Pydantic AI

将 pydantic 的类型系统直接嵌入 Agent 运行时的框架。类型不只是校验输出——类型定义了 Agent 能做什么、怎么做、产出什么。

核心定位

Pydantic AI 不是 LangChain 的竞品——LangChain 用链式调用组织工作流，Pydantic AI 用类型系统约束 Agent 的工具选择和输出格式。

也不是 Instructor 的竞品——Instructor 解决单次 LLM 结构化输出，Pydantic AI 把这件事内置到多步 Agent 框架里。

关键能力

@agent.tool：从函数签名和返回类型自动推断 tool schema——无需手写 JSON Schema
result.data：类型安全，IDE 补全可用，不需要手动 model_validate
多步 Agent：支持多次推理 + 多次 tool 调用
instrument=True：自动接 logfire trace，全链路可观测
事前约束：类型的角色从"报错器"变为"编译器"——在运行时之前就约束了行为空间

vs Instructor

能力	Instructor	Pydantic AI
LLM → Pydantic 对象	✅	✅
Tool 调用自动 schema	❌	✅
多步 Agent	❌	✅
全链路 trace	❌	✅

规则：单次 LLM 结构化输出 → Instructor。多步推理 + 多 tool 调用的 Agent → Pydantic AI。

示例

agent = Agent('openai:gpt-4o', result_type=OutfitSuggestion, instrument=True)

@agent.tool
async def get_weather(city: str) -> WeatherInfo: ...

result = await agent.run("深圳今天穿什么")
# result.data 类型安全，IDE 补全可用

1.9 KiB Raw Blame History Unescape Escape

Pydantic AI

核心定位

关键能力

vs Instructor

示例

参考

1.9 KiB

Raw Blame History