PydanticAI

Pydantic AI是什么
Pydantic AI是一个Python代理框架，旨在让开发者更轻松地构建生产级别的生成式人工智能（Generative AI）应用程序。它由Pydantic团队开发，该团队也是Pydantic Validation的创造者，这一验证层被广泛应用于OpenAI SDK、Anthropic SDK、LangChain、LlamaIndex、AutoGPT、Transformers、CrewAI、Instructor等知名项目中。Pydantic AI的设计灵感来自FastAPI，FastAPI通过创新的、符合人体工程学的设计革新了Web开发，而Pydantic AI则希望为生成式AI应用开发带来类似的体验。

Pydantic AI的主要功能包括支持多种主流大语言模型（如OpenAI、Anthropic、Gemini、Deepseek、Ollama、Groq、Cohere和Mistral），并提供了简单的接口以便支持其他模型。它与Pydantic Logfire无缝集成，提供实时调试、性能监控和应用行为跟踪功能，帮助开发者更好地理解和优化他们的AI应用。Pydantic AI的设计强调类型安全，利用Python的类型提示系统，使得开发过程更加可靠和高效。它还支持流式响应，允许开发者连续获取并验证大语言模型的输出，从而实现实时处理。此外，Pydantic AI引入了图支持（Graph Support），通过类型提示定义复杂的处理流程，避免标准控制流可能导致的代码混乱，特别适用于复杂应用场景。

Pydantic AI通过依赖注入和动态系统提示等功能，增强了代理的灵活性和可定制性，使得开发者可以轻松添加工具、动态提示和结构化响应，从而构建更强大的AI代理。它不仅简化了与大型语言模型的交互，还通过Pydantic的强大验证功能，确保了输出数据的准确性和一致性。无论是构建简单的问答代理，还是复杂的银行支持系统，Pydantic AI都能提供高效、可靠的解决方案，帮助开发者快速实现生成式AI应用的开发和部署。

Pydantic AI使用示例
以下是一个使用Pydantic AI构建简单代理的示例。首先，配置代理使用Gemini 1.5的Flash模型，并设置系统提示为简洁回复。然后，运行代理并获取结果。

from pydantic_ai import Agent
agent = Agent(‘google-gla:gemini-1.5-flash’, system_prompt=’Be concise, reply with one sentence.’)
result = agent.run_sync(‘Where does “hello world” come from?’)
print(result.output)

输出结果为：The first known use of “hello, world” was in a 1974 textbook about the C programming language.

接下来是一个更复杂的示例，展示如何使用Pydantic AI构建一个银行支持代理。该代理作为银行的一线支持，处理用户查询并提供结构化的响应。

from pydantic_ai import Agent, RunContext
from typing import TypedDict

class SupportDependencies(TypedDict):
db_conn: DatabaseConn

class SupportOutput(TypedDict):
answer: str

agent = Agent[SupportDependencies, SupportOutput](
‘openai:gpt-4o’,
system_prompt=’You are a bank support agent. Use the provided tools to answer user questions.’
)

@agent.tool
def get_customer_info(customer_id: int, context: RunContext) -> str:
“””Retrieve customer information from the database.”””
db_conn = context.deps[‘db_conn’]
return db_conn.query(f’SELECT * FROM customers WHERE id = {customer_id}’)

result = agent.run_sync(‘What is the account balance for customer 123?’)
print(result.output)

通过上述代码，开发者可以轻松构建一个功能强大的AI代理，处理复杂的用户查询，并确保输出数据的准确性和一致性。