deepeval Claude Code プラグイン

本プラグインは、DeepEval を使った評価やトレーシング、データセット構築、Confident AI レポートの生成、評価結果に基づく改善サイクルを AI アシスタントに追加するスキル集です。README によると DeepEval は pytest に似た使い勝手を持つオープンソースの Python 製 LLM 評価フレームワークで、G-Eval や RAG 系指標、エージェント向け指標、マルチターン指標などを備え、OpenAI や LangChain、LangGraph、CrewAI などのフレームワークと連携します。Confident AI は同じ開発チームによるクラウドおよびオンプレミス対応のプラットフォームで、ホームページによるとトレーシング、本番監視、データセット整理、レッドチーミングなどをチームで扱う機能を追加します。README のクイックスタート部分では、コーディングエージェントがこのスキルを使ってテストスイートを作成し、deepeval test run を実行し、失敗した指標を修正していく流れが示されています。どこまでが自動化されどこからが手作業かの詳細はソースに記載がなく不明です。