existing frameworks/benchmarks), running them, and publishing evals or datasets. Bundles a curated ground-truth list of open-source eval tools and benchmarks as a reference data source.
Was es abfragt
- Wird als Plugin-Paket installiert
Keiner der Marktplätze, die wir lesen, veröffentlicht seine Tools oder die abgefragten Einstellungen.
Was es deklariert, abfragt und ausführt, vollständig
Installieren Sie nur Plugins von Entwicklern, denen Sie vertrauen. Wir zeigen, was die Marktplätze veröffentlichen, und testen keine Plugins.
Funktioniert mit
- Claude Code
Nach den Marktplätzen, die ihn listen, und dem angegebenen MCP-Transport, wie jeder Client sie dokumentiert. Wir testen keine Plugins.
Verbinden
Befehle und Konfigurationen nur aus den Angaben der Marktplätze. Wir führen sie nicht für Sie aus und testen keine Plugins.
Als Claude-Code-Plugin
Erstellt aus den Angaben von Community GitHub marketplaces.
/plugin marketplace add danielrosehill/claude-code-plugins
/plugin install eval-runner@danielrosehillWo es veröffentlicht ist
| Marktplatz | Status | Version | Zahlen | Verifiziert | Erstmals gesehen |
|---|---|---|---|---|---|
| Community-Marktplatz danielrosehill/claude-code-plugins (Quelle auf GitHub öffnen) | Gelistet | 0.1.0 | Forks (GitHub): 0 Sterne (GitHub): 4 |
Nicht markiert |
Jede Zahl stammt vom jeweiligen Marktplatz und wird nie über Marktplätze hinweg addiert. Ein Marktplatz ohne veröffentlichte Zahl zeigt keine: keine Zahl ist nicht null.
In einem Community-Marktplatz gelistet
| Marktplatz | Repository | Sterne (GitHub) |
|---|---|---|
| danielrosehill | danielrosehill/claude-code-plugins | 31 |
Was das Paket enthält
So veröffentlicht auf Community GitHub marketplaces.
Skills: 6
create-evalnew-workspacepublish-datasetpublish-evalrun-evalsetup-eval
Befehle: 7
create-evaldocument-evalnew-workspacepublish-datasetpublish-evalrun-evalsetup-eval
Agenten: 1
eval-engineer
Was sich geändert hat
- Wird seitdem als Produkt geführt
- Community GitHub marketplaces: erschienen
Ähnliche Plugins
Produkte, deren eigene Namen, Beschreibungen, Werkzeuge und Skills diesem der Bedeutung nach am nächsten sind, auf allen Marktplätzen, die wir lesen. Die Nähe ist nur innerhalb dieser Liste geordnet.
-
Skills for adding DeepEval evaluations, tracing, datasets, Confident AI reports, and iterative improvement loops to AI applications.
-
Decide, design, gate, judge, and defend evaluations for LLM, agent, and retrieval systems. Not ordinary unit tests.
-
Skills that take a coding agent from your first trace to evals you can trust: error analysis, datasets, validated graders, eval runs, and production monitoring.
-
AI agent evaluation sandbox for Claude Code. Holdout scenario testing with Doer/Judge/Adversary/Observer roles, probabilistic satisfaction scoring, and append-only JSONL audit…
-
Configures and runs LLM evaluation using Promptfoo framework. Use when setting up prompt testing, creating evaluation configs (promptfooconfig.yaml), writing Python custom…
-
Pay-per-call AI evaluation MCP server. Score LLM outputs against benchmark rubrics via Workers AI.
-
Generate LLM evaluation and benchmarking
-
evalview-mcp io.github.hidai25/evalview-mcp
Regression testing for AI agents. Golden baselines, CI/CD, LangGraph, CrewAI, OpenAI, Claude.
-
Read and score Opik traces, experiments, datasets and prompts from your AI assistant.
-
IA-QA — 130+ QA & Dev Tools for AI Agents
130+ QA & dev tools for AI agents: prompt injection, RAG testing, VLM eval, guardrails. Free.
