Pydantic AI 是什么？「Python 怎么玩 AI」就该这么玩——类型安全到骨子里的 Agent 框架

导语

聊 Agent 框架，大家张口就是 LangChain、CrewAI、AutoGen。今天换个主角：Pydantic AI——GitHub 上 19.9K 星的 Python AI SDK，官方口号一句话：How Python does AI（Python 就该这么玩 AI）。它背后是写 Python 的人几乎都用过的 Pydantic 库（另一个 28.7K 星项目）原班人马。这篇讲清楚：它跟那些「大而全」的框架差在哪、怎么上手、适合谁。

它是什么：把「类型」刻进 Agent 里

跟靠「粘合一堆工具」的思路不同，Pydantic AI 的核心卖点是类型安全端到端（typed end to end）：模型输出不是自由文本，而是强类型、有校验的数据结构。对搞过后端的人来说，这味儿太熟了——写接口从来都要看着类型写代码，凭什么 Agent 的输出就能是野的？

几个实在的点：

• 换模型只改一个字符串：OpenAI、Anthropic、Gemini、通义、本地模型……全都是一行 'provider:model' 的事，同一套 Agent 代码哪里都能跑；
• 同一份 Agent，到处开花：能跑在 Web 前端后面、能跑在终端里（to_cli_sync() 直接变命令行工具）、能接实时语音通话、能丢进持久后台队列长期执行；
• 一个箱子全给齐：不光是对话 Agent，图片生成、Embeddings 向量都在同一个包里，不用再拼七拼八；
• 重型任务有 Harness：Pydantic AI Harness 给长时运行、多子 Agent、记忆管理、甚至完整「编码 Agent」挂上即用，复杂协作不用自己从零造轮子。

一句话：它走的是「工程化、可依赖」的路线，天生就是给正经写代码的人准备的。而且它和 Pydantic 开源库一脉相承——你项目里可能已经在用它做数据校验了，加个 Agent 基本无缝衔接。

上手：三行代码做「类型化输出」

安装一句话：

uv add pydantic-ai

建一个带工具和输出类型的 Agent，最典型的场景是结构化数据抽取——喂一段乱七八糟的文本，吐回一个干净的 Pydantic 模型：

from pydantic import BaseModel
from pydantic_ai import Agent

class Address(BaseModel):
    city: str
    street: str
    zip_code: int

agent = Agent("openai:gpt-5.5", output_type=Address, system_prompt="从文本里抽取地址")
result = agent.run_sync("数码罗记住在北京朝阳区 100021")
print(result.output)          # 一个校验过的 Address 对象

只要你接过 Pydantic 模型，这套逻辑几乎是零学习成本——以前你写的类型，现在直接变成 Agent 的「输出契约」。

实话：香，但别指望它是万能钥匙

先夸：类型安全这条是真的能救命的，生产环境最怕 Agent 输出字段漂移，它从根上掐断了；换模型零改动、跑在终端/网页/语音/队列四处通吃，这些对开发者都很实在；因为脱胎于 Pydantic，文档和代码手感业内顶级。

再泼冷水：一是定位很”正统”——它面向的是写代码的开发者，不是拖拽玩家，业务人员想可视化编排请左转 Dify、Flowise；二是野心很全（语音、生图、排队、Harness 全都要），如果你只需要其中一小块，会有「杀鸡用牛刀」的体感；三是生态和社区体量目前远不如 LangChain，遇到偏门坑，能搜到的中文资料还不多。

结论：如果你是个认真用 Python 做 Agent 的工程型选手，看重输出可控、换模型灵活，Pydantic AI 值得一试；想要现成可视化编排的，把这篇省下的时间花在横向对比上更值——我在 godsun.pro 和 ai.godsun.pro 整理过主流 Agent 平台怎么选，可作参考。

by 数码罗记 · godsun.pro