PydanticAI: AI-агенты с Pydantic-строгостью

PydanticAI — фреймворк от команды Pydantic (авторов самой популярной Python-библиотеки валидации данных). Главная идея: применить строгость и предсказуемость Pydantic к AI-агентам.

Почему разработчики выбирают PydanticAI

• Типизированные ответы: агент всегда возвращает TypedDict или Pydantic-модель
• Валидация инструментов: параметры автоматически валидируются
• Dependency injection: зависимости типизированы и тестируемы
• Streamed structured output: стриминг результата с валидацией по ходу

Установка и быстрый старт

pip install pydantic-ai

from pydantic_ai import Agent
from pydantic_ai.models.openai import OpenAIModel
from pydantic import BaseModel

class WeatherReport(BaseModel):
    city: str
    temperature: float
    description: str

model = OpenAIModel(
    "gpt-5.5-turbo",
    base_url="https://plusvibeapi.ru/v1",
    api_key="sk-pv-ваш_ключ"
)

agent = Agent(model, result_type=WeatherReport)
result = agent.run_sync("Погода в Москве сейчас?")
print(result.data)  # WeatherReport(city='Москва', temperature=18.5, ...)

Тестирование без реальных API-вызовов

from pydantic_ai import models

with models.override(TestModel()):
    result = agent.run_sync("тест")  # мок, не тратит токены

PydanticAI vs LangChain

LangChain — гибкий, но рантайм-ошибки типов — норма. PydanticAI жертвует гибкостью в пользу предсказуемости: ошибки типов — на этапе компиляции, не в продакшне.