使用 Pytest/Vitest 和 LangSmith 测试 ReAct 智能体

pip install -U langgraph langchain[openai] langchain-community e2b-code-interpreter

yarn add @langchain/openai @langchain/community @langchain/langgraph @langchain/core @e2b/code-interpreter @polygon.io/client-js openai zod

# 确保您的 langsmith 版本 >= 0.3.1
pip install -U "langsmith[pytest]"

yarn add -D langsmith vitest

yarn add -D langsmith jest

from langchain_community.tools import TavilySearchResults
from e2b_code_interpreter import Sandbox
from langchain_community.tools.polygon.aggregates import PolygonAggregates
from langchain_community.utilities.polygon import PolygonAPIWrapper
from typing_extensions import Annotated, TypedDict, Optional, Literal

# 定义搜索工具
search_tool = TavilySearchResults(
  max_results=5,
  include_raw_content=True,
)

# 定义代码工具
def code_tool(code: str) -> str:
  """执行 Python 代码并返回结果。"""
  sbx = Sandbox()
  execution = sbx.run_code(code)

  if execution.error:
      return f"错误：{execution.error}"
  return f"结果：{execution.results}，日志：{execution.logs}"

# 定义股票代码工具输入模式
class TickerToolInput(TypedDict):
  """股票代码工具的输入格式。
    该工具将拉取从 from_date 到 to_date 的聚合数据块（timespan_multiplier * timespan）
  """
  ticker: Annotated[str, ..., "股票的代码符号"]
  timespan: Annotated[Literal["minute", "hour", "day", "week", "month", "quarter", "year"], ..., "时间窗口的大小。"]
  timespan_multiplier: Annotated[int, ..., "时间窗口的乘数"]
  from_date: Annotated[str, ..., "开始拉取数据的日期，格式为 YYYY-MM-DD - 仅包含年月日"]
  to_date: Annotated[str, ..., "停止拉取数据的日期，格式为 YYYY-MM-DD - 仅包含年月日"]

api_wrapper = PolygonAPIWrapper()
polygon_aggregate = PolygonAggregates(api_wrapper=api_wrapper)

# 定义股票代码工具
def ticker_tool(query: TickerToolInput) -> str:
  """拉取股票代码的数据。"""
  return polygon_aggregate.invoke(query)

import { TavilySearchResults } from "@langchain/community/tools/tavily_search";
import { Sandbox } from "@e2b/code-interpreter";
import { tool } from "@langchain/core/tools";
import { z } from "zod";
import { restClient } from "@polygon.io/client-js";

// 定义搜索工具
const searchTool = new TavilySearchResults({
  maxResults: 5,
});

// 定义代码工具
const codeTool = tool(async (input) => {
  const sbx = await Sandbox.create();
  const execution = await sbx.runCode(input.code);
  if (execution.error) {
    return `错误：${execution.error}`;
  }
  return `结果：${execution.results}，日志：${execution.logs}`;
}, {
  name: "code",
  description: "执行 Python 代码并返回结果。",
  schema: z.object({
    code: z.string().describe("要执行的 Python 代码"),
  }),
});

// 定义股票代码工具输入模式
const TickerToolInputSchema = z.object({
  ticker: z.string().describe("股票的代码符号"),
  timespan: z.enum(["minute", "hour", "day", "week", "month", "quarter", "year"]).describe("时间窗口的大小。"),
  timespan_multiplier: z.number().describe("时间窗口的乘数"),
  from_date: z
    .string()
    .describe("开始拉取数据的日期，格式为 YYYY-MM-DD - 仅包含年月日"),
  to_date: z
    .string()
    .describe("停止拉取数据的日期，格式为 YYYY-MM-DD - 仅包含年月日"),
});

const rest = restClient(process.env.POLYGON_API_KEY);

// 定义股票代码工具
const tickerTool = tool(async (query) => {
  const parsed = TickerToolInputSchema.parse(query);
  const result = await rest.stocks.aggregates(
      parsed.ticker,
      parsed.timespan_multiplier,
      parsed.timespan,
      parsed.from_date,
      parsed.to_date
  );
  return JSON.stringify(result);
}, {
  name: "ticker",
  description: "拉取股票代码的数据",
  schema: TickerToolInputSchema,
});

from typing_extensions import Annotated, TypedDict
from langchain.agents import create_agent


class AgentOutputFormat(TypedDict):
    numeric_answer: Annotated[float | None, ..., "数值答案，如果用户要求提供"]
    text_answer: Annotated[str | None, ..., "文本答案，如果用户要求提供"]
    reasoning: Annotated[str, ..., "答案背后的推理过程"]

agent = create_agent(
    model="gpt-4.1-mini",
    tools=[code_tool, search_tool, polygon_aggregates],
    response_format=AgentOutputFormat,
    system_prompt="您是一位金融专家。请准确回应用户的查询",
)

