Agent Platform 的评估服务现已普遍可用，为开发人员提供统一引擎，以在本地开发实验和实时生产流量中一致地衡量代理质量。您可以使用超过 20 个预构建指标、由 DeepMind 支持的自适应评分标准，或存储于集中式版本化注册表中的自定义代码指标及 LLM-as-a-judge 指标来评估代理。该服务通过 Agent Platform SDK、agents-cli 和 ADK 直接集成到现有工作流中，提供内置的用户和环境模拟器，以自动化复杂的多轮测试并简化 CI 流水线。