微軟開源咗一個叫Scope嘅評測平台，專門幫開發團隊睇住自己嘅AI程式開發代理（AI coding agent）做嘢有冇做到位。你可以設定一組任務，交畀GitHub Copilot、Claude Code等代理去執行，Scope會留意佢哋有冇照文件正確使用自家SDK、API、命令列工具，以及連接外部服務嘅MCP伺服器（Model Context Protocol，一種標準化協議，讓AI工具同外部服務溝通）。做完之後，平台會完整記錄操作過程同測試結果，方便團隊追查出錯環節。
程式跑唔代表代理做對嘢
Scope最核心嘅價值觀好簡單：程式最後跑得好，唔代表AI代理過程用咗你預期嘅工具。AI代理寫程式嗰陣可能選錯API、漏睇文件入面重要指示，又或者遇到錯誤之後就擺尾走，最後交差嘅code跑得好但根本冇用埋你要佢用嘅工具。Scope就係針對呢個問題設計，讓團隊具體測試代理使用自家SDK、命令列工具同MCP伺服器時邊個環節最易出錯。
可以重複測試，觀察改動有冇效
團隊可以設定任務完成標準，同時提供起始程式碼，再將同一組任務交畀不同AI代理執行。Scope會記錄每次測試使用嘅模型、代理版本同工具設定，全部存檔。之後如果團隊改咗開發文件或者工具，就可以用完全相同嘅任務重新跑，觀察代理有冇更容易完成，亦可以分辨某個錯誤係偶然出現定係反覆出現。
檢查條件可以排順序
Scope容許依工作要求設定多項檢查條件，並安排條件之間嘅先後關係。例如，程式必須先成功建置（build），先先至會檢查SDK初始化同整合測試結果。平台透過大型語言模型（LLM）評估每項條件嘅達成交情，同時保留代理操作紀錄同工作目錄快照，供團隊逐步追查。
研究預覽，要自己部署
Scope須由使用者自行部署，提供網頁管理介面，亦可以透過命令列工具及API將評測整合入開發流程。專案採MIT授權，原始碼已於GitHub公開，目前屬研究預覽階段。
阿調搞兩下：呢個嘢好有用，因為佢戳中一個好現實嘅問題——你交咗任務畀AI，你點先知佢冇偷懶、冇做錯嘢？Scope就係幫你睇住嗰雙眼。不過留意，呢個係研究預覽，唔係產品，想玩先試，唔好當生產環境。
