langchain-ci-integration
LangChainのCI/CD統合をGitHub Actionsとテスト機能で設定します。自動テストの構築、CIパイプラインの設定、またはLangChainテストをビルドプロセスに組み込む際に使用してください。「langchain CI」「langchain GitHub Actions」「langchain automated tests」「CI langchain」「langchain pipeline」といった表現で実行できます。
description の原文を見る
Configure LangChain CI/CD integration with GitHub Actions and testing. Use when setting up automated testing, configuring CI pipelines, or integrating LangChain tests into your build process. Trigger with phrases like "langchain CI", "langchain GitHub Actions", "langchain automated tests", "CI langchain", "langchain pipeline".
SKILL.md 本文
LangChain CI インテグレーション
概要
LangChain アプリケーション向けの包括的な CI/CD パイプラインをテスト、リント、デプロイメント自動化で構成します。
前提条件
- Actions が有効な GitHub リポジトリ
- テストスイートを備えた LangChain アプリケーション
- テスト用の API キー (GitHub Secrets として保存)
手順
ステップ 1: GitHub Actions ワークフローを作成
# .github/workflows/langchain-ci.yml
name: LangChain CI
on:
push:
branches: [main, develop]
pull_request:
branches: [main]
env:
PYTHON_VERSION: "3.11"
jobs:
lint:
runs-on: ubuntu-latest
steps:
- uses: actions/checkout@v4
- name: Set up Python
uses: actions/setup-python@v5
with:
python-version: ${{ env.PYTHON_VERSION }}
- name: Install dependencies
run: |
pip install ruff mypy
- name: Lint with Ruff
run: ruff check .
- name: Type check with mypy
run: mypy src/
test-unit:
runs-on: ubuntu-latest
steps:
- uses: actions/checkout@v4
- name: Set up Python
uses: actions/setup-python@v5
with:
python-version: ${{ env.PYTHON_VERSION }}
- name: Install dependencies
run: |
pip install -e ".[dev]"
- name: Run unit tests
run: |
pytest tests/unit -v --cov=src --cov-report=xml
- name: Upload coverage
uses: codecov/codecov-action@v4
with:
files: coverage.xml
test-integration:
runs-on: ubuntu-latest
needs: [lint, test-unit]
# Only run on main branch or manual trigger
if: github.ref == 'refs/heads/main' || github.event_name == 'workflow_dispatch'
steps:
- uses: actions/checkout@v4
- name: Set up Python
uses: actions/setup-python@v5
with:
python-version: ${{ env.PYTHON_VERSION }}
- name: Install dependencies
run: |
pip install -e ".[dev]"
- name: Run integration tests
env:
OPENAI_API_KEY: ${{ secrets.OPENAI_API_KEY }}
run: |
pytest tests/integration -v -m integration
ステップ 2: テストマーカーを設定
# pyproject.toml
[tool.pytest.ini_options]
markers = [
"unit: Unit tests (no external API calls)",
"integration: Integration tests (requires API keys)",
"slow: Slow tests (skip in fast mode)",
]
asyncio_mode = "auto"
testpaths = ["tests"]
ステップ 3: モックフィクスチャを作成
# tests/conftest.py
import pytest
from unittest.mock import MagicMock, AsyncMock
from langchain_core.messages import AIMessage
@pytest.fixture
def mock_llm():
"""Mock LLM for unit tests."""
mock = MagicMock()
mock.invoke.return_value = AIMessage(content="Mock response")
mock.ainvoke = AsyncMock(return_value=AIMessage(content="Mock response"))
return mock
@pytest.fixture
def mock_chain(mock_llm):
"""Mock chain for testing."""
from langchain_core.prompts import ChatPromptTemplate
from langchain_core.output_parsers import StrOutputParser
prompt = ChatPromptTemplate.from_template("{input}")
return prompt | mock_llm | StrOutputParser()
ステップ 4: Pre-commit フックを追加
# .pre-commit-config.yaml
repos:
- repo: https://github.com/astral-sh/ruff-pre-commit
rev: v0.1.6
hooks:
- id: ruff
args: [--fix]
- id: ruff-format
- repo: https://github.com/pre-commit/mirrors-mypy
rev: v1.7.1
hooks:
- id: mypy
additional_dependencies:
- langchain-core
- pydantic
ステップ 5: デプロイメントステージを追加
# .github/workflows/langchain-ci.yml に追加
deploy:
runs-on: ubuntu-latest
needs: [test-integration]
if: github.ref == 'refs/heads/main'
environment: production
steps:
- uses: actions/checkout@v4
- name: Deploy to Cloud Run
uses: google-github-actions/deploy-cloudrun@v2
with:
service: langchain-api
source: .
