# はじめに
<a name="datasets-getting-started"></a>

このトピックでは、データセットを作成、入力、公開するためのend-to-endのワークフローについて説明します。

## データセットスキーマ
<a name="datasets-gs-schema-overview"></a>

各データセットは、作成`schemaType`時に を宣言します。AgentCore は、すべての例を受け入れる前に、宣言されたスキーマに対して検証します。2 つのスキーマタイプがサポートされています。
+  **AGENTCORE\_EVALUATION\_PREDEFINED\_V1** — 事前に書き込まれた会話のターンに対してエージェントをテストする場合に使用します。必須フィールド: `scenario_id`、 `turns` (空でないリスト。各ターンには が含まれている必要があります`input`)。
+  **AGENTCORE\_EVALUATION\_SIMULATED\_V1** — 合成会話生成用。必須フィールド: `scenario_id`、 `actor_profile` ( `context`および が必須のオブジェクト`goal`)、`input`。

スキーマフィールドの完全な定義、例、グラウンドトゥルースマッピングについては、[「データセットスキーマ](dataset-evaluations-schema.md)」を参照してください。

## エンドツーエンドのワークフロー
<a name="datasets-gs-workflow"></a>

次の例は、データセットのライフサイクル全体を示しています。作成、例の追加、例の一覧表示、バージョン発行、クリーンアップです。

**Example**  

1. 

   ```
   # 1. Create dataset
   agentcore add dataset --name my_eval_dataset \
       --schema-type AGENTCORE_EVALUATION_PREDEFINED_V1
   
   # 2. Add your scenarios to the JSONL file
   #    File: agentcore/datasets/my_eval_dataset.jsonl
   
   # 3. Deploy to create the dataset and sync examples
   agentcore deploy
   
   # 4. Publish version 1
   agentcore dataset publish-version --name my_eval_dataset
   
   # 5. Check status (shows versions and example count)
   agentcore status --type dataset
   
   # 6. Download a published version to local file
   agentcore dataset download --name my_eval_dataset --version 1
   
   # 7. Cleanup
   agentcore remove dataset --name my_eval_dataset
   agentcore deploy
   ```

1. 

   ```
   from bedrock_agentcore.evaluation import DatasetClient
   
   client = DatasetClient(region_name="us-west-2")
   
   # 1. Create dataset (polls until ACTIVE)
   ds = client.create_dataset_and_wait(
       datasetName="my_eval_dataset",
       schemaType="AGENTCORE_EVALUATION_PREDEFINED_V1",
       source={
           "inlineExamples": {
               "examples": [
                   {
                       "scenario_id": "TC-01",
                       "turns": [{"input": "What is my balance?", "expected_response": "Your balance is $50."}],
                       "assertions": ["Response includes a dollar amount"],
                   }
               ]
           }
       },
   )
   dataset_id = ds["datasetId"]
   print(f"Created: {dataset_id}, status={ds['status']}")
   
   # 2. Add more examples
   ds = client.add_examples_and_wait(
       datasetId=dataset_id,
       source={
           "inlineExamples": {
               "examples": [
                   {"scenario_id": "TC-02", "turns": [{"input": "Transfer $100", "expected_response": "Transfer complete."}]}
               ]
           }
       },
   )
   print(f"Example count: {ds['exampleCount']}")
   
   # 3. List examples
   resp = client.list_dataset_examples(datasetId=dataset_id)
   for example in resp["examples"]:
       print(f"  {example['exampleId']}: {example['scenario_id']}")
   
   # 4. Publish version 1
   ds = client.create_dataset_version_and_wait(datasetId=dataset_id)
   print(f"Published, draftStatus: {ds.get('draftStatus')}")
   
   # 5. List versions
   resp = client.list_dataset_versions(datasetId=dataset_id)
   for v in resp["versions"]:
       print(f"  Version {v['datasetVersion']}: {v['exampleCount']} examples")
   
   # 6. Cleanup
   client.delete_dataset_and_wait(datasetId=dataset_id)
   ```