Google ADK 提供了哪些评估（Evaluation）能力来检验 Agent 性能？

1. 内置评估框架

ADK 内置了系统化的智能体评估框架，支持从工具调用轨迹匹配到基于 LLM 的响应质量评估等多种评估维度。开发者可以定义测试用例集，自动运行评估并生成量化指标。

2. 多维度评估指标

ADK 提供的内置评估指标包括：tool_trajectory_avg_score（工具调用轨迹的精确匹配度）、response_match_score（与参考答案的 ROUGE-1 相似度）、final_response_match_v2（LLM 评判的语义匹配度）、rubric_based_final_response_quality_v1（基于评分标准的最终响应质量）、hallucinations_v1（响应相对于上下文的可靠性）、safety_v1（响应的安全性）以及 multi_turn_task_success_v1（多轮对话中任务目标达成率）。

3. 一致性测试与回归验证

ADK 提供 adk conformance 命令用于一致性测试。开发者先通过录制插件生成基线交互数据，后续每次代码或模型更新后运行回归测试，将实时行为与基线进行对比，及时发现意外偏差。

4. 可视化评估界面

通过 adk web 启动的开发界面内置评估运行器，可以在浏览器中直观地查看智能体在测试用例上的表现，包括每一步的工具调用、推理过程和最终得分，便于快速定位问题。