import { z } from "zod";
import { ChatOpenAI } from "@langchain/openai";
import { createReactAgent } from "@langchain/langgraph/prebuilt";

const AgentOutputFormatSchema = z.object({
  numeric_answer: z.number().optional().describe("数值答案，如果用户要求提供"),
  text_answer: z.string().optional().describe("文本答案，如果用户要求提供"),
  reasoning: z.string().describe("答案背后的推理过程"),
})

const tools = [codeTool, searchTool, tickerTool];

const agent = createReactAgent({
  llm: new ChatOpenAI({ model: "gpt-4.1" }),
  tools: tools,
  responseFormat: AgentOutputFormatSchema,
  stateModifier: "您是一位金融专家。请准确回应用户的查询",
});

export default agent;

创建一个 `tests/test_agent.py` 文件。

from app import agent, polygon_aggregates, search_tool # 从定义智能体的任何位置导入
import pytest
from langsmith import testing as t

将您的测试文件命名为 `agent.vitest.eval.ts`

import { expect } from "vitest";
import * as ls from "langsmith/vitest";
import agent from "../agent"; // 从定义智能体的任何位置导入

// 可选，但建议将测试分组在一起
ls.describe("智能体测试", () => {
  // 在此处放置测试
});

将您的测试文件命名为 `agent.jest.eval.ts`

import { expect } from "@jest/globals";
import * as ls from "langsmith/jest";
import agent from "../agent"; // 从定义智能体的任何位置导入

// 可选，但建议将测试分组在一起
ls.describe("智能体测试", () => {
  // 在此处放置测试
});

@pytest.mark.langsmith
@pytest.mark.parametrize(
  # <-- 仍然可以使用所有正常的 pytest 标记
  "query",
  ["你好！", "你怎么样？"],
)
def test_no_tools_on_offtopic_query(query: str) -> None:
  """测试智能体在不相关的查询上不会使用工具。"""
  # 记录测试示例
  t.log_inputs({"query": query})
  expected = []
  t.log_reference_outputs({"tool_calls": expected})
  # 直接调用智能体的模型节点，而不是运行 ReACT 循环。
  result = agent.nodes["agent"].invoke(
      {"messages": [{"role": "user", "content": query}]}
  )
  actual = result["messages"][0].tool_calls
  t.log_outputs({"tool_calls": actual})
  # 检查是否没有进行任何工具调用。
  assert actual == expected

ls.test.each([
  { inputs: { query: "你好！" }, expected: { numMessages: 2 } },
  { inputs: { query: "你怎么样？" }, expected: { numMessages: 2 } },
])(
  "在不相关的查询上不应使用工具：%s",
  async ({ inputs: { query }, expected: { numMessages } }) => {
    const result = await agent.invoke({ messages: [{ role: "user", content: query }] });
    ls.logOutputs(result);

    // 检查流程是否为 人类 -> AI 最终响应（未调用工具）
    expect(result.messages).toHaveLength(numMessages);
  }
);

ls.test.each([
  { inputs: { query: "你好！" }, expected: { numMessages: 2 } },
  { inputs: { query: "你怎么样？" }, expected: { numMessages: 2 } },
])(
  "在不相关的查询上不应使用工具：%s",
  async ({ inputs: { query }, expected: { numMessages } }) => {
    const result = await agent.invoke({ messages: [{ role: "user", content: query }] });
    ls.logOutputs(result);

    // 检查流程是否为 人类 -> AI 最终响应（未调用工具）
    expect(result.messages).toHaveLength(numMessages);
  }
);

@pytest.mark.langsmith
def test_searches_for_correct_ticker() -> None:
  """测试模型在简单查询中是否查找了正确的股票代码。"""
  # 记录测试示例
  query = "苹果的价格是多少？"
  t.log_inputs({"query": query})
  expected = "AAPL"
  t.log_reference_outputs({"ticker": expected})
  # 直接调用智能体的模型节点，而不是运行完整的 ReACT 循环。
  result = agent.nodes["agent"].invoke(
      {"messages": [{"role": "user", "content": query}]}
  )
  tool_calls = result["messages"][0].tool_calls
  if tool_calls[0]["name"] == polygon_aggregates.name:
      actual = tool_calls[0]["args"]["ticker"]
  else:
      actual = None
  t.log_outputs({"ticker": actual})
  # 检查是否查询了正确的股票代码
  assert actual == expected

ls.test(
  "应该搜索正确的股票代码",
  {
    inputs: { query: "苹果的价格是多少？" },
    expected: { numMessages: 4 },
  },
  async ({ inputs: { query }, expected: { numMessages } }) => {
    const result = await agent.invoke({
      messages: [{ role: "user", content: query }],
    });

    ls.logOutputs(result);

