eval-guide
AI agent evaluation toolkit for Copilot Studio. Plan evals, generate test cases, interpret results, and triage failures.
Пакет плагинов · от microsoft
Коротко
eval-guide: пакет плагинов для ИИ-инструментов разработки, издатель microsoft. Витрин, которые мы читаем и где он опубликован: 1 (Community GitHub marketplaces). Последнее изменение мы зафиксировали 2026-11-04. Данные нашего прохода по витринам на 2026-11-06.
Что просит
- Ставится как пакет плагинов
Ни одна из витрин, которые мы читаем, не публикует его инструменты или настройки, которые он просит.
Что объявляет, просит и запускает, полностью
Устанавливайте плагины только от разработчиков, которым доверяете. Мы показываем то, что публикуют витрины, и не проверяем плагины.
Работает с
- Claude Code
По маркетплейсам, где он опубликован, и объявленному транспорту MCP, как их документирует каждый клиент. Плагины мы не тестируем.
Подключить
Команды и конфигурации собраны только из того, что объявляют витрины. Мы не запускаем их за вас и не проверяем плагины.
Как плагин Claude Code
Собрано из того, что объявляет Community GitHub marketplaces.
/plugin marketplace add microsoft/eval-guide
/plugin install eval-guide@eval-guideГде опубликован
| Витрина | Статус | Версия | Числа | Проверен | Впервые замечен |
|---|---|---|---|---|---|
| Маркетплейс сообщества microsoft/eval-guide (Открыть исходники на GitHub) | Опубликован | 1.0.0 | Форки (GitHub): 22 Звёзды (GitHub): 140 |
Не помечен |
Каждое число принадлежит своей витрине и никогда не складывается с числами других витрин. Если витрина число не публикует, мы его не показываем: нет числа не значит ноль.
Есть в одном маркетплейсе сообщества
| Витрина | Репозиторий | Звёзды (GitHub) |
|---|---|---|
| eval-guide | microsoft/eval-guide | 140 |
Как менялись числа
- 2026-10-30140
- 2026-10-31139
- 2026-11-04140
- 2026-11-06140
Каждая точка: день, когда мы прочитали другое число; ровные участки: дни, когда число не менялось. Числа разных витрин никогда не складываются.
Что входит в пакет
Так опубликовано на витрине Community GitHub marketplaces.
Скиллы: 6
eval-faqeval-generatoreval-guideeval-result-interpretereval-suite-plannereval-triage-and-improvement
Что менялось
- Стал продуктом, за которым мы следим
- Community GitHub marketplaces: появился
Похожие плагины
Продукты, чьи собственные названия, описания, инструменты и скиллы ближе всего по смыслу к этому, на всех витринах, которые мы читаем. Близость упорядочена только внутри этого списка.
-
evalview-mcp io.github.hidai25/evalview-mcp
Regression testing for AI agents. Golden baselines, CI/CD, LangGraph, CrewAI, OpenAI, Claude.
-
Skills for adding DeepEval evaluations, tracing, datasets, Confident AI reports, and iterative improvement loops to AI applications.
-
Connect providers and targets, write eval suites, and set up or run red team scans with promptfoo
-
Testers.ai CARBON Test Harness Lite
Local QA workflows, test evidence, screenshot maps and confidence reports for AI coding agents.
-
Measure AI output quality, user satisfaction, task success, and design effectiveness.
-
Agent skills for observing and evaluating LLM applications with LangSmith
-
IA-QA — 152 QA & Dev Tools for AI Agents
152 free QA tools for agents: injection scan, evals, RAG, web audits. Smaller packs: /mcp/{pack}.
-
AI agent evaluation sandbox for Claude Code. Holdout scenario testing with Doer/Judge/Adversary/Observer roles, probabilistic satisfaction scoring, and append-only JSONL audit…
-
QA testing pipeline with 5 personas (smoke, UX, adversarial, performance, mobile) — generate workflows, convert to Playwright tests, run interactively or in CI. Quantified UX…
-
QA specialist agent for test planning and quality assurance
Похожие плагины по витринам
Тот же вопрос к каждой витрине по отдельности: есть ли там аналог этого плагина?