Ähnliche Plugins nach Marktplatz
Dieselbe Frage an jeden Marktplatz einzeln: Gibt es dort ein Gegenstück zu diesem Plugin?
Gelistet auf Claude Code: claude-plugins-community (5)
-
AI agent evaluation sandbox for Claude Code. Holdout scenario testing with Doer/Judge/Adversary/Observer roles, probabilistic satisfaction scoring, and append-only JSONL audit…
-
evalview-mcp io.github.hidai25/evalview-mcp
Regression testing for AI agents. Golden baselines, CI/CD, LangGraph, CrewAI, OpenAI, Claude.
-
Skills for working with Langfuse, the open-source LLM engineering platform for tracing, prompt management, and evaluation.
-
Skills to streamline adoption and usage of Giskard products (OSS, Hub, Guards) for testing, evaluating, and red-teaming AI agents.
-
Teaches AI coding agents to create and maintain promptfoo eval suites. Encodes best practices like deterministic assertions first, file-based test organization, correct…
Gelistet auf Claude Code: claude-plugins-official (5)
-
Skills for adding DeepEval evaluations, tracing, datasets, Confident AI reports, and iterative improvement loops to AI applications.
-
Skills for working with Langfuse, the open-source LLM engineering platform for tracing, prompt management, and evaluation.
-
Skills for tracing, evaluating, and improving AI agents with MLflow. Supports the full agent improvement loop: instrument → trace → evaluate → iterate → validate.
-
DataRobot skills for AI/ML workflows — model training, deployment, predictions, feature engineering, monitoring, explainability, data preparation, App Framework CI/CD, and…
-
Output.ai workflow development toolkit for Claude Code. Adds 5 specialist agents (planner, builder, debugger, prompt writer, quality reviewer), 40+ slash-command skills covering…
Gelistet auf Claude: knowledge-work-plugins (5)
-
Skills for working with Langfuse, the open-source LLM engineering platform for tracing, prompt management, and evaluation.
-
DataRobot skills for AI/ML workflows — model training, deployment, predictions, feature engineering, monitoring, explainability, data preparation, App Framework CI/CD, and…
-
AI-first project auditor and re-engineer based on the 9 design principles and 7 design patterns from the TechWolf AI-First Bootcamp
-
Build multimodal AI applications with Pixeltable -- tables, computed columns, embedding search, UDFs, tool-calling agents, and 25+ AI provider integrations.
-
A suite of agent skills for the full GrowthBook feature flag and experimentation lifecycle.
Gelistet auf Codex: openai-curated (openai/plugins) (5)
-
Evaluate Codex skills and plugins from chat with a beginner-friendly start command, local-first reports, token budget explanations, and guided benchmarking.
-
Build with OpenAI APIs, Agents SDK, and ChatGPT Apps, and create and save OpenAI API keys from Codex.
-
Skills for NVIDIAs ecosystem spans GPU acceleration, CUDA, AI agents, inference, robotics, Physical AI, Omniverse, and simulation. This plugin helps you understand the pieces…
-
Answer product and business questions with data
-
CrowdStrike Falcon Foundry development skills for building cybersecurity applications on the Falcon platform. Includes UI development, collections, functions, workflows, API…
Gelistet auf Community GitHub marketplaces (5)
-
Skills for adding DeepEval evaluations, tracing, datasets, Confident AI reports, and iterative improvement loops to AI applications.
-
Decide, design, gate, judge, and defend evaluations for LLM, agent, and retrieval systems. Not ordinary unit tests.
-
Skills that take a coding agent from your first trace to evals you can trust: error analysis, datasets, validated graders, eval runs, and production monitoring.
-
Configures and runs LLM evaluation using Promptfoo framework. Use when setting up prompt testing, creating evaluation configs (promptfooconfig.yaml), writing Python custom…
-
Generate LLM evaluation and benchmarking
Gelistet auf Copilot CLI: github/awesome-copilot (5)
-
Run a lightweight, role-separated AI development team with flexible tools, developer-selected models, proportionate planning, and optional QA.
