导语
玩 Python 的人，没人绕得开 Pydantic——FastAPI 的参数校验、OpenAI 官方 SDK 的数据模型，底层全是它。如今 Pydantic 团队亲自下场做了 Agent 框架：Pydantic AI。截至 2026 年 9 月，这个仓库拿下约 1.9 万星，包月下载量 3300 万以上，而且 2026 年 6 月刚发布了稳定的 V2.0。今天这篇基础篇，就把它讲透：它是什么、怎么上手、到底值不值得你用。
项目介绍：类型安全的 Agent 框架
Pydantic AI（GitHub：pydantic/pydantic-ai，MIT 协议）一句话定位：用 Pydantic 的方式做 AI Agent——类型安全、校验优先、生产可用。
它有几个硬核特点：
1. 结构化输出是亲生的。 别的框架把”让模型按 JSON 输出”当外挂功能做，Pydantic AI 直接拿 Pydantic Validation 当地基：你定义一个 Pydantic 模型当返回类型，框架保证模型输出能被校验、解析，错了自动重试。这对生产环境是刚需。
2. 模型无关。 OpenAI、Anthropic、Google、xAI、Bedrock、Groq、Mistral 等主流 provider 全支持，换模型改一行配置。V2 开始默认安装还做了瘦身（只带主流 provider），用 Bedrock、Groq 得显式加 extras，省依赖体积。
3. 可观测性是一等公民。 原生对接 Pydantic Logfire（OpenTelemetry 协议），Agent 的每次模型调用、工具调用、token 花费全能追踪。用不惯 Logfire 也行，标准 OTel 后端随便接。再加上 Pydantic Evals，Agent 的效果回归测试可以像 pytest 一样跑。
4. 协议和部署都跟上了。 MCP、A2A 原生支持；长时间运行的任务支持四种持久化执行方案（Temporal、DBOS、Prefect、Restate）；前端流式输出支持 AG-UI 协议。V2.0 引入的”Capabilities”概念把工具、hooks、指令、模型配置打包成可复用的组合单元，还支持 YAML/JSON 零代码定义 Agent。
背书方面：Pydantic 公司 2024 年 10 月拿了 Sequoia 领投的 1250 万美元 A 轮，商业化靠 Logfire 可观测性平台和 AI Gateway（统一 LLM 代理、成本管控）。框架本身 MIT 开源，这点可以放心。
上手：5 分钟跑起第一个 Agent
环境要求 Python 3.9+，推荐用 uv：
uv add pydantic-ai
export OPENAI_API_KEY="sk-..."
最简 Agent（带类型安全的结构化输出）：
from pydantic import BaseModel
from pydantic_ai import Agent
class CityInfo(BaseModel):
city: str
best_month: str
reason: str
agent = Agent('openai:gpt-4o', output_type=CityInfo)
result = agent.run_sync('哪座城市最适合十月去玩？')
print(result.output.best_month) # 直接是校验过的字段
加工具也简单，一个装饰器就行：
@agent.tool_plain
def get_weather(city: str) -> str:
return f'{city} 晴，22°C'
可观测性只加两行：
import logfire
logfire.configure()
logfire.instrument_pydantic_ai()
之后每次运行的调用链、耗时、token 花费全能在 Logfire 里看到。官方文档在 ai.pydantic.dev，API 从 V1（2025 年 9 月）起承诺稳定性保证，V1 用户按官方升级指南可平滑迁到 V2。
实话：它适合谁，不适合谁
先说优点：如果你是 Python 开发者、项目要进生产、被”模型输出格式翻车”坑过，Pydantic AI 是目前类型安全这条线做得最彻底的。它背后的 Pydantic 基本盘（每月 10 亿+次下载）决定了它不会轻易烂尾，更新节奏也确实快——V1 和 V2 beta 长期双轨并行发版。
再说缺点：第一，生态体量还差得远，星数 1.9 万对 LangChain 的 14 万、CrewAI 的 5 万+，第三方教程和现成集成少一个量级，遇到偏门需求得自己造轮子；第二，V1 到 V2 是大版本迁移，虽然官方给了升级指南和 deprecation 过渡期，但老项目升级要留出时间；第三，重度可观测和网关能力绑定商业化的 Logfire，自托管能解一部分，但想开箱即用全套就得掏钱。
横向对比一句话：LangChain 适合要”大而全工作台”的团队（站内另有《Dify 是什么？》《LangChain 是什么？》基础篇可对照看），Pydantic AI 适合认准 Python 技术栈、把”输出可靠”放第一位的工程派。它和 FastAPI 同门，技术审美一脉相承。
本文由数码罗记原创，首发于 ai.godsun.pro。数据核实于 2026 年 9 月（GitHub 星数约 18.8K，V2.0.0 发布于 2026-06-23），后续版本请以官方仓库为准。
by 数码罗记·godsun.pro
