集成测试

通过组织测试套件、管理密钥、应对偶发波动与控制成本，使用真实 LLM API 测试 Agent。

集成测试用于验证你的 Agent 是否能够与模型 API 及外部服务正常协同工作。与使用 Fake（伪模型）和 Mock 的单元测试不同，集成测试会发起真实的网络调用，以确认各组件能够协同工作、凭据有效且延迟处于可接受范围内。

由于 LLM 的响应具有不确定性，集成测试需要采用不同于传统软件测试的策略。本指南涵盖了如何为 Agent 组织、编写和运行集成测试。关于为 LangChain 本身贡献代码时的通用测试基础设施，请参阅贡献代码。

分离单元测试与集成测试

集成测试的运行速度较慢且需要 API 凭据，因此应将其与单元测试分开。这样你可以在每次代码变更时运行快速的单元测试，并将集成测试留给 CI 或预部署检查。

使用文件命名规范来分离集成测试。将集成测试文件命名为 *.int.test.ts，并配置 vitest 将其从默认运行中排除：

vitest.config.ts

import { configDefaults, defineConfig } from "vitest/config";

export default defineConfig((env) => {
  if (env.mode === "int") {
    return {
      test: {
        testTimeout: 100_000,
        include: ["**/*.int.test.ts"],
        setupFiles: ["dotenv/config"],
      },
    };
  }

  return {
    test: {
      testTimeout: 30_000,
      exclude: ["**/*.int.test.ts", ...configDefaults.exclude],
    },
  };
});

向 package.json 添加脚本：

json

{
  "scripts": {
    "test": "vitest",
    "test:integration": "vitest --mode int"
  }
}

显式运行集成测试：

bash

npm run test:integration

管理 API 密钥

集成测试需要真实的 API 凭据。请从环境变量中加载它们，以确保密钥不会进入版本控制系统。

将 dotenv/config 添加为 vitest 的 setup 文件，以便自动从 .env 加载环境变量：

vitest.config.ts.env

export default defineConfig({
  test: {
    setupFiles: ["dotenv/config"],
  },
});

bash

OPENAI_API_KEY=sk-...

当缺失密钥时跳过测试：

import { test } from "vitest";

test.skipIf(!process.env.OPENAI_API_KEY)(
  "agent responds with tool call",
  async () => {
    // ...
  }
);

WARNING

将 .env 添加到你的 .gitignore 中以避免提交凭据。在 CI 环境中，请通过服务商的机密管理工具（例如 GitHub Actions secrets）注入密钥。

断言结构而非内容

LLM 的响应在不同运行之间存在差异。不要对精确的输出字符串进行断言，而是验证响应的结构属性：消息类型、工具调用名称、参数形态以及消息数量。

test("agent calls weather tool", async () => {
  const agent = createAgent({ model: "claude-sonnet-4-6", tools: [getWeather] });
  const result = await agent.invoke({
    messages: [new HumanMessage("What's the weather in SF?")]
  });

  const aiMsg = result.messages.find(
    (m) => AIMessage.isInstance(m) && m.tool_calls?.length
  );
  expect(aiMsg).toContainToolCall({ name: "get_weather" });
  expect(result.messages.at(-1)).toBeAIMessage();
});

该示例使用了自定义测试匹配器。有关安装配置和完整的匹配器参考，请参阅下文。

TIP

如需进行更严格的轨迹断言，请使用支持 unordered 和 superset 等模糊匹配模式的 AgentEvals 评估器。

使用自定义测试匹配器

langchain 提供了自定义 vitest 匹配器，使结构化断言更具可读性，并在断言失败时提供清晰的错误信息。只需在 setup 文件中注册一次，它们即可在每次 expect() 调用中使用。

配置

添加一个 vitest setup 文件，使用 LangChain 匹配器扩展 expect：

vitest.setup.ts

import { langchainMatchers } from "@langchain/core/testing";

expect.extend(langchainMatchers);

在你的 vitest 配置中引用它：

vitest.config.ts

export default defineConfig({
  test: {
    setupFiles: ["vitest.setup.ts"],
  },
});

TypeScript 类型会自动包含在内，因此代码自动补全无需任何额外配置。

检查消息类型

每个消息类都有一个对应的匹配器：toBeHumanMessage()、toBeAIMessage()、toBeSystemMessage() 和 toBeToolMessage()。不传参数调用时仅检查类型，或者传入字符串以同时匹配内容：

const response = await agent.invoke({
  messages: [new HumanMessage("What's the weather?")]
});
const lastMessage = response.messages.at(-1);

expect(lastMessage).toBeAIMessage();
expect(lastMessage).toBeAIMessage("It's 72°F and sunny.");