-
Microsoft Copilot Studio plugins for AI coding agents
-
Task Researcher and Task Planner for intermediate to expert users and large codebases - Brought to you by microsoft/edge-ai
-
Goal-driven task orchestration with independent verification. Interviews the user to define a clear goal, then loops between a Builder subagent (does the work) and an Inspector…
-
Three-layer verification pipeline for AI output. Extracts claims, finds sources, and flags hallucination risks so humans can verify before acting.
Gelistet auf Copilot CLI: github/copilot-plugins (5)
-
Toolkit for building Microsoft 365 Copilot declarative agents — scaffolding, JSON manifest development, and capability configuration.
-
Build and manage Microsoft Dataverse solutions using natural language. Includes table/column creation, solution lifecycle, data operations, and MCP server configuration.
-
model-apps
Build and deploy Power Apps generative pages for model-driven apps with specialist agents for planning, entity creation, and parallel code generation. Requires PAC CLI >= 2.7.0…
-
workiq
Query Microsoft 365 data with natural language — emails, meetings, documents, Teams messages, and more.
-
workiq-productivity
WorkIQ productivity skills powered by the local WorkIQ CLI — read-only insights across email, meetings, calendar, Teams, SharePoint, projects, and people.
Gelistet auf Cursor: cursor/plugins (5)
-
Fan large tasks out across parallel cloud agents with planners, workers, verifiers, and structured handoffs.
-
Iterative self-referential AI loops using the Ralph Wiggum technique.
-
Build apps, scripts, and automations with the TypeScript SDK.
-
CLI-backed repo compatibility scans plus agents that audit startup, validation, and docs against reality.
-
Consult a stronger model before major decisions, when stuck, and before declaring done.
Gelistet auf Docker MCP Catalog (5)
-
Read and score Opik traces, experiments, datasets and prompts from your AI assistant.
-
Wayfound’s MCP server allows business users to govern, supervise, and improve AI Agents.
-
Bridges multiple AI models and CLIs, enabling orchestrated workflows across Claude Code, Gemini CLI, Codex CLI, and other AI development tools.
-
Analyze documents, images, videos, and audio.
-
testkube-mcp io.github.kubeshop/testkube-mcp
MCP server for Testkube - Manage test workflows, executions, and artifacts via AI assistants
Gelistet auf Official MCP Registry (5)
-
Pay-per-call AI evaluation MCP server. Score LLM outputs against benchmark rubrics via Workers AI.
-
evalview-mcp io.github.hidai25/evalview-mcp
Regression testing for AI agents. Golden baselines, CI/CD, LangGraph, CrewAI, OpenAI, Claude.
-
Read and score Opik traces, experiments, datasets and prompts from your AI assistant.
-
IA-QA — 130+ QA & Dev Tools for AI Agents
130+ QA & dev tools for AI agents: prompt injection, RAG testing, VLM eval, guardrails. Free.
-
Prompt evals over MCP: run a prompt on your dataset, score each output 1-5 with an LLM judge.
Nach Bedeutung gefunden, nicht über gemeinsamen Code oder ein gemeinsames Repository: Ähnliche Plugins bleiben getrennte Produkte, und dies ist weder eine Bewertung noch eine Empfehlung.
Möchten Sie dieses Zeichen für Ihr Plugin in unserem Katalog?
Belegen Sie mit einer Datei im Repository, einer Datei auf Ihrer Domain oder einem DNS-Eintrag, dass Sie es pflegen, und Sie können dieses Zeichen auf der Karte zeigen, dazu Live-Banner für Ihre Website und Ihr README. So funktioniert die Verifizierung
Außerdem erhalten Sie Hinweise, wenn ein Marktplatz es aufnimmt, entfernt, sein Verified-Zeichen oder seine Anforderungen ändert, und sein Remote-Endpunkt wird wie ein Webdienst überwacht.
Daten von Community GitHub marketplaces. Die Zahlen stammen aus unseren eigenen regelmäßigen Durchläufen über die Marktplätze, zuletzt abgerufen am . Kontaktdaten von Plugin-Herausgebern veröffentlichen wir nicht.