使用标准测试

标准测试确保您的集成按预期工作。

无论是为自己创建自定义类，还是为了在 LangChain 集成中发布，都必须添加测试以确保其按预期工作。LangChain 为每种集成类型都提供了一套全面的 测试套件。本指南将介绍如何将 LangChain 的标准测试套件添加到每种集成类型中。

设置

首先，安装所需的依赖项：

langchain-core

定义我们想要导入的接口，用于定义我们的自定义组件

langchain-tests

提供运行标准测试所需的测试和 pytest 插件

由于 langchain-tests 新版本中新增的测试可能会破坏您的 CI/CD 流水线，我们建议将 langchain-tests 锁定到最新版本，以避免意外变更。

pip

pip install -U langchain-core
pip install -U langchain-tests

langchain-tests 包中有 2 个命名空间：

Unit tests

位置：langchain_tests.unit_tests

设计用于独立测试组件，且无法访问外部服务

查看 API 参考

Integration tests

Location: langchain_tests.integration_tests

旨在测试能够访问外部服务的组件（特别是该组件设计用于与之交互的外部服务）

查看 API 参考

两种类型的测试都实现为 pytest 基于类的测试套件。

实现标准测试

根据您的集成类型，您需要实现单元测试和集成测试中的其中之一或两者。

通过继承您的集成类型的标准测试套件，您将获得该类型的全套标准测试。要使测试运行成功，只有当模型支持正在测试的能力时，某个测试才应该通过。否则，应该跳过该测试。

因为不同的集成提供独特的功能集，LangChain 提供的大多数标准测试默认是选择性加入的，以防止误报。因此，你需要覆盖属性来指明你的集成支持哪些功能 - 请看下面的示例以作说明。

tests/integration_tests/test_standard.py

# Indicate that a chat model supports image inputs

class TestChatParrotLinkStandard(ChatModelIntegrationTests):
    # ... other required properties

    @property
    def supports_image_inputs(self) -> bool:
        return True  # (The default is False)

您应该将测试组织在软件包根目录下的这些子目录中：

• tests/unit_tests 用于单元测试
• tests/integration_tests 用于集成测试

要查看可配置功能及其默认值的完整列表，请访问标准测试的 API 参考。

以下是一些流行集成中标准测试的示例实现：

Unit tests

ChatOpenAI

Unit tests

ChatAnthropic

Unit tests

ChatGenAI

Unit tests

Integration tests

ChatOpenAI

Integration tests

ChatAnthropic

Integration tests

ChatGenAI

Integration tests

---

运行测试

如果从模板引导创建集成，会提供一个 Makefile，其中包含运行单元测试和集成测试的目标：

make test
make integration_test

否则，如果你遵循推荐的目录结构，你可以使用以下方式运行测试：

# Run all tests
uv run --group test pytest tests/unit_tests/
uv run --group test --group test_integration pytest -n auto tests/integration_tests/

# For certain unit tests, you may need to set certain flags and environment variables:
TIKTOKEN_CACHE_DIR=tiktoken_cache uv run --group test pytest --disable-socket --allow-unix-socket tests/unit_tests/

# Run a specific test file
uv run --group test pytest tests/integration_tests/test_chat_models.py

# Run a specific test function in a file
uv run --group test pytest tests/integration_tests/test_chat_models.py::test_chat_completions

# Run a specific test function within a class
uv run --group test pytest tests/integration_tests/test_chat_models.py::TestChatParrotLinkIntegration::test_chat_completions

故障排除

要查看可用的标准测试套件完整列表、其中包含的测试信息以及常见问题的排查方法，请参阅 标准测试 API 参考。

LangGraph.js

LangGraph.js 是一个用于构建有状态、多智能体应用程序的库，专为 JavaScript/TypeScript 设计。它通过将步骤构建为图中的边和节点，扩展了 LangChain 表达式语言，从而实现卓越的编排和持久化能力。

核心概念

LangGraph.js 的设计旨在简化创建智能体和链的过程，这些智能体和链可以：

• 跨调用保持状态：在多次运行之间保存上下文。
• 支持并发执行：并行运行多个步骤以提高效率。
• 可控的循环：实现复杂的循环逻辑，包括条件分支。
• 优先处理人机协作：轻松集成人工批准和反馈循环。

主要特性

有状态图

LangGraph.js 的核心是 StateGraph 类，它允许你定义一个图，该图维护一个共享状态对象，并在图的每个节点之间传递。

import { StateGraph } from "@langchain/langgraph";

// 定义图的状态
interface AgentState {
  messages: BaseMessage[];
}

// 创建一个有状态图
const workflow = new StateGraph(AgentState);

持久化

LangGraph.js 内置了检查点功能，允许你保存和恢复图的状态。这对于创建能够中断和恢复的长期运行智能体至关重要。

import { MemorySaver } from "@langchain/langgraph";

// 创建一个内存检查点保存器
const memory = new MemorySaver();

// 将检查点保存器附加到图
const app = workflow.compile({ checkpointer: memory });

人机协作模式

LangGraph.js 提供了内置支持，用于创建需要人工输入的智能体。你可以轻松地暂停图的执行，等待人工批准，然后继续。

// 在图中添加一个等待人工输入的节点
workflow.addNode("human_approval", humanApprovalNode);

// 设置条件边，在需要时暂停
workflow.addConditionalEdges(
  "agent",
  shouldContinue,
  {
    continue: "action",
    human: "human_approval",
  }
);

快速开始

安装

npm install @langchain/langgraph

基本示例

这是一个创建简单智能体的示例，该智能体使用工具来回答问题。

pip

    pip install -U langchain-core
    pip install -U langchain-tests

架构

LangGraph.js 构建于 LangChain.js 之上，但可以独立使用。它提供了一个声明式的 API，用于定义图结构，并处理执行、状态管理和持久化的复杂性。

组件

• 图：定义工作流的结构。
• 节点：代表工作流中的单个步骤或函数。
• 边：定义节点之间的转换逻辑。
• 状态：在图的执行过程中维护和传递的数据。

执行流程

1. 使用初始状态调用图。
2. 当前节点处理状态并返回更新后的状态。
3. 根据边逻辑确定下一个节点。
4. 重复此过程，直到达到终止条件。

高级用法

时间旅行

使用检查点，你可以“时间旅行”到图的任何先前状态，并从那里分支出新的执行路径。

// 获取过去的配置
const pastConfig = { configurable: { thread_id: "1" } };

// 获取特定时间点的状态
const pastState = await app.getState(pastConfig, { step: -1 });

// 从该状态分支出新的执行
const result = await app.invoke(null, pastConfig);

流式处理

LangGraph.js 支持流式处理，允许你实时观察图的执行过程。

const stream = await app.stream(initialState);

for await (const chunk of stream) {
  console.log(chunk);
}

与 LangSmith 集成

LangGraph.js 与 LangSmith 无缝集成，提供可视化、调试和监控你的智能体工作流的能力。

import { Client } from "langsmith";

// LangSmith 会自动检测环境变量
// LANGCHAIN_TRACING_V2=true
// LANGCHAIN_API_KEY="your-api-key"

更多资源

• LangGraph.js 文档
• LangGraph.js API 参考
• 示例
• LangGraph.js Discord 社区

贡献

我们欢迎社区贡献！请查看我们的 贡献指南 了解如何开始。

许可证

LangGraph.js 使用 MIT 许可证。详情请参阅 LICENSE 文件。

Edit the source of this page on GitHub.

Connect these docs programmatically to Claude, VSCode, and more via MCP for real-time answers.