智能体与多智能体

Pydantic AI

pydantic/pydantic-ai

一个 Python Agent 框架,旨在帮助开发者构建生产级生成式 AI 应用与工作流,强调类型安全、结构化验证与易用性设计。

★ 19.1K星级
⑂ 2.5KFork 数
673未解决的问题
Python语言
MIT许可证
Q@project.QualityScore编辑评分

项目截图

Pydantic AI 的截图 Pydantic AI 的截图

概览

Pydantic AI 将 FastAPI 所推广的开发体验引入生成式 AI Agent 开发。由 Pydantic 团队构建,以 Pydantic 验证为核心,提供完全类型安全的 Agent、结构化输出验证与依赖注入。该框架与模型无关,支持多种 LLM 提供商并允许自定义模型实现。它还具备与 Pydantic Logfire 的无缝可观测性集成、强大的评估工具以及可扩展的组合式能力。

主要功能

  • 由 Pydantic 团队构建,以 Pydantic 验证为核心
  • 与模型无关,支持众多 LLM 提供商和自定义模型
  • 完全类型安全的设计,将错误从运行时提前到编写时
  • 与 Pydantic Logfire 和 OpenTelemetry 的无缝可观测性集成
  • 强大的评估工具,用于系统性测试和性能监控
  • 通过可组合的能力(如网络搜索、思考、MCP)实现可扩展设计
  • 模型上下文协议(MCP)集成,用于外部工具和数据
  • 用于交互式流式应用的 UI 事件流标准
  • Human-in-the-loop 工具审批
  • 用于长时间运行和异步工作流的持久化执行
  • 带有即时验证的流式结构化输出
  • 支持复杂控制流的图功能
  • 用于类型安全行为定制的依赖注入

要求、安装和快速入门

安装 `pydantic_ai` 包。仓库元数据中未说明具体的安装命令,请参阅 https://ai.pydantic.dev/install。

用法

使用 `Agent(model, deps_type=..., output_type=..., instructions=...)` 定义 Agent。使用 `@agent.tool` 装饰器注册工具,使用 `@agent.instructions` 设置动态指令。通过 `agent.run_sync(prompt)` 同步运行 Agent,或通过 `await agent.run(prompt, deps=...)` 异步运行。通过 `result.output` 访问已验证的结构化输出。

模型兼容性与使用场景

与模型无关。支持 OpenAI、Anthropic、Gemini、DeepSeek、Grok、Cohere、Mistral、Perplexity、Azure AI Foundry、Amazon Bedrock、Google Cloud、Ollama、LiteLLM、Groq、OpenRouter、Together AI、Fireworks AI、Cerebras、Hugging Face、GitHub、Heroku、Vercel、Nebius、OVHcloud、Alibaba Cloud、SambaNova、Snowflake Cortex 和 Z.AI。支持实现自定义模型。

许可证与风险说明

仓库元数据显示许可证为 MIT。发布或商用前,请核对仓库中的 LICENSE 文件、版权声明及依赖项许可条款。

Editorial verification 2026-08-09: repository URL, owner, description, license and repository statistics were reviewed. License metadata: MIT. README was fetched for the channel draft; re-check repository dependencies, releases and model terms before production use.

发布与维护

仓库元数据中未说明。

Firecrawl

firecrawl/firecrawl

★ 161.1KTypeScript

LangChain

langchain-ai/langchain

★ 143.6KPython

RAGFlow

infiniflow/ragflow

★ 86.7KGo