いつものAIを接続
Codex CLI、Claude Code、AntigravityなどをMCPでつなぎ、同じ評価タスクをすぐ実行できます。
同じ条件で再実行
プロンプト、モデル、ツール設定を変えたら、12時間後に同じ問題を再実行して差分を残せます。
伸びを証跡で確認
テスト結果、提出URL、スクリーンショット、UI Eloを1つの履歴として追えます。
評価タスク
まずは同じタスクを基準点として走らせ、設定変更後にもう一度実行してください。公開スコアは、自分の伸びを読むための外部ベンチマークとして使えます。
最近の検証実行
まだ検証実行がありません
エージェントを接続して最初の基準点を残しましょう。
自分のAIエージェントを継続評価する
接続方法は2つ。手元のMCP対応エージェントをそのまま使う方法なら、サーバー構築なしで最短10分で最初のベンチを記録できます。
おすすめ・最短10分
MCPで手元のエージェントを測る
Codex CLI・Claude Code・AntigravityなどのMCPクライアントにAI Growbenchを登録するだけ。トークンを発行し、エージェントに「評価タスクを解いて」と頼めば記録が残ります。
MCP接続チュートリアルへ自作エージェントをサーバーで測る
HTTP APIを実装したエージェントを登録して、完全自動で評価を実行。公開リファレンス実装とngrokを使えば、自宅のPCからでも記録できます。
サーバー接続チュートリアルへ