Есть на витрине Claude Code: claude-plugins-community (5)
-
evalview-mcp io.github.hidai25/evalview-mcp
Regression testing for AI agents. Golden baselines, CI/CD, LangGraph, CrewAI, OpenAI, Claude.
-
AI agent evaluation sandbox for Claude Code. Holdout scenario testing with Doer/Judge/Adversary/Observer roles, probabilistic satisfaction scoring, and append-only JSONL audit…
-
Natural-language end-to-end tests for any software surface, powered by getlark.ai
-
Teaches AI coding agents to create and maintain promptfoo eval suites. Encodes best practices like deterministic assertions first, file-based test organization, correct…
-
Use TestDino inside Claude Code through the hosted remote MCP server to inspect test runs, debug failing test cases, manage manual tests, and run TestDino audits.
Есть на витрине Claude Code: claude-plugins-official (5)
-
Skills for adding DeepEval evaluations, tracing, datasets, Confident AI reports, and iterative improvement loops to AI applications.
-
A suite of agent skills for the full GrowthBook feature flag and experimentation lifecycle.
-
Skills for working with Langfuse, the open-source LLM engineering platform for tracing, prompt management, and evaluation.
-
Detect AI agents in your codebase and instrument them with Pendo Agent Analytics via the best-fit path: Python SDK, TypeScript SDK, client-side trackAgent, or the Conversations…
-
Output.ai workflow development toolkit for Claude Code. Adds 5 specialist agents (planner, builder, debugger, prompt writer, quality reviewer), 40+ slash-command skills covering…
Есть на витрине Claude: knowledge-work-plugins (5)
-
A suite of agent skills for the full GrowthBook feature flag and experimentation lifecycle.
-
Skills for working with Langfuse, the open-source LLM engineering platform for tracing, prompt management, and evaluation.
-
Bring Pendo product analytics into Claude Code: account health, feature adoption, session replay lookup and triage, feedback analysis, and data-informed planning grounded in real…
-
AI agent skills that make SaaS products data-ready for product analytics — from codebase scan to tracking plan to working instrumentation code.
-
AI-first project auditor and re-engineer based on the 9 design principles and 7 design patterns from the TechWolf AI-First Bootcamp
Есть на витрине 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.
-
PostHog gives your AI agent direct access to your product analytics, feature flags, experiments, error tracking, surveys, logs, and LLM analytics. Ask questions about your data…
-
Answer product and business questions with data
-
Build with OpenAI APIs, Agents SDK, and ChatGPT Apps, and create and save OpenAI API keys from Codex.
-
Inspect recent issues and events in Sentry from Codex.
Есть на витрине Community GitHub marketplaces (5)
-
Skills for adding DeepEval evaluations, tracing, datasets, Confident AI reports, and iterative improvement loops to AI applications.
-
Connect providers and targets, write eval suites, and set up or run red team scans with promptfoo
-
Measure AI output quality, user satisfaction, task success, and design effectiveness.
-
Agent skills for observing and evaluating LLM applications with LangSmith
-
QA testing pipeline with 5 personas (smoke, UX, adversarial, performance, mobile) — generate workflows, convert to Playwright tests, run interactively or in CI. Quantified UX…
Есть на витрине Copilot CLI: github/awesome-copilot (5)
-
Microsoft Copilot Studio YAML authoring toolkit. Create, edit, validate, and test Copilot Studio agents using YAML files.
-
Helps GitHub Copilot investigate mobile app telemetry, diagnose crashes, manage [bitdrift](bitdrift.ai) workflows and dashboards, integrate the Capture SDK into iOS, Android, and…
-
Codebase-grounded concept-mastery quizzes with an interactive BrainMax Canvas dashboard.
-
Turn your Copilot sessions into proof of impact — research-grounded HTML reports with effort estimation, skills analysis, and ROI metrics from local session logs.
