> ## 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

> Avalie aplicações de LLM com Ragas e TokenLab

## Visão Geral

O Ragas pode avaliar aplicações baseadas em TokenLab passando um cliente `AsyncOpenAI` compatível com OpenAI para o `llm_factory`.

<Note>
  **Tipo**: Framework de avaliação

  **Caminho Principal**: Chat Completions compatíveis com OpenAI

  **Nível de Suporte**: Caminho compatível com OpenAI suportado
</Note>

## Ambiente

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

## Exemplo de Avaliador

```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}",
)
```

Use o `llm` nas métricas e conjuntos de teste do Ragas da mesma forma que você usaria um modelo baseado no SDK da OpenAI.

## Notas sobre o Endpoint

O Ragas utiliza o caminho do cliente SDK da OpenAI aqui. Respostas nativas do TokenLab, Anthropic Messages e rotas do Gemini são melhor utilizadas através de executores de avaliação que suportam esses formatos de requisição diretamente.