在开发依赖 Anthropic Claude 系列模型（如claude-mythos-5、claude-fable-5、claude-opus-5）的应用程序时，单元测试的编写往往面临两大挑战：一是需要真实的 API 密钥和网络连接，二是真实调用会产生费用和延迟。为了解决这些问题，我们可以设计一个 Mock 测试类，它完全模拟官方 Python SDK 的调用接口，使得测试代码与生产代码保持一致，同时无需任何外部依赖。
本文详细介绍了MockAnthropic类的设计与应用，它提供了一个与官方 Anthropic Python SDK 完全兼容的模拟客户端，支持多模态输入（图片、文档）和所有常见调用模式。通过使用该 Mock 类，开发者可以在单元测试中高效地验证代码逻辑，而无需关心网络、密钥或成本问题。未来可根据需要进一步扩展流式响应、异步调用等功能，以满足更复杂的测试需求。
MockAnthropic 类的设计与实现
核心思想是模拟anthropic.Anthropic客户端的行为，特别是client.messages.create方法。我们使用SimpleNamespace构建与官方 SDK 返回结构兼容的对象，使得测试代码可以直接通过message.content[0].text获取文本，而无需任何改动。
完整代码
fromtypesimportSimpleNamespaceclassMockMessages:"""模拟 `client.messages` 对象，支持文本、图片和文档附件。"""SUPPORTED_MODELS={"claude-mythos-5","claude-fable-5","claude-opus-5"}defcreate(self,model,messages,max_tokens=1024,system=None,**kwargs):""" 模拟 `client.messages.create` 调用，支持文本、图片和文档输入。 参数与官方 SDK 一致： - model: 模型名称 - messages: 消息列表，content 可以是字符串或块列表（文本、图片、文档等） - max_tokens: 最大生成 token 数 - system: 系统提示词（可选） - **kwargs: 其他参数（忽略） 返回模拟的 Message 对象，结构与官方 SDK 返回一致。 """ifmodelnotinself.SUPPORTED_MODELS:raiseValueError(f"Unsupported model:{model}. Supported models:{self.SUPPORTED_MODELS}")# 提取最后一条用户消息的内容，支持字符串和块列表user_text=""media_info=[]# 存储图片和文档信息formsginreversed(messages):ifmsg.get("role")=="user":content=msg.get("content","")ifisinstance(content,str):user_text=contentelifisinstance(content,list):text_parts=[]forblockincontent:block_type=block.get("type")ifblock_type=="text":text_parts.append(block.get("text",""))elifblock_typein("image","document"):source=block.get("source",{})source_type=source.get("type","unknown")media_type=source.get("media_type","unknown")ifblock_type=="image":ifsource_type=="base64":data=source.get("data","")media_info.append(f"[Image:{media_type}, base64 data length:{len(data)}]")elifsource_type=="url":url=source.get("url","")media_info.append(f"[Image URL:{url}, type:{media_type}]")else:media_info.append(f"[Image:{media_type}, source type:{source_type}]")elifblock_type=="document":filename=block.get("filename","unnamed")ifsource_type=="base64":data=source.get("data","")media_info.append(f"[Document:{filename},{media_type}, base64 data length:{len(data)}]")elifsource_type=="url":url=source.get("url","")media_info.append(f"[Document URL:{filename},{url}, type:{media_type}]")else:media_info.append(f"[Document:{filename},{media_type}, source type:{source_type}]")user_text=" ".join(text_parts)break# 构造模拟回复文本system_prefix=f"[System:{system}] "ifsystemelse""media_prefix=" ".join(media_info)+" "ifmedia_infoelse""response_text=f"{system_prefix}{media_prefix}Mock response from{model}. You said:{user_text}"# 根据 max_tokens 粗略截断（每 token 按 4 字符估算）ifmax_tokensisnotNoneandmax_tokens>0:response_text=response_text[:max_tokens*4]# 构建模拟的 Message 对象（与官方 SDK 返回结构兼容）mock_content_block=SimpleNamespace(type="text",text=response_text)mock_usage=SimpleNamespace(input_tokens=len(user_text.split())+(len(system.split())ifsystemelse0),output_tokens=len(response_text.split()))mock_message=SimpleNamespace(id="msg_mock_12345",type="message",role="assistant",content=[mock_content_block],model=model,stop_reason="end_turn",stop_sequence=None,usage=mock_usage)returnmock_messageclassMockAnthropic:""" 模拟 Anthropic 官方客户端，用法与 `anthropic.Anthropic` 完全一致，支持多模态与文档附件。 """def__init__(self,api_key=None,**kwargs):# 可接受 api_key 等参数，但全部忽略self.messages=MockMessages()关键设计说明
- 接口一致性：
MockAnthropic类暴露messages属性，其类型为MockMessages，提供create方法，与官方client.messages.create签名一致。 - 消息解析：
create方法遍历消息列表，提取最后一条用户消息的内容。内容可以是字符串或列表，列表中的块类型支持text、image和document。 - 多模态识别：对于图片和文档块，提取其来源信息（base64 数据长度或 URL）并生成描述性文本，使模拟回复能够反映输入内容。
- 响应构造：使用
SimpleNamespace构造包含content、usage等属性的对象，content是一个列表，包含一个type="text"的块，与真实响应结构一致。 - 错误处理：如果传入不支持的模型名称，会抛出
ValueError，模拟真实 SDK 的行为。 - 可扩展性：若需要支持流式响应或异步调用，可在此基础上添加相应方法。
所有类型的调用语句示例
以下使用MockAnthropic客户端演示各种可能的调用场景，并展示模拟输出结果。
1. 非多模态：纯文本字符串
client=MockAnthropic()message=client.messages.create(model="claude-opus-5",max_tokens=1024,messages=[{"role":"user","content":"Hello, Claude!"}])print(message.content[0].text)输出：
Mock response from claude-opus-5. You said: Hello, Claude!2. 非多模态：文本块列表
message=client.messages.create(model="claude-fable-5",max_tokens=512,messages=[{"role":"user","content":[{"type":"text","text":"Tell me a joke."}]}])print(message.content[0].text)输出：
Mock response from claude-fable-5. You said: Tell me a joke.3. 非多模态：带系统提示词
message=client.messages.create(model="claude-mythos-5",max_tokens=1024,system="You are a helpful assistant.",messages=[{"role":"user","content":"What is AI?"}])print(message.content[0].text)输出：
[System: You are a helpful assistant.] Mock response from claude-mythos-5. You said: What is AI?4. 多模态：文本 + Base64 图片
base64_image="iVBORw0KGgoAAAANSUhEUgAAAAEAAAABCAQAAAC1HAwCAAAAC0lEQVR42mNk+A8AAQUBAScY42YAAAAASUVORK5CYII="message=client.messages.create(model="claude-opus-5",max_tokens=1024,messages=[{"role":"user","content":[{"type":"text","text":"What's in this image?"},{"type":"image","source":{"type":"base64","media_type":"image/png","data":base64_image}}]}])print(message.content[0].text)输出：
[Image: image/png, base64 data length: 68] Mock response from claude-opus-5. You said: What's in this image?5. 多模态：文本 + 图片 URL
message=client.messages.create(model="claude-fable-5",max_tokens=512,messages=[{"role":"user","content":[{"type":"text","text":"Describe this picture."},{"type":"image","source":{"type":"url","url":"https://example.com/image.jpg"}}]}])print(message.content[0].text)输出：
[Image URL: https://example.com/image.jpg, type: unknown] Mock response from claude-fable-5. You said: Describe this picture.6. 多模态：文本 + Base64 文档（PDF）
