--- title: "多 Agent 框架参考：pydantic ai - 多 Agent 框架 | 思行致远" canonical: "https://siyuanailab.com/knowledge/workflows/agent-building/multi-agent-frameworks/agent-building-frameworks-pydantic-ai/" dateModified: "2026-06-30" datePublished: "2026-06-30" --- 打开 AI·外脑目录 AI·外脑 [返回专栏首页](https://siyuanailab.com/knowledge/) × 站内搜索 ⌕ 主要栏目 - [AI 核心概念](https://siyuanailab.com/knowledge/ai-core/) - [工作流](https://siyuanailab.com/knowledge/workflows/) - [工具配置与选型](https://siyuanailab.com/knowledge/toolkits/) - [信源与标准](https://siyuanailab.com/knowledge/sources/) - [场景案例 待开发](https://siyuanailab.com/knowledge/scenarios/) - [职业与能力](https://siyuanailab.com/knowledge/career/) 专题 - [从这里开始](https://siyuanailab.com/knowledge/start/) - [获取与安装](https://siyuanailab.com/knowledge/install/) - [建设日志](https://siyuanailab.com/knowledge/ops/) [工作流子目录](https://siyuanailab.com/knowledge/workflows/) 基础设施层 - [浏览器自动化 **5**](https://siyuanailab.com/knowledge/workflows/infrastructure/browser-automation/) - [MCP 工具 **5**](https://siyuanailab.com/knowledge/workflows/infrastructure/mcp-tools/) - [文件系统与本地执行 **5**](https://siyuanailab.com/knowledge/workflows/infrastructure/filesystem-local/) - [API 网关与工具路由 **5**](https://siyuanailab.com/knowledge/workflows/infrastructure/api-tool-routing/) Skill 生产线 - [目标明确 **5**](https://siyuanailab.com/knowledge/workflows/skill-forge/goal-definition/) - [Skill 设计 **5**](https://siyuanailab.com/knowledge/workflows/skill-forge/skill-design/) - [代码实现 **5**](https://siyuanailab.com/knowledge/workflows/skill-forge/implementation/) - [测试评估 **5**](https://siyuanailab.com/knowledge/workflows/skill-forge/testing-evaluation/) Skill 参考库 - [写作与内容 **5**](https://siyuanailab.com/knowledge/workflows/skill-library/writing-content/) - [研究与知识 **5**](https://siyuanailab.com/knowledge/workflows/skill-library/research-knowledge/) - [沟通与协作 **5**](https://siyuanailab.com/knowledge/workflows/skill-library/communication-collaboration/) - [产品与项目 **5**](https://siyuanailab.com/knowledge/workflows/skill-library/product-project/) - [数据与分析 **5**](https://siyuanailab.com/knowledge/workflows/skill-library/data-analysis/) - [创意与设计 **5**](https://siyuanailab.com/knowledge/workflows/skill-library/creative-design/) - [商业与营销 **5**](https://siyuanailab.com/knowledge/workflows/skill-library/business-marketing/) Agent Building 只收录有多步工作流、工作标准、Loop、Harness、工具链或通信机制的真 Agent；不收纯 persona、profile、curated list 或只有 system prompt 的仓库。 - [多 Agent 框架 **5**](https://siyuanailab.com/knowledge/workflows/agent-building/multi-agent-frameworks/) - [WF-076 多 Agent 框架参考：agent framework](https://siyuanailab.com/knowledge/workflows/agent-building/multi-agent-frameworks/agent-building-frameworks-agent-framework/) - [WF-077 多 Agent 框架参考：camel](https://siyuanailab.com/knowledge/workflows/agent-building/multi-agent-frameworks/agent-building-frameworks-camel/) - [WF-078 多 Agent 框架参考：MetaGPT](https://siyuanailab.com/knowledge/workflows/agent-building/multi-agent-frameworks/agent-building-frameworks-metagpt/) - [WF-079 多 Agent 框架参考：openai agents python](https://siyuanailab.com/knowledge/workflows/agent-building/multi-agent-frameworks/agent-building-frameworks-openai-agents-python/) - [WF-080 多 Agent 框架参考：pydantic ai](https://siyuanailab.com/knowledge/workflows/agent-building/multi-agent-frameworks/agent-building-frameworks-pydantic-ai/) - [工作流编排 **5**](https://siyuanailab.com/knowledge/workflows/agent-building/workflow-orchestration/) - [Sub-agent 模式 **5**](https://siyuanailab.com/knowledge/workflows/agent-building/sub-agent-patterns/) - [Harness 与评估 **5**](https://siyuanailab.com/knowledge/workflows/agent-building/harness-evaluation/) Agent Building · 多 Agent 框架 · Agent Building 参考 · WF-080 # 多 Agent 框架参考：pydantic ai 思行致远 · 2026/6/30 · 置信度：高 多AgentAgent框架协作工具调用 Pydantic 团队做的类型安全 Agent 框架，用 deps、output schema、tool validation、capabilities、evals 和 Logfire 追踪把 Agent 写成可检查的 Python 应用。 # pydantic ai > Pydantic 团队做的类型安全 Agent 框架，用 deps、output schema、tool validation、capabilities、evals 和 Logfire 追踪把 Agent 写成可检查的 Python 应用。 ## 这个能力解决什么问题 Pydantic AI 解决的是 Agent 原型里“模型说了什么很难类型检查、工具参数靠猜、输出格式靠祈祷”的问题。它用 Pydantic 的 validation 和 Python type hints 把 Agent 输入依赖、工具参数、动态指令、结构化输出和 evals 变成开发期可检查、运行期可验证的对象。 ## 核心逻辑 输入是用户消息、模型配置、deps 对象、工具函数、output type 和可选 capability。Agent run 时，动态 instructions 可读取 deps，工具函数通过 RunContext 获取依赖，模型生成的工具参数和最终输出都经过 Pydantic validation；如果验证失败，错误会反馈给模型重试。输出是强类型 result.output、trace/eval 数据、streamed structured output 或 durable execution 状态。 ## 技术结构 - 关键模块：`Agent` 是核心运行单元；`RunContext` 承载 dependency injection；Pydantic model 定义结构化输出；tool decorator 注册函数工具；capabilities 封装工具、hooks、instructions 和 model settings；Logfire/OTel 提供观测；evals 和 Harness 提供测试评估。 - 调用链路：业务创建 deps 与 Agent，Agent 接收消息，动态 instructions 和工具读取 deps，模型请求工具或输出，Pydantic 校验参数/输出，失败时回给模型修正，成功后返回类型化结果。 - 输入输出：输入是消息、deps、工具 schema、output schema、capability/YAML agent spec；输出是类型化对象、流式结构化数据、trace、eval report。 - 核心依赖：Python、Pydantic、Pydantic Logfire/OTel；支持 OpenAI、Anthropic、Gemini、Bedrock、Ollama、OpenRouter 等多 provider。 ## 为什么值得参考 它的设计亮点不是“又一个 Agent 框架”，而是把 Agent 当成普通后端工程来写：依赖注入、类型、校验、测试、观测这些传统工程手段都能进入 LLM loop。对内部 Skill 或企业工作流来说，Pydantic AI 很适合参考“如何把模型不确定性包在可验证边界里”。 ## 为什么不建议直接套用 它的优势建立在 Python 类型系统和 Pydantic 生态上。如果你的工作流主要是无代码配置、前端插件或非 Python runtime，直接套用会牺牲原有栈。它也不能自动解决 Agent 业务判断，只能保证参数和输出结构更可靠；真正的 grader、reference solution、工具副作用控制仍要自己设计。 ## 如何改造成自己的版本 - 给每个内部工作流定义 output schema，例如“研究卡”“销售线索”“QA 结果”，先让输出可验证。 - 把本地资料库、客户配置、权限上下文做成 deps，而不是写进 prompt。 - 工具函数先用 Pydantic schema 校验输入，失败时返回可恢复错误，不让模型直接操作松散 JSON。 - 把 capability 作为 Skill 的工程单位：一组工具、一段指令、一组 hooks、一套模型参数。 - 用 evals 固化 5 到 10 个失败样例，观察修改 prompt/工具后是否真的变好。 ## 适用场景 - Python 后端里的生产级 Agent、客服、风控、数据查询、结构化生成。 - 需要稳定 JSON/对象输出，并希望 IDE、type checker、evals 参与开发。 - 需要在 Agent 中注入数据库连接、用户上下文或业务服务。 ## 不适用场景 - 非 Python 技术栈，或团队不熟 Pydantic/type hints。 - 输出主要是开放式创意文本，结构校验价值有限。 - 没有 eval 样例，只想靠 schema 解决质量问题的场景。 ## Agent Building 判断 - 多步工作流：Agent run → dynamic instructions/deps → tool calls → validation/retry → typed output/eval trace。 - 工作标准：deps_type、output_type、tool schema、capabilities 和 eval suites 形成明确契约。 - Loop 标准：工具参数和输出验证失败会反馈给模型重试，durable execution 支持长流程恢复。 - Harness 标准：Pydantic AI Harness、evals、Logfire/OTel 让运行可测试可观测。 - 工具调用链路或 Agent 间通信：工具通过 RunContext 读取依赖，MCP/UI event stream/capabilities 扩展外部通信。 - 为什么不是 persona / profile / system prompt only：核心是类型、校验、deps、工具和 eval harness，而不是角色口吻。 ## 参考信息 - 原项目：[pydantic-ai](https://github.com/pydantic/pydantic-ai) - 作者：pydantic - 相关概念：[[多Agent协作]]、[[Agent编排]] - 相关卡片：[workflow-read-094](https://siyuanailab.com/knowledge/workflows/agent-building/harness-evaluation/agent-building-harness-evaluation-litefuse/) ## 参考对象信息 **名称：**pydantic-ai **作者：**pydantic **链接：**[https://github.com/pydantic/pydantic-ai](https://github.com/pydantic/pydantic-ai) ## 适用场景与行动 **场景：**Agent Building / 多 Agent 框架 **适合谁：**关注 AI 工作流、Skill 生产和 Agent Building 的读者 **下一步：**先阅读边界说明，再判断它是否适合改造成自己的多 Agent 框架流程。 当前内容按公开来源和已审核草稿整理，只作为工作流理解与方法论参考。 涉及客户数据、外部平台、会议记录和业务系统的场景，必须保留人工确认与授权边界。 [上一张：多 Agent 框架参考：openai agents python](https://siyuanailab.com/knowledge/workflows/agent-building/multi-agent-frameworks/agent-building-frameworks-openai-agents-python/) [返回当前分类](https://siyuanailab.com/knowledge/workflows/agent-building/multi-agent-frameworks/) [返回工作流专栏](https://siyuanailab.com/knowledge/workflows/)