    // 智能体应该对股票代码工具进行一次工具调用
    const toolCalls = (result.messages[1] as AIMessage).tool_calls || [];
    const tickerQuery = JSON.parse(toolCalls[0].function.arguments).query.ticker;
    // 检查是否查询了正确的股票代码
    expect(tickerQuery).toBe("AAPL");

    // 检查流程是否为 人类 -> AI -> 工具 -> AI 最终响应
    expect(result.messages).toHaveLength(numMessages);
  }
);

ls.test(
  "应该搜索正确的股票代码",
  {
    inputs: { query: "苹果的价格是多少？" },
    expected: { numMessages: 4 },
  },
  async ({ inputs: { query }, expected: { numMessages } }) => {
    const result = await agent.invoke({
      messages: [{ role: "user", content: query }],
    });

    ls.logOutputs(result);

    // 智能体应该对股票代码工具进行一次工具调用
    const toolCalls = (result.messages[1] as AIMessage).tool_calls || [];
    const tickerQuery = JSON.parse(toolCalls[0].function.arguments).query.ticker;
    // 检查是否查询了正确的股票代码
    expect(tickerQuery).toBe("AAPL");

    // 检查流程是否为 人类 -> AI -> 工具 -> AI 最终响应
    expect(result.messages).toHaveLength(numMessages);
  }
);

@pytest.mark.langsmith
def test_executes_code_when_needed() -> None:
  query = (
      "过去一年中，Facebook 股票上涨了 66.76%，"
      "苹果上涨了 25.24%，谷歌上涨了 37.11%，亚马逊上涨了 47.52%，"
      "Netflix 上涨了 78.31%。FAANG 股票过去一年的平均回报率是多少，"
      "以百分比表示？"
  )
  t.log_inputs({"query": query})
  expected = 50.988
  t.log_reference_outputs({"response": expected})
  # 测试智能体在需要时是否执行代码
  result = agent.invoke({"messages": [{"role": "user", "content": query}]})
  t.log_outputs({"result": result["structured_response"].get("numeric_answer")})
  # 获取 LLM 进行的所有工具调用
  tool_calls = [
      tc["name"]
      for msg in result["messages"]
      for tc in getattr(msg, "tool_calls", [])
  ]
  # 这将记录智能体执行的步骤数，有助于确定智能体得到答案的效率。
  t.log_feedback(key="num_steps", score=len(result["messages"]) - 1)
  # 断言使用了代码工具
  assert "code_tool" in tool_calls
  # 断言提供了数值答案：
  assert result["structured_response"].get("numeric_answer") is not None
  # 断言答案正确
  assert abs(result["structured_response"]["numeric_answer"] - expected) <= 0.01

ls.test(
  "应在需要时执行代码",
  {
    inputs: { query: "2024 年 FAANG 股票的平均回报率是多少？" },
    expected: { answer: 53 },
  },
  async ({ inputs: { query }, expected: { answer } }) => {
    const result = await agent.invoke({
      messages: [{ role: "user", content: query }],
    });

    ls.logOutputs(result);

    // 获取 LLM 进行的所有工具调用
    const toolCalls = result.messages
      .filter(m => (m as AIMessage).tool_calls)
      .flatMap(m => (m as AIMessage).tool_calls?.map(tc => tc.name));
    // 这将记录 LLM 执行的步骤数，我们可以随时间跟踪以衡量性能
    ls.logFeedback({
      key: "num_steps",
      score: result.messages.length - 1, // 第一条消息是用户消息
    });
    // 断言工具调用包含 "code_tool" 函数
    expect(toolCalls).toContain("code_tool");
    // 断言答案与预期答案的差值在 1 以内
    expect(Math.abs(result.structured_response.numeric_answer - answer)).toBeLessThanOrEqual(1);
  }
);

ls.test(
  "应在需要时执行代码",
  {
    inputs: { query: "2024 年 FAANG 股票的平均回报率是多少？" },
    expected: { answer: 53 },
  },
  async ({ inputs: { query }, expected: { answer } }) => {
    const result = await agent.invoke({
      messages: [{ role: "user", content: query }],
    });

    ls.logOutputs(result);
    // 获取 LLM 进行的所有工具调用
    const toolCalls = result.messages
      .filter(m => (m as AIMessage).tool_calls)
      .flatMap(m => (m as AIMessage).tool_calls?.map(tc => tc.name));
    // 这将记录 LLM 执行的步骤数，我们可以随时间跟踪以衡量性能
    ls.logFeedback({
      key: "num_steps",
      score: result.messages.length - 1, // 第一条消息是用户消息
    });
    // 断言工具调用包含 "code_tool" 函数
    expect(toolCalls).toContain("code_tool");
    // 断言答案与预期答案的差值在 1 以内
    expect(Math.abs(result.structured_response.numeric_answer - answer)).toBeLessThanOrEqual(1);
  }
);

from typing_extensions import Annotated, TypedDict
from langchain.chat_models import init_chat_model

class Grade(TypedDict):
  """评估答案在源文档中的 grounded 程度。"""
  score: Annotated[
      bool,
      ...,
      "如果答案完全基于源文档，则返回 True，否则返回 False。",
  ]

judge_llm = init_chat_model("gpt-4.1").with_structured_output(Grade)

