Hodnocení agentů umělé inteligence se podle autorů blogu NVIDIA muselo posunout od posuzování jednoho volání funkce k posuzování celého úkolu. Při nasazení agenta je podle nich klíčové, zda zvládne řetěz práce přes desítky po sobě jdoucích volání nástrojů v živém prostředí.

Podle autorů NeMo Relay poskytuje jednotný způsob, jak zaznamenávat podklady pro vyhodnocení změn v agentním harnessu. ATOF uchovává uspořádané události životního cyklu a ATIF zobrazuje stejný běh jako čitelnou trajektorii.