由 Pydantic 官方团队打造的 GenAI Agent 框架，以类型安全与 Pydantic 验证为核心，支持 20+ 模型提供商、MCP/A2A 协议、Logfire 可观测性，帮助开发者快速构建生产级生成式 AI 应用。
项目概述#
Pydantic AI 是由 Pydantic 官方团队（Samuel Colvin, dmontagu 等）维护的 Python GenAI Agent 框架，设计目标是带来类似 FastAPI 的开发体验到 GenAI 应用与 Agent 开发中——即建立在 Pydantic 验证层和现代 Python 特性（如类型提示）基础上的创新且符合人体工程学的设计。
核心特性#
- Model-agnostic 架构：支持 OpenAI、Anthropic、Gemini、DeepSeek、Grok、Cohere、Mistral、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、Alibaba Cloud、SambaNova、Outlines 等 20+ 提供商；支持自定义模型实现
- Fully Type-safe：为 IDE 和 AI 编码助手提供最大上下文，实现编译时类型检查
- Pydantic Validation：作为 OpenAI SDK、Anthropic SDK、LangChain、LlamaIndex 等框架的验证层基础
- Logfire 可观测性：与 Pydantic Logfire（OpenTelemetry 平台）紧密集成，支持实时调试、性能监控、行为追踪与成本追踪
- Powerful Evals：系统化测试与评估 Agent 系统的性能与准确性
- 协议支持：集成 MCP（Model Context Protocol）、A2A（Agent2Agent）、多种 UI 事件流标准
- Human-in-the-Loop：支持对特定工具调用进行审批控制
- Durable Execution：构建持久化 Agent，跨 API 故障、应用错误或重启保持进度
- Streamed Outputs：支持结构化输出的连续流式传输与即时验证
- Graph Support：使用类型提示定义图，适用于复杂工作流
核心抽象#
| 组件 | 说明 |
|---|---|
| Agent | 核心抽象，泛型支持 Agent[DepsType, OutputType] |
| RunContext | 运行时上下文，携带依赖注入 |
| Tools | 使用 @agent.tool 装饰器注册，参数通过 Pydantic 验证 |
| Dependencies | 类型安全的依赖注入机制 |
| Output Types | 支持结构化输出（基于 Pydantic Model），自动生成 JSON Schema |
快速开始#
pip install pydantic-ai
from pydantic_ai import Agent
agent = Agent(
'openai:gpt-4o',
instructions='Be concise, reply with one sentence.',
)
result = agent.run_sync('Where does "hello world" come from?')
print(result.output)
适用场景#
- 对话式 Agent（带工具调用能力的聊天机器人）
- 业务流程自动化（银行客服、订单处理等需要结构化输出的场景）
- 多 Agent 协作系统
- 数据分析与报表
- 生产级 LLM 应用（需要可观测性、评估、持久化执行的企业应用）
环境要求#
- Python ≥ 3.10（支持 3.10, 3.11, 3.12, 3.13, 3.14）
- MIT License