集成测试验证您的智能体能否正确地与模型 API 和外部服务协同工作。与使用伪造和模拟的单元测试不同，集成测试会进行实际的网络调用，以确认组件协同工作、凭证有效且延迟可接受。
由于 LLM 响应是非确定性的，集成测试需要不同于传统软件测试的策略。本指南介绍如何为您的智能体组织、编写和运行集成测试。有关为 LangChain 本身贡献时的通用测试基础设施，请参阅贡献代码。
分离单元测试和集成测试
集成测试速度较慢且需要 API 凭证，因此应与单元测试分开。这样您可以在每次更改时运行快速的单元测试，并将集成测试保留给 CI 或部署前检查。
使用 pytest 标记来标记集成测试：
import pytest
@pytest.mark.integration
def test_agent_with_real_model():
agent = create_agent("claude-sonnet-4-6", tools=[get_weather])
result = agent.invoke({
"messages": [HumanMessage(content="What's the weather in SF?")]
})
assert len(result["messages"]) > 1
[pytest]
markers =
integration: tests that call real LLM APIs
addopts = -m "not integration"
管理 API 密钥
集成测试需要真实的 API 凭证。从环境变量加载它们，以便密钥不进入源代码控制。
使用 conftest.py fixture 来验证所需密钥是否可用：
import os
import pytest
@pytest.fixture(autouse=True)
def check_api_keys():
if not os.environ.get("OPENAI_API_KEY"):
pytest.skip("OPENAI_API_KEY not set")
.env 文件中，并使用 python-dotenv 加载它们：
from dotenv import load_dotenv
load_dotenv()
将 .env 添加到您的 .gitignore 以避免提交凭证。在 CI 中，通过您的提供商的秘密管理（例如 GitHub Actions secrets）注入秘密。
断言结构而非内容
LLM 响应在不同运行之间会变化。不要断言确切的输出字符串，而是验证响应的结构属性：消息类型、工具调用名称、参数形状和消息数量。
def test_agent_calls_weather_tool():
agent = create_agent("claude-sonnet-4-6", tools=[get_weather])
result = agent.invoke({
"messages": [HumanMessage(content="What's the weather in SF?")]
})
messages = result["messages"]
tool_calls = [
tc
for msg in messages
if hasattr(msg, "tool_calls")
for tc in (msg.tool_calls or [])
]
assert any(tc["name"] == "get_weather" for tc in tool_calls)
assert isinstance(messages[-1], AIMessage)
assert len(messages[-1].content) > 0
对于更严格的轨迹断言，请使用 AgentEvals 评估器，它支持模糊匹配模式，如 unordered 和 superset。 降低成本和延迟
调用 LLM API 的集成测试会产生真实成本。一些实践有助于保持测试套件快速且经济实惠：
- 使用更小的模型：对于仅需验证工具调用和响应结构的测试，使用
gemini-3.1-flash-lite-preview 或等效模型。
- 设置
maxTokens：限制响应长度以避免长而昂贵的补全。
- 限制测试范围：每个测试只测试一种行为。当单轮测试足够时，避免链式多个 LLM 调用的端到端场景。
- 选择性运行：使用上述的测试分离，仅在 CI 或部署前运行集成测试，而不是在每次保存文件时运行。
agent = create_agent(
"gemini-3.1-flash-lite-preview",
tools=[get_weather],
model_kwargs={"max_tokens": 256},
)
记录和重放 HTTP 调用
对于在 CI 中频繁运行的测试，您可以在首次运行时记录 HTTP 交互，并在后续运行中重放它们，而无需进行真实的 API 调用。这消除了初始记录后的成本和延迟。
vcrpy 将 HTTP 请求/响应对记录到 YAML “cassette” 文件中。pytest-recording 插件将其与 pytest 集成。
设置您的 conftest.py 以从 cassette 中过滤敏感信息：
import pytest
@pytest.fixture(scope="session")
def vcr_config():
return {
"filter_headers": [
("authorization", "XXXX"),
("x-api-key", "XXXX"),
],
"filter_query_parameters": [
("api_key", "XXXX"),
("key", "XXXX"),
],
}
vcr 标记：
[pytest]
markers =
vcr: record/replay HTTP via VCR
addopts = --record-mode=once
--record-mode=once 选项在首次运行时记录 HTTP 交互，并在后续运行中重放它们。
vcr 标记装饰您的测试：
@pytest.mark.vcr()
def test_agent_trajectory():
agent = create_agent("claude-sonnet-4-6", tools=[get_weather])
result = agent.invoke({
"messages": [HumanMessage(content="What's the weather in SF?")]
})
assert any(
tc["name"] == "get_weather"
for msg in result["messages"]
if hasattr(msg, "tool_calls")
for tc in (msg.tool_calls or [])
)
tests/cassettes/ 中生成 cassette 文件。后续运行会重放记录的响应。
当您修改提示、添加新工具或更改预期轨迹时，您保存的 cassette 将过时，您现有的测试将失败。删除相应的 cassette 文件并重新运行测试以记录新的交互。
下一步
了解如何使用确定性匹配或 LLM 作为法官评估器来评估智能体轨迹，请参阅 Evals。
