Pydantic AI

GenAI Agent 框架，Pydantic 之道

---

文档: ai.pydantic.dev

---

Pydantic AI 是一个 Python Agent 框架，旨在帮助你快速、自信且轻松地构建生产级的生成式 AI 应用和工作流。

FastAPI 通过提供创新且符合工程习惯的设计（建立在 Pydantic Validation 和现代 Python 特性如类型提示的基础上），彻底改变了 Web 开发。

然而，尽管几乎所有的 Python Agent 框架和 LLM 库都在使用 Pydantic Validation，但当我们开始在 Pydantic Logfire 中使用 LLM 时，却找不到任何能带来同样开发体验的框架。

我们构建 Pydantic AI 的目标很简单：将那种 FastAPI 的开发体验带入到 GenAI 应用和 Agent 开发中。

为什么选择 Pydantic AI

1. Pydantic 团队打造： Pydantic Validation 是 OpenAI SDK、Google ADK、Anthropic SDK、LangChain、LlamaIndex、AutoGPT、Transformers、CrewAI、Instructor 等众多工具的验证层。既然可以直接使用原厂产品，又何必使用衍生物呢？ :smiley:

2. 模型无关 (Model-agnostic)： 支持几乎所有 模型 和提供商：OpenAI、Anthropic、Gemini、DeepSeek、Grok、Cohere、Mistral 和 Perplexity；Azure AI Foundry、Amazon Bedrock、Google Vertex AI、Ollama、LiteLLM、Groq、OpenRouter、Together AI、Fireworks AI、Cerebras、Hugging Face、GitHub、Heroku、Vercel、Nebius、OVHcloud、阿里云、SambaNova 和 Outlines。如果你的首选模型或提供商未列出，你可以轻松实现 自定义模型。

3. 无缝可观测性 (Observability)： 与我们通用的 OpenTelemetry 可观测性平台 Pydantic Logfire 紧密 集成，用于实时调试、基于评估的性能监控，以及行为、跟踪和成本分析。如果你已有支持 OTel 的可观测性平台，也可以 直接使用。

4. 完全类型安全 (Type-safe)： 设计旨在为你的 IDE 或 AI 编码助手提供尽可能多的上下文，用于自动补全和 类型检查，将各类错误从运行时转移到编写时，获得类似 Rust 那种“只要编译通过就能运行”的掌控感。

5. 强大的评估系统 (Evals)： 使你能够系统地测试和 评估 所构建 Agent 系统的性能和准确性，并在 Pydantic Logfire 中持续监控其性能。

6. 原生支持可扩展性： 通过可组合的 能力 (capabilities) 构建 Agent，将工具、钩子 (hooks)、指令和模型设置打包成可重用单元。使用内置的 网络搜索、思考 (thinking) 和 MCP 能力，或者自行构建，也可以安装 第三方能力包。完全使用 YAML/JSON 定义 Agent —— 无需编写代码。

7. MCP, A2A 和 UI： 集成了 Model Context Protocol、Agent2Agent 以及各种 UI 事件流 标准，使你的 Agent 能够访问外部工具和数据，与其他 Agent 互操作，并通过基于事件流的通信构建交互式应用。

8. 人工参与的工具审批 (Human-in-the-Loop)： 可以轻松标记某些工具调用在执行前 需要审批，审批逻辑可根据工具调用参数、对话历史或用户偏好进行定制。

9. 持久化执行 (Durable Execution)： 支持构建 持久化 Agent，它们可以在瞬时的 API 故障、应用错误或重启中保持进度，并处理长时运行的、异步的和涉及人工参与的工作流，确保生产级的可靠性。

10. 流式输出： 提供持续 流式传输 结构化输出的能力，并伴随实时验证，确保能立即获取生成的生成数据。

11. 图 (Graph) 支持： 提供了一种使用类型提示定义 图 的强大方式，适用于复杂的应用场景，避免标准控制流演变成杂乱的“面条代码”。

实际上，再多的列表也不如 亲自尝试 一下所带来的直观感受！

Hello World 示例

（此处插入示例代码）