Unit tests для инструментов
и компонентов агента

import pytest

def calculate(expression: str) -> float:
    """Инструмент агента: безопасно вычислить арифметическое выражение."""
    if not expression.strip():
        raise ValueError("empty expression")
    return safe_eval(expression)

# ── нормальный случай ──
def test_calculate_basic():
    assert calculate("2 + 2") == 4
    assert calculate("10 / 4") == 2.5

# ── границы ──
def test_calculate_whitespace():
    assert calculate("  3 * 3  ") == 9

# ── ошибки (обязательно!) ──
def test_calculate_empty_raises():
    with pytest.raises(ValueError):
        calculate("")

def test_calculate_bad_input_raises():
    with pytest.raises(Exception):
        calculate("import os")   # инъекция не должна выполниться

from unittest.mock import patch
import json

def extract_action(llm_output: str) -> dict:
    """Парсер: достать действие из ответа модели, пережив мусор вокруг JSON."""
    start = llm_output.find("{")
    end   = llm_output.rfind("}") + 1
    return json.loads(llm_output[start:end])   # терпим текст до/после JSON

# тестируем ПАРСЕР на разных «ответах модели» — без вызова LLM
def test_parser_clean_json():
    assert extract_action('{"action": "search"}') == {"action": "search"}

def test_parser_json_with_surrounding_text():
    out = 'Хорошо, вот действие: {"action": "search"} — выполняю.'
    assert extract_action(out) == {"action": "search"}

# мок самого агента: подменяем LLM фиксированным ответом
@patch("my_agent.llm_call")
def test_agent_uses_tool_from_llm(mock_llm):
    mock_llm.return_value = '{"action": "search", "query": "погода"}'
    result = run_agent_step("какая погода?")
    assert result.tool == "search"           # проверяем НАШУ логику,
    mock_llm.assert_called_once()            # а не саму модель

АГЕНТ = недетерм. ЯДРО (LLM → оценка/judge) + детерм. ОБВЯЗКА (код → UNIT-тесты)
  не смешивать: judge для смысла · unit для кода · чёткая граница между ними

ЧТО ЮНИТ-ТЕСТИТЬ (обычный код, строгий pass/fail, мс, без токенов):
  инструменты (tools) ← ГЛАВНОЕ: вход→выход + ГРАНИЦЫ + ОШИБКИ
  парсеры выхода LLM (кривой/обрезанный/обёрнутый JSON)
  роутеры/ветвление · форматтеры/промпт-билдеры · state/reducers · валидаторы/гардрейлы

ИНСТРУМЕНТ: тест на успех + тест на границу/ошибку (API 500, пусто, кривые args)
  тестируй ошибки НЕ меньше успеха — на них агент падает в проде

МОК LLM в юнитах (unittest.mock.patch):
  зачем: детерминизм · скорость/0 токенов · контроль сценариев (заставить вернуть мусор)
  мок проверяет ТВОЙ КОД вокруг модели, НЕ качество модели (это judge/e2e)

ПИРАМИДА: много UNIT (LLM замокана) > меньше integration > мало e2e/eval (реальная LLM)
  перевёрнутая пирамида = медленный/дорогой/флапающий CI

ТЕСТИРУЕМОСТЬ = ДИЗАЙН: tools=чистые функции, парсер отдельно от вызова, LLM за интерфейсом
  тяжело писать тест → переработай структуру, не пропускай тест

ГРАБЛИ: реальная LLM в юнитах · только happy path · == для смысла ответа · непокрытые парсеры