env_vars: |
LANGCHAIN_PROJECT=production
出力
- リント、テスト、デプロイステージを含む GitHub Actions ワークフロー
- マーカー付きの pytest 設定
- ユニットテスト用のモックフィクスチャ
- コード品質向上のための pre-commit フック
例
ローカルでテストを実行
# ユニットテストのみ実行(高速)
pytest tests/unit -v
# カバレッジ付きで実行
pytest tests/unit --cov=src --cov-report=html
# インテグレーションテストを実行(API キーが必要)
OPENAI_API_KEY=sk-... pytest tests/integration -v -m integration
# 遅いテストをスキップ
pytest tests/ -v -m "not slow"
インテグレーションテストの例
# tests/integration/test_chain.py
import pytest
from langchain_openai import ChatOpenAI
from langchain_core.prompts import ChatPromptTemplate
@pytest.mark.integration
def test_real_chain_invocation():
"""Test with real LLM (requires API key)."""
llm = ChatOpenAI(model="gpt-4o-mini", temperature=0)
prompt = ChatPromptTemplate.from_template("Say exactly: {word}")
chain = prompt | llm
result = chain.invoke({"word": "hello"})
assert "hello" in result.content.lower()
エラーハンドリング
| エラー | 原因 | 解決策 |
|---|---|---|
| Secret Not Found | GitHub シークレットが見つからない | リポジトリシークレットに OPENAI_API_KEY を追加 |
| Rate Limit in CI | API 呼び出しが多すぎる | ユニットテストではモックを使用、インテグレーションテストを制限 |
| Timeout | テストが遅い | タイムアウトマーカーを追加、テストを並列化 |
| Import Error | 開発依存関係がない | .[dev] エキストラが確実にインストールされているか確認 |
リソース
次のステップ
デプロイメント設定については、langchain-deploy-integration に進んでください。
ライセンス: MIT(寛容ライセンスのため全文を引用しています) · 原本リポジトリ
詳細情報
- 作者
- Brmbobo
- リポジトリ
- Brmbobo/Web2podcast
- ライセンス
- MIT
- 最終更新
- 2026/1/26
Source: https://github.com/Brmbobo/Web2podcast / ライセンス: MIT
関連スキル
agent-browser
AI エージェント向けのブラウザ自動化 CLI です。ウェブサイトとの対話が必要な場合に使用します。ページ遷移、フォーム入力、ボタンクリック、スクリーンショット取得、データ抽出、ウェブアプリのテスト、ブラウザ操作の自動化など、あらゆるブラウザタスクに対応できます。「ウェブサイトを開く」「フォームに記入する」「ボタンをクリックする」「スクリーンショットを取得する」「ページからデータを抽出する」「このウェブアプリをテストする」「サイトにログインする」「ブラウザ操作を自動化する」といった要求や、プログラマティックなウェブ操作が必要なタスクで起動します。
anyskill
AnySkill — あなたのプライベート・スキルクラウド。GitHubを基盤としたリポジトリからエージェントスキルを管理、同期、動的にロードできます。自然言語でクラウドスキルを検索し、オンデマンドでプロンプトを自動ロード、カスタムスキルのアップロードと共有、スキルバンドルの一括インストールが可能です。OpenClaw、Antigravity、Claude Code、Cursorに対応しています。
engram
AIエージェント向けの永続的なメモリシステムです。バグ修正、意思決定、発見、設定変更の後はmem_saveを使用してください。ユーザーが「覚えている」「記憶している」と言及した場合、または以前のセッションと重複する作業を開始する際はmem_searchを使用します。セッション終了前にmem_session_summaryを使用して、コンテキストを保持してください。
skyvern
AI駆動のブラウザ自動化により、任意のウェブサイトを自動化できます。フォーム入力、データ抽出、ファイルダウンロード、ログイン、複数ステップのワークフロー実行など、ユーザーがウェブサイトと連携する必要があるときに使用します。Skyvernは、LLMとコンピュータビジョンを活用して、未知のサイトも自動操作可能です。Python SDK、TypeScript SDK、REST API、MCPサーバー、またはCLIを通じて統合できます。
pinchbench
PinchBenchベンチマークを実行して、OpenClawエージェントの実世界タスクにおけるパフォーマンスを評価できます。モデルの機能テスト、モデル間の比較、ベンチマーク結果のリーダーボード提出、またはOpenClawのセットアップがカレンダー、メール、リサーチ、コーディング、複数ステップのワークフローにどの程度対応しているかを確認する際に使用します。
openui
OpenUIとOpenUI Langを使用してジェネレーティブUIアプリを構築できます。これらはLLM生成インターフェースのためのトークン効率的なオープン標準です。OpenUI、@openuidev、ジェネレーティブUI、LLMからのストリーミングUI、AI向けコンポーネントライブラリ、またはjson-render/A2UIの置き換えについて述べる際に使用します。スキャフォルディング、defineComponent、システムプロンプト、Renderer、およびOpenUI Lang出力のデバッグに対応しています。