base64_pdf="JVBERi0xLjQKJcOkw7zDtsOfCjIgMCBvYmoKPDwvTGVuZ3RoIDMgMCBSL0ZpbHRlci9GbGF0ZURlY29kZT4+CnN0cmVhbQp4nGNgYGJgYGAQZBBhYBSLAGQzB8hgsDAwgATRDAxMgUwGKMDAwMDAwsDAxMDAwMDCwMDAwMDwP0gAISYGBgYGBgYG"message=client.messages.create(model="claude-opus-5",max_tokens=2048,messages=[{"role":"user","content":[{"type":"text","text":"Summarize this document."},{"type":"document","source":{"type":"base64","media_type":"application/pdf","data":base64_pdf},"filename":"report.pdf"}]}])print(message.content[0].text)输出：
[Document: report.pdf, application/pdf, base64 data length: 274] Mock response from claude-opus-5. You said: Summarize this document.7. 多模态：文本 + 文档 URL
message=client.messages.create(model="claude-fable-5",max_tokens=1024,messages=[{"role":"user","content":[{"type":"text","text":"Extract key points from this file."},{"type":"document","source":{"type":"url","url":"https://example.com/document.txt"},"filename":"notes.txt"}]}])print(message.content[0].text)输出：
[Document URL: notes.txt, https://example.com/document.txt, type: unknown] Mock response from claude-fable-5. You said: Extract key points from this file.8. 多模态：混合文本、图片和文档
message=client.messages.create(model="claude-opus-5",max_tokens=4096,messages=[{"role":"user","content":[{"type":"text","text":"Analyze the image and the document together."},{"type":"image","source":{"type":"url","url":"https://example.com/chart.png"}},{"type":"document","source":{"type":"base64","media_type":"text/plain","data":"SGVsbG8gV29ybGQ="},"filename":"data.txt"}]}])print(message.content[0].text)输出：
[Image URL: https://example.com/chart.png, type: unknown] [Document: data.txt, text/plain, base64 data length: 16] Mock response from claude-opus-5. You said: Analyze the image and the document together.如何在测试中使用 MockAnthropic
直接实例化
最简单的使用方式是在测试代码中直接创建MockAnthropic实例，并将其传递给被测函数（通过依赖注入或参数传递）。
defask_claude(prompt,client):message=client.messages.create(model="claude-opus-5",max_tokens=1024,messages=[{"role":"user","content":prompt}])returnmessage.content[0].text# 测试代码deftest_ask_claude():mock_client=MockAnthropic()result=ask_claude("Hello",mock_client)assert"Mock response"inresult使用 unittest.mock.patch 替换
如果不希望修改生产代码的客户端创建逻辑，可以使用patch将anthropic.Anthropic替换为MockAnthropic。
fromunittest.mockimportpatchimportanthropicdefask_claude(prompt):client=anthropic.Anthropic()message=client.messages.create(model="claude-opus-5",max_tokens=1024,messages=[{"role":"user","content":prompt}])returnmessage.content[0].textdeftest_ask_claude_with_patch():withpatch('anthropic.Anthropic',MockAnthropic):result=ask_claude("Hello")assert"Mock response"inresult通过这种方式，测试代码与生产代码保持完全一致，只需在测试环境中替换客户端类即可。
优点与局限性
优点
- 零外部依赖：无需网络、API 密钥或真实服务，测试可离线运行。
- 接口完全兼容：调用语法与官方 SDK 相同，降低学习成本，且测试代码可直接迁移到生产。
- 支持多模态：能够处理图片和文档附件，覆盖更多真实场景。
- 灵活可定制：可以根据需要调整模拟回复的内容或行为（例如模拟错误、特定输出等）。
局限性
- 模拟响应不够真实：返回的文本是模板化的，无法验证业务逻辑对实际模型输出多样性的处理。
- 缺少高级功能：尚未实现流式响应、异步调用、工具调用（Tool Use）等高级特性（但可扩展）。
- token 估算粗略：模拟的 token 计数基于简单的字符/单词估算，可能与真实 SDK 不一致。
