feat(eval): expose maxTokens / temperature / topP flags for llm-as-a-judge evaluator (Bedrock)

Bắt đầu với src/handlers/eval/evaluator/llm-as-a-judge/create/index.tsx, sau đó so sánh cách xử lý tham số trong src/core/project/schema/harness.ts và src/handlers/harness/parameterHelp.tsx. Xác định đường dẫn update hoặc edit tương ứng và phần validation của nó; được xem là hoàn tất khi ba flag chấp nhận các phạm vi được ghi trong tài liệu, các giá trị chưa được thiết lập bị bỏ qua và mọi đường dẫn evaluator của Bedrock đều nhận các trường inferenceConfig.

Summary

The evaluator llm-as-a-judge create handler only passes modelId to the Bedrock evaluator model config — there is no way to set inference parameters. CloudFormation's AWS::BedrockAgentCore::Evaluator InferenceConfiguration supports:

• MaxTokens — Integer, minimum 1
• Temperature — Number, 0–1
• TopP — Number, 0–1

These map to BedrockEvaluatorModelConfig.inferenceConfig and apply to both the Bedrock and Bedrock Mantle evaluator paths.

Current behavior

src/handlers/eval/evaluator/llm-as-a-judge/create/index.tsx builds the config with just the model id:

modelConfig: { bedrockEvaluatorModelConfig: { modelId: flags["model"] } },

There are no --max-tokens, --temperature, or --top-p flags, so users get whatever the service/construct defaults are and cannot tune scoring behavior.

For comparison, the harness handler already exposes these — see src/core/project/schema/harness.ts (temperature, topP, maxTokens) and src/handlers/harness/parameterHelp.tsx.

Requested change

Add flags to llm-as-a-judge create (and any update/edit path):

• --max-tokens <int> (min 1)
• --temperature <float> (0.0–1.0)
• --top-p <float> (0.0–1.0)

Thread them into bedrockEvaluatorModelConfig.inferenceConfig (maxTokens / temperature / topP), omitting any unset value so existing defaults are preserved. Enforce the CFN-documented ranges above.

Related

Companion construct/schema change: aws/agentcore-l3-cdk-constructs#315 (the L3 currently hardcodes { temperature: 0, maxTokens: 4096 } for Bedrock and rejects these fields unless the provider is OpenAI). This CLI change depends on that surface being available.