こんにちは。ガオ株式会社の黒澤です。この記事は、2026年4月に公開した「LLMOps:評価基盤の設計編 — Langfuse 活用 」の手順を、Langfuse Academy(Langfuse 公式の学習コンテンツ)と Langfuse v4 に合わせて設計し直したものです。
この記事では、A2A(Agent2Agent Protocol) で外部のAgentに仕事を頼むとき、自社に返ってくる情報だけで、外部のAgentの品質とトークン消費をどこまで測れるかを検証しました。今回やったことは次の3つです。
はじめに # 第1回 ではエージェントを載せて動きを見るところ、第2回 では評価を、Gemini Enterprise Agent Platform(以下、GEAP)と Langfuse で比較しました。
はじめに # 第1回では、Gemini Enterprise Agent Platform(以下、GEAP)にエージェントを載せ、ダッシュボードとトレースで動きを見るところまでを Langfuse と比較しました。第2回は、エージェントの応答やツールの使い方、会話全体の達成度に点を付ける「評価」を扱います。
要約 # セルフホストしている Langfuse で、ページを開くたびに数秒フリーズする現象に悩まされていました。原因はコメント機能のリアクションピッカーが使っているライブラリで、import しただけで canvas による絵文字の描画判定が3,740回走っていました。まだコメント欄すら開いていなかったとしても 、です。
この記事では、Agent同士をつなぐ共通仕様 A2A(Agent2Agent Protocol) と、A2A通信を中継する agentgateway を使って2つのAgentを連携させ、その挙動を検証します。