MockAgent：为LangChain智能体测试打造的工具模拟网关

构建多步骤 AI 智能体工作流时，本地测试环节往往比想象中更棘手。一位开发者在 Reddit 上分享了自己的解决方案 MockAgent——一个专为 LangChain 智能体设计的轻量级工具模拟与 Schema 校验网关，试图解决 Agent 开发过程中最令人头疼的两类问题。

Agent 开发中的两大痛点

在使用 LangGraph 和自定义 tool 函数搭建智能体链路时，开发者反复遭遇两个问题。

第一个是 Schema 漂移与损坏的 Payload。一个典型场景是：前四步执行顺畅，但到了第五步，LLM 突然“幻觉”出一个不存在的字段，或者把整数 50 以字符串 "50" 的形式传了出去。真实 API 此时只会丢回一个笼统的 400 Bad Request，结果智能体要么直接崩溃，要么陷入无限重试循环。对于依赖 LLM 非确定性输出的工作流来说，这种错误既隐蔽又高频。

第二个是 额度浪费与 Staging 环境污染。在做 prompt 调优时，每次迭代都要真实调用 Stripe、GitHub 或数据库等线上服务。LLM 每重试一次失败的调用，不仅烧掉宝贵的 API 额度，还可能反复写脏 staging 数据，让测试环境变得不可信。

作者指出，Postman、WireMock 这类传统 mock 工具并不擅长处理 LLM 这种非确定性的工具调用，因此需要一个更贴合 Agent 场景的中间层。

MockAgent 是怎么工作的

MockAgent 的定位很明确：在开发阶段，它作为一个网关坐落在你的 LangChain 智能体与外部服务之间，拦截并处理所有工具调用。

虚拟 Mock 工具

开发者只需提供预期的 JSON Schema，几秒钟就能配置出一个 mock 端点。随后把智能体中 tool 的 HTTP 请求指向 MockAgent，即可在完全隔离真实服务的情况下跑通整条链路。

实时 Schema 校验

这是 MockAgent 区别于普通 mock 服务的核心。它基于 AJV（Another JSON Schema Validator）对每一次传入的 payload 做实时校验，确认合法后才返回预设的 mock JSON 响应。这意味着智能体在拿到“成功”响应之前，必须先满足 Schema 约束。

AJV（Another JSON Validator）是目前 JavaScript 生态中性能最高、使用最广泛的 JSON Schema 校验库，支持 JSON Schema Draft-04 至 Draft-2020-12 及 JSON Type Definition 等多种规范。它通过将 Schema 预编译为优化后的 JavaScript 函数来实现极低的校验延迟，因此特别适合需要对每一次请求做同步校验的网关场景。在 MockAgent 的语境下，AJV 充当的角色类似于类型系统的运行时守卫：即便 LLM 输出的 JSON 在语法上合法，只要字段类型、枚举值或必填项不符合预定义的 Schema，AJV 就会精确报告违规位置，而不是返回一个让调试者无从下手的泛型错误。

自我纠错反馈

当 LLM 传入非法 payload 时，MockAgent 不会给出模糊的错误，而是返回结构化的 400，并附带明确的校验错误路径——例如 Expected int at root.amount, got string。这种精确的错误定位有一个关键用途：测试你的 Agent prompt 是否真的具备读取错误并自我纠正的能力。对于追求鲁棒性的智能体设计，这正是最值得验证的一环。

轨迹日志

配套的可视化面板会追踪工具调用历史、Schema 违规率以及延迟等指标，帮助开发者直观地看到智能体在整条链路上的行为模式和薄弱环节。

技术栈与开放性

据作者介绍，MockAgent 基于 Next.js 14 与 Supabase 构建，目前完全免费测试。作者在帖子末尾主动向 LangChain 社区征集反馈，特别想知道哪些边界场景（edge cases）或自定义断言（custom assertions）能让这款工具在 Agent 测试流水线中更实用。

为什么这类工具开始变得重要

随着智能体工作流从简单的单次调用演进到多步骤、多工具的复杂编排，测试的确定性成了绕不开的难题。LLM 输出的不可预测性，使得传统软件测试中“输入确定、输出确定”的假设不再成立。

MockAgent 的思路——用 Schema 校验强制约束工具调用的输入，并把错误信息反馈回智能体以驱动自我纠错——实际上把“契约测试”的理念引入了 Agent 开发领域。它既保护了线上额度和测试数据，又把 prompt 调优变成了一个可观测、可复现的过程。

当然，作为一款仍在征集反馈的早期工具，它的实战表现还有待更多 LangChain 开发者验证。但它所瞄准的问题——Agent 本地测试的隔离性与可靠性——确实是当前生态中一块普遍存在的空白。对于正在搭建生产级智能体工作流的团队来说，这类网关工具值得保持关注。

契约测试（Contract Testing）源自微服务领域，核心思想是服务的消费方（Consumer）与提供方（Provider）通过一份共同认可的"契约"来解耦——消费方只需验证自己发出的请求符合契约，提供方只需验证自己能够处理契约中描述的请求，双方无需同时在线即可独立测试。Pact 是该领域最具代表性的开源框架。将这一理念迁移到 Agent 开发中意义重大：LLM 扮演"消费方"，外部工具 API 扮演"提供方"，JSON Schema 即为双方的契约。MockAgent 所做的，本质上是在每次工具调用时自动执行消费方侧的契约验证，从而在开发阶段就捕获 LLM 与 API 之间的接口不兼容问题，而非等到生产环境才暴露。