@pytest.mark.langsmith
def test_grounded_in_source_info() -> None:
  """测试响应是否基于工具输出。"""
  query = "根据分析师的说法，英伟达股票在 2024 年的表现如何？"
  t.log_inputs({"query": query})
  result = agent.invoke({"messages": [{"role": "user", "content": query}]})
  # 获取 LLM 进行的所有搜索调用
  search_results = "\n\n".join(
      msg.content
      for msg in result["messages"]
      if msg.type == "tool" and msg.name == search_tool.name
  )
  t.log_outputs(
      {
          "response": result["structured_response"].get("text_answer"),
          "search_results": search_results,
      }
  )
  # 将反馈 LLM 的运行与部署运行分开追踪。
  with t.trace_feedback():
      # 给 LLM 评判者的指令
      instructions = (
          "对以下答案进行评分。"
          "答案应完全基于（即由）源文档支持。"
          "如果答案完全基于文档，则返回 True。"
          "如果答案不基于文档，则返回 False。"
      )
      answer_and_docs = (
          f"答案：{result['structured_response'].get('text_answer', '')}\n"
          f"文档：\n{search_results}"
      )
      # 运行评判者 LLM
      grade = judge_llm.invoke(
          [
              {"role": "system", "content": instructions},
              {"role": "user", "content": answer_and_docs},
          ]
      )
      t.log_feedback(key="groundedness", score=grade["score"])
  assert grade['score']

// 此代码放在测试外部 - 它只是一个辅助函数
const judgeLLM = new ChatOpenAI({ model: "gpt-4.1" });
const groundedEvaluator = async (params: {
  answer: string;
  referenceDocuments: string,
}) => {
  // 给 LLM 评判者的指令
  const instructions = [
    "如果答案基于文档，则返回 1",
    "如果答案不基于文档，则返回 0",
  ].join("\n");

  // 运行评判者 LLM
  const grade = await judgeLLM.invoke([
    { role: "system", content: instructions },
    { role: "user", content: `答案：${params.answer}\n文档：${params.referenceDocuments}` },
  ]);
  const score = parseInt(grade.content.toString());
  return { key: "groundedness", score };
};

// 此代码放在测试内部
ls.test(
  "基于源信息",
  {
    inputs: { query: "根据分析师的说法，英伟达股票在 2024 年的表现如何？" },
  },
  async ({ inputs: { query } }) => {
    const result = await agent.invoke({
      messages: [{ role: "user", content: query }],
    });
    const wrappedEvaluator = ls.wrapEvaluator(groundedEvaluator);
    await wrappedEvaluator({
      answer: result.structuredResponse.text_answer ?? "",
      referenceDocuments: result.structuredResponse.reasoning,
    })
    ls.logOutputs(result);
  }
);

// 此代码放在测试外部 - 它只是一个辅助函数
const judgeLLM = new ChatOpenAI({ model: "gpt-4.1" });
const groundedEvaluator = async (params: {
  answer: string;
  referenceDocuments: string,
}) => {
  // 给 LLM 评判者的指令
  const instructions = [
    "如果答案基于文档，则返回 1",
    "如果答案不基于文档，则返回 0",
  ].join("\n");

  // 运行评判者 LLM
  const grade = await judgeLLM.invoke([
    { role: "system", content: instructions },
    { role: "user", content: `答案：${params.answer}\n文档：${params.referenceDocuments}` },
  ]);
  const score = parseInt(grade.content.toString());
  return { key: "groundedness", score };
};

// 此代码放在测试内部
ls.test(
  "基于源信息",
  {
    inputs: { query: "根据分析师的说法，英伟达股票在 2024 年的表现如何？" },
  },
  async ({ inputs: { query } }) => {
    const result = await agent.invoke({
      messages: [{ role: "user", content: query }],
    });
    const wrappedEvaluator = ls.wrapEvaluator(groundedEvaluator);
    await wrappedEvaluator({
      answer: result.structuredResponse.text_answer ?? "",
      referenceDocuments: result.structuredResponse.reasoning,
    })
    ls.logOutputs(result);
  }
);

pytest --langsmith-output tests

yarn vitest --config ls.vitest.config.ts

yarn jest --config ls.jest.config.ts