-
See your local Copilot token usage by day, model, and session, and get tips to use it more efficiently.
Есть на витрине Copilot CLI: github/copilot-plugins (5)
-
Toolkit for building Microsoft 365 Copilot declarative agents — scaffolding, JSON manifest development, and capability configuration.
-
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.
-
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…
-
Build Power Apps Canvas Apps using the Canvas Authoring MCP server.
Есть на витрине Cursor: cursor/plugins (5)
-
Work with PostHog from chat: query product analytics and run SQL, manage feature flags and experiments, triage error tracking issues, and review session replays, surveys, and…
-
playwright-mcp io.github.microsoft/playwright-mcp
Playwright Tools for MCP
-
Inspect and manage feature gates, experiments, dynamic configs, and metrics.
-
Ask Databricks Genie questions about your workspace's data in plain language.
-
CLI-backed repo compatibility scans plus agents that audit startup, validation, and docs against reality.
Есть на витрине Docker MCP Catalog (5)
-
Read and score Opik traces, experiments, datasets and prompts from your AI assistant.
-
testkube-mcp io.github.kubeshop/testkube-mcp
MCP server for Testkube - Manage test workflows, executions, and artifacts via AI assistants
-
MCP server for AI access to SmartBear tools, including BugSnag, Reflect, Swagger, PactFlow, QTM4J.
-
playwright-mcp io.github.microsoft/playwright-mcp
Playwright Tools for MCP
-
Wayfound’s MCP server allows business users to govern, supervise, and improve AI Agents.
Есть на витрине Official MCP Registry (5)
-
evalview-mcp io.github.hidai25/evalview-mcp
Regression testing for AI agents. Golden baselines, CI/CD, LangGraph, CrewAI, OpenAI, Claude.
-
Testers.ai CARBON Test Harness Lite
Local QA workflows, test evidence, screenshot maps and confidence reports for AI coding agents.
-
IA-QA — 152 QA & Dev Tools for AI Agents
152 free QA tools for agents: injection scan, evals, RAG, web audits. Smaller packs: /mcp/{pack}.
-
Free human usability tests for agent-built websites. Submit tasks; get written findings as JSON.
-
Score and improve AI prompts with Cue Free and Pro account access.
Есть на витрине PyPI (MCP servers) (5)
-
Read and score Opik traces, experiments, datasets and prompts from your AI assistant.
-
Read, measure and explain LLM eval runs of a digline suite. Cannot promote a baseline.
-
air-blackbox-mcp io.github.airblackbox/air-blackbox-mcp
EU AI Act compliance scanner for Python AI agents. 14 tools across 6 articles.
-
Audit an MCP server and get a scored, actionable quality report in seconds.
-
220 browser automation tools for Chrome, Edge, and Firefox via CDP + BiDi. 100% Python.
Есть на витрине npm registry (MCP servers) (5)
-
Context Assurance for AI agents: context engineering, AI cost optimization, verification.
-
Build AI-powered forms, scored assessments and professional reports on FormLM, by natural language.
-
Official MCP server for Qase — manage test cases, runs, suites, defects via AI tools.
-
Audits tests instead of writing them: what each one really asserts. 4 tools, local.
-
Contextual prompts and agent skills for 140+ AI platforms.
Найдено по смыслу, а не по общему коду или репозиторию: похожие плагины остаются разными продуктами, и это не обзор и не рекомендация.
Хотите такой знак у своего плагина в нашем каталоге?
Докажите, что поддерживаете его, файлом в репозитории, файлом на вашем домене или DNS-записью, и сможете показать этот знак на карточке, а ещё живые баннеры для сайта и README. Как проходит подтверждение
Ещё вы будете получать уведомления, когда витрина добавит плагин, снимет его, изменит отметку verified или список того, что он просит, а его удалённый endpoint встанет на мониторинг как веб-сервис.
Данные витрины Community GitHub marketplaces. Числа взяты из наших регулярных обходов витрин, последняя проверка . Контакты издателей плагинов мы не публикуем.