PydanticAI 是什么？20.5K 星的类型化 Python Agent 框架，How Python does AI（基础篇）
横向 Agent 平台写到这里，画布派（Dify、Langflow）、编排派（LangGraph）、组队派（CrewAI）都齐了，还差一类：不画图、不组队，纯写代码，但把类型检查一路焊到 Agent 底的。Pydantic 团队的 PydanticAI 就是这一派——20.5K 星、MIT 协议，口号就一句话：How Python does AI。Pydantic 这名字写 Python 的都熟，数据校验的事实标准，FastAPI 的请求体校验底层跑的就是它；他们家 2024 年 6 月开的这个仓库，如今成了”认真做生产级 Agent”的代名词。
项目介绍
核心就一件事：Agent 循环全类型贯穿。给 Agent 一个 output_type（一个 Pydantic 模型），每次 run() 回来的都是校验过的对象，而不是让你自己拆的字符串；工具用 @agent.tool 装饰普通函数，docstring 直接变工具 schema，参数进你函数之前先过校验。IDE、类型检查器、LLM 三方对返回类型达成一致，这就是它全部的卖点。
模型是”一个字符串换一家”：openai:、anthropic:、gemini:、本地 ollama: 前缀一改就换厂商。同一个 Agent 能跑在网页前端、终端 CLI、语音通话、后台持久队列、GitHub Actions 里，代码一行不用动。
周边是全家桶配置：Pydantic Graph 管复杂控制流，Pydantic Evals 像 pytest 一样测 Agent 行为，Harness 按需挂内存、护栏、子 Agent、上下文压缩，还自带一个完整的 Coder 编码 Agent——文件访问、白名单 shell、仓库索引、上下文压缩一样不缺，联网搜报错、卡住了拉另一个模型给第二意见（官方示例里直接拿 Advisor 挂了个别家模型当”陪审团”）。观测和商业化那半是 Logfire（OpenTelemetry 全链路观测，不只看 LLM 调用）和 Gateway（一把钥匙调所有模型，带实时成本监控和预算控制，官方支持自托管）；底下 genai-prices 维护模型价格，Monty 是沙箱化的 Python 解释器，专门跑模型写的代码。README 上挂着 100% 测试覆盖率徽章，最新版 v2.55.0，2026 年 10 月 9 日刚发的，更新节奏相当勤。
上手
uv add pydantic-ai 就完事。最小示例十行以内：定义 output_type，写个 @agent.tool 函数，agent.run_sync() 直接拿类型化结果——模型返回的 JSON 没过校验会自动重试或报错，不用你写一行 parse 代码。想不写一行代码先体验编码 Agent 也行：uvx --with pydantic-ai-harness clai -a pydantic_ai_harness.coder:coder_agent，终端里直接开聊。
实话
适合谁：已经在用 FastAPI + Pydantic 的 Python 队伍，想把 Agent 塞进现有服务的，这是最顺的一条路——返回值、依赖注入、配置校验全是自家老手艺，没有”AI 层和业务层对不上”的破事。不适合谁：想拖拽画布的去看 Dify 和 Langflow，想多 Agent 组队的去看 CrewAI，想图编排的去看 LangGraph；跟 Agno、Mastra 这些同类框架比，它的差异化就是”类型”这一条护城河，别家给你跑起来，它给你跑得心里有数。星数上 20.5K 还不到 LangGraph 的一半，胜在 Pydantic 生态的惯性和生产团队的口碑—— GitHub 上 2900 个 fork 说明真有人拿它干活，不是星星收藏家捧起来的。最后提醒一句：开源的只是 SDK，Logfire 和 Gateway 是 Pydantic 公司的商业产品，自托管有官方路径，但别指望整套生态白嫖到底。
