Что такое Pydantic AI и зачем он нужен

Один урок — одна мысль: Pydantic AI превращает «болтовню с нейросетью» в надёжную деталь приложения.

Проблема, которую он решает

Когда ты вызываешь LLM напрямую через API, модель отвечает текстом в свободной форме. Для чата это нормально. Но в приложении — например, в твоих умных формах — тебе нужен не текст, а предсказуемый результат: заявка с полями «имя, телефон, запрос», решение «квалифицирован лид или нет», список действий.

И тут начинаются костыли: «ответь строго в JSON», парсинг ответа, обработка случаев, когда модель ответила не тем форматом, повторные запросы… Каждый проект изобретает этот велосипед заново.

Кто такие Pydantic и почему это важно

Pydantic — самая популярная библиотека валидации данных в Python. Она проверяет, что данные соответствуют описанной структуре: «здесь строка, здесь число от 1 до 30». На ней построен FastAPI, её используют внутри своих SDK OpenAI и Google. То есть Pydantic AI сделали не сторонние энтузиасты, а авторы инструмента, на котором уже стоит половина AI-индустрии — это их официальный агентский фреймворк.

Их формулировка: принести в разработку с ИИ «ощущение FastAPI» — строгость, автодополнение, минимум магии.

Как это выглядит

Минимальный агент — несколько строк:

from pydantic_ai import Agent

agent = Agent(
    'anthropic:claude-sonnet-4-6',
    instructions='Отвечай кратко, одним предложением.',
)

result = agent.run_sync('Откуда пошло выражение «hello world»?')
print(result.output)

Строка 'anthropic:claude-sonnet-4-6' — это выбор модели. Поменяй её на 'openai:gpt-5.2' — и весь остальной код не изменится.

А вот главная магия — структурированный вывод. Описываешь нужный результат как модель данных, и агент обязан его вернуть:

from pydantic import BaseModel
from pydantic_ai import Agent

class Lead(BaseModel):
    name: str
    phone: str
    interest: str
    qualified: bool

agent = Agent('openai:gpt-5.2', output_type=Lead)
result = agent.run_sync('Диалог с посетителем: ...')
# result.output — это гарантированно объект Lead, не «примерно JSON»

Ключевые возможности одним списком

Полный список — в официальном обзоре.

Когда использовать, а когда нет