Diseñar marcos de evaluación para soluciones de inteligencia artificial multiagente de producción mediante Microsoft Foundry. Defina métricas de éxito para resultados de nivel de sistema y calidad de coordinación, implemente patrones LLM-as-judge calibrados, diseñe conjuntos de datos de pruebas sintéticas para escenarios de colaboración del agente y cree canalizaciones de regresión para la detección de desfase de comportamiento.