传入一个对象以匹配特定字段：

expect(lastMessage).toBeAIMessage({ name: "weather-bot" });
expect(toolMsg).toBeToolMessage({ tool_call_id: "call_1" });

断言工具调用

有三个匹配器用于对 AIMessage 的工具调用进行断言：

const response = await agent.invoke({
  messages: [new HumanMessage("Weather in SF and NYC?")]
});
const aiMsg = response.messages.find(
  (m) => AIMessage.isInstance(m) && m.tool_calls?.length
);

// 检查是否存在特定的工具调用（与顺序无关）
expect(aiMsg).toHaveToolCalls([
  { name: "get_weather", args: { city: "San Francisco" } },
  { name: "get_weather", args: { city: "New York" } },
]);

// 仅检查数量
expect(aiMsg).toHaveToolCallCount(2);

// 检查是否至少有一个工具调用匹配（支持 .not）
expect(aiMsg).toContainToolCall({ name: "get_weather" });
expect(aiMsg).not.toContainToolCall({ name: "send_email" });

断言工具消息

toHaveToolMessages() 接收完整的消息数组，并按顺序检查其中的 ToolMessage 实例：

expect(response.messages).toHaveToolMessages([
  { content: "72°F and sunny in San Francisco" },
  { content: "68°F and cloudy in New York" },
]);

断言中断与结构化响应

toHaveBeenInterrupted() 用于检查 LangGraph 中断（interrupt）结果中的 __interrupt__ 字段。传入一个值以匹配中断负载（payload）：

const result = await graph.invoke(input);

expect(result).toHaveBeenInterrupted();
expect(result).toHaveBeenInterrupted("confirm_action");

toHaveStructuredResponse() 检查结果上的 structuredResponse 字段。传入一个对象以匹配特定字段：

expect(result).toHaveStructuredResponse();
expect(result).toHaveStructuredResponse({ name: "Alice", age: 30 });

匹配器参考

Matcher	Description
`toBeHumanMessage(expected?)`	检查值是否为 `HumanMessage`。可选匹配内容（字符串）或字段（对象）。
`toBeAIMessage(expected?)`	检查值是否为 `AIMessage`。可选匹配内容或字段。
`toBeSystemMessage(expected?)`	检查值是否为 `SystemMessage`。可选匹配内容或字段。
`toBeToolMessage(expected?)`	检查值是否为 `ToolMessage`。可选匹配内容或像 `tool_call_id` 这样的字段。
`toHaveToolCalls(expected)`	检查 `AIMessage` 是否精确包含给定的工具调用（与顺序无关）。
`toHaveToolCallCount(n)`	检查 `AIMessage` 是否精确拥有 `n` 个工具调用。
`toContainToolCall(expected)`	检查 `AIMessage` 是否包含至少一个匹配的工具调用。支持 `.not`。
`toHaveToolMessages(expected)`	检查消息数组是否按顺序包含给定的 `ToolMessage` 实例。
`toHaveBeenInterrupted(value?)`	检查结果是否包含 `__interrupt__`。可选匹配中断的值。
`toHaveStructuredResponse(expected?)`	检查结果是否包含 `structuredResponse`。可选匹配特定字段。

降低成本与延迟

调用 LLM API 的集成测试会产生实际费用。以下几种实践有助于保持测试套件的高速运行且经济实惠：

使用较小的模型：对于只需验证工具调用和响应结构的测试，使用 gemini-3.1-flash-lite 或同级别模型。
设置 maxTokens：限制响应长度，避免产生冗长且昂贵的补全内容。
限制测试范围：每个测试仅验证单一行为。当单轮测试已足够时，避免使用串联多次 LLM 调用的端到端场景。
选择性运行：利用上文的测试分离方案，仅在 CI 中或部署前运行集成测试，而不是在每次保存文件时都运行。

const agent = createAgent({
  model: "gemini-3.1-flash-lite",
  tools: [getWeather],
  modelArgs: { maxTokens: 256 },
});

下一步

在评测 (Evals)中了解如何通过确定性匹配或 LLM 作为裁判（LLM-as-judge）评估器来评估 Agent 的执行轨迹。

集成测试 ​

分离单元测试与集成测试 ​

管理 API 密钥 ​

断言结构而非内容 ​

使用自定义测试匹配器 ​

配置 ​

检查消息类型 ​

断言工具调用 ​

断言工具消息 ​

断言中断与结构化响应 ​

匹配器参考 ​

降低成本与延迟 ​

下一步 ​