pydantic-ai

# PydanticAI — Python 中的类型化 AI 智能体 ## 概述 PydanticAI 是一个来自 Pydantic 团队的 Python 智能体框架，它将 Pydantic 的类型安全和验证保证引入到基于 LLM 的应用程序中。它支持结构化输出（通过 Pydantic 模型验证）、用于可测试性的依赖注入、流式响应、多轮对话以及工具调用——跨越 OpenAI、Anthropic、Google Gemini、Groq、Mistral 和 Ollama。在构建需要正确性和可测试性的生产级 AI 智能体、聊天机器人或 LLM 流水线时使用此技能。 ## 何时使用此技能 - 当构建调用工具并返回结构化数据的 Python AI 智能体时 - 当需要经过验证的、类型化的 LLM 输出（而非原始字符串）时 - 当你想在不调用真实 LLM 的情况下为智能体逻辑编写单元测试时 - 当需要在不同 LLM 提供商之间切换而无需重写智能体代码时 - 当用户询问 `Agent`、`@agent.tool`、`RunContext`、`ModelRetry` 或 `result_type` 时 ## 工作原理 ### 第 1 步：安装 bash pip install pydantic-ai # 安装特定提供商的扩展 pip install 'pydantic-ai[openai]' # OpenAI / Azure OpenAI pip install 'pydantic-ai[anthropic]' # Anthropic Claude pip install 'pydantic-ai[gemini]' # Google Gemini pip install 'pydantic-ai[groq]' # Groq pip install 'pydantic-ai[vertexai]' # Google Vertex AI ### 第 2 步：最小化智能体 python from pydantic_ai import Agent # 简单智能体 — 返回纯字符串 agent = Agent( 'anthropic:claude-sonnet-4-6', system_prompt='你是一个乐于助人的助手。请保持简洁。', ) result = agent.run_sync('日本的首都是哪里？') print(result.data) # "Tokyo" print(result.usage()) # Usage(requests=1, request_tokens=..., response_tokens=...) ### 第 3 步：使用 Pydantic 模型进行结构化输出 python from pydantic import BaseModel from pydantic_ai import Agent class MovieReview(BaseModel): title: str year: int rating: float # 0.0 到 10.0 summary: str recommended: bool agent = Agent( 'openai:gpt-4o', result_type=MovieReview, system_prompt='你是一位影评人。返回结构化的评论。', ) result = agent.run_sync('评论《盗梦空间》(2010)') review = result.data # 完全类型化的 MovieReview 实例 print(f"{review.title} ({review.year}): {review.rating}/10") print(f"推荐: {review.recommended}") ### 第 4 步：工具使用 使用 `@agent.tool` 注册工具 — LLM 可以在运行期间调用它们