모델
모델 설정은 서비스 출처, 모델 이름, 호출 주소 및 파라미터를 저장합니다. 평가기는 모델을 통해 점수를 산출하며, 대규모 언어 모델 평가에서도 이러한 설정을 재사용합니다.
대상 사용자: 모델 서비스를 유지 관리하는 사용자. 확인 기준: 2026-10-30 프로젝트의 현재 구현. 배포된 환경의 진입점은 버전과 권한에 따라 다를 수 있습니다.
검색 키워드: 평가용 모델, 평가 대상 모델, AE Agent, OpenAI-compatible, Anthropic, Gemini, JSON 평가.
1. AE Agent 모델 생성
- 연동 설정 → 모델로 이동하여 모델 생성을 클릭합니다.
- 제공업체로 AE Agent (A2A 1.0) 항목을 선택하고 모델 설정 이름을 입력합니다.
- 디렉터리가 로드될 때까지 기다리거나 클릭하여 모델 리스트를 새로고침한 다음 AE Agent Model에서 모델을 선택합니다.
- TE SSO 환경에서는 현재 로그인 access token을 자동으로 사용하므로 자격 증명을 직접 생성하거나 선택할 필요가 없습니다. 모델 주소는 환경에 따라 자동 생성되며 읽기 전용으로 표시됩니다.
- 저장 후 리스트에서 연결 테스트를 실행하고 성공한 것을 확인한 다음 평가기나 작업에 사용합니다.
운영 주소는 기본적으로 현재 페이지의 origin에 /agent를 더해 생성합니다. 로컬 개발 주소는 개발 환경 설정에 따라 달라집니다. 디렉터리가 비어 있거나 로드에 실패하면 로그인 상태, 환경 주소 및 오류를 확인합니다. 빈 디렉터리를 평가기를 생성할 권한이 없다는 의미로 해석하지 마십시오.
2. 다른 모델 생성
- OpenAI-compatible, Anthropic 또는 Gemini를 선택하고 설정 이름, 모델 이름 및 모델 주소를 입력합니다.
- 서비스 요구 사항에 따라 사용 가능한 자격 증명을 선택합니다. 호출 주소, 모델 식별자 및 인증 방식은 서비스 유지 관리 담당자가 제공해야 합니다.
- 필요에 따라 온도와 고급 설정의 Top P를 설정하고 저장한 후 연결을 테스트합니다. 서비스가 고정 파라미터 값을 요구하면 반환된 오류에 따라 수정합니다.
현재 생성 진입점에서는 Azure OpenAI를 제공하지 않지만 기존 Azure 설정은 계속 편집할 수 있습니다. 타입 정의에 특정 제공업체가 있다는 사실을 생성 진입점이 공개되었다는 의미로 해석하지 마십시오.
3. 평가 형식 오류 줄이기
JSON Schema response_format을 지원하는 OpenAI-compatible 및 기존 Azure 설정에서는 JSON 형식 평가 강제를 활성화하여 Judge가 Score와 Reason을 출력하도록 제약할 수 있습니다. 서비스가 해당 프로토콜을 실제로 지원해야 합니다. 지원하지 않으면 이 옵션을 끄고 모델이나 Prompt를 조정해야 합니다. 이 옵션은 평가 기준 자체를 대신할 수 없습니다.
4. 편집 및 검증
- 모델 리스트에서 설정을 편집하고 수정 후 저장한 다음 연결을 다시 테스트합니다. 저장에 실패하면 양식 내용을 보존하고 수정 후 다시 제출합니다.
- 평가기와 연동하기 전에 모델의 활성화 상태, 자격 증명 및 프로젝트 표시 범위를 확인합니다.
- 모델 설정을 변경해도 기존 실행 스냅샷이 다시 작성되지는 않습니다. 과거 결과를 분석할 때는 여전히 Run에 저장된 설정을 기준으로 합니다.
연결 오류가 발생하면 먼저 인증 실패, 주소 또는 네트워크 문제, 지원하지 않는 모델 식별자 및 파라미터 비호환을 구분합니다. 실패가 지속되면 관리자에게 오류 코드, 요청 ID 및 발생 시간을 제공하고 키는 보내지 않습니다.
5. 다음 단계 및 관련 페이지
- AE 이외 서비스의 인증 정보 준비: 자격 증명.
- Judge 모델 선택: 평가기.
- 평가 대상 대규모 언어 모델 선택: 평가 작업 생성 및 필드 매핑.
사용 설명서 홈으로 돌아가기:

