> ## Documentation Index
> Fetch the complete documentation index at: https://docs.tokenlab.sh/llms.txt
> Use this file to discover all available pages before exploring further.

# Ragas

> Evalúa aplicaciones LLM con Ragas y TokenLab

## Descripción general

Ragas puede evaluar aplicaciones respaldadas por TokenLab pasando un cliente `AsyncOpenAI` compatible con OpenAI a `llm_factory`.

<Note>
  **Tipo**: Marco de evaluación

  **Ruta principal**: Chat Completions compatibles con OpenAI

  **Nivel de soporte**: Ruta compatible con OpenAI soportada
</Note>

## Entorno

```bash theme={null}
export TOKENLAB_API_KEY="sk-your-tokenlab-key"
```

## Ejemplo de evaluador

```python theme={null}
import os

from openai import AsyncOpenAI
from ragas.llms import llm_factory
from ragas.metrics import DiscreteMetric

client = AsyncOpenAI(
    api_key=os.environ["TOKENLAB_API_KEY"],
    base_url="https://api.tokenlab.sh/v1",
)
llm = llm_factory("claude-sonnet-5", client=client)

metric = DiscreteMetric(
    name="summary_accuracy",
    allowed_values=["accurate", "inaccurate"],
    prompt="Evaluate whether the response is accurate. Answer only accurate or inaccurate.\n\nResponse: {response}",
)
```

Utiliza `llm` en las métricas y conjuntos de prueba (testsets) de Ragas de la misma manera que usarías un modelo respaldado por el SDK de OpenAI.

## Notas sobre los endpoints

Ragas utiliza aquí la ruta del cliente del SDK de OpenAI. Las respuestas nativas de TokenLab, los mensajes de Anthropic y las rutas de Gemini se utilizan mejor a través de ejecutores de evaluación que admitan directamente esos formatos de solicitud.