Первый агент: устройство и запуск

Разбираем агента на детали: из чего он состоит и какими способами запускается.

Агент — это контейнер

В Pydantic AI агент — не что-то мистическое. Это объект-контейнер, в котором собрано всё нужное для общения с моделью: инструкции, выбранная модель, инструменты и описание результата. Документация называет его первичным интерфейсом работы с LLM.

Хорошая аналогия — сотрудник с должностной инструкцией. Один агент отвечает за один участок работы: «квалификатор лидов», «составитель конспектов», «проверяющий квизов». В приложении агентов может быть несколько, и создают их обычно один раз, глобально — а потом много раз запускают.

Из чего состоит агент

instructions или system_prompt?

В коде встречаются оба параметра, и они похожи. Разница тонкая: system_prompt сохраняется в истории сообщений и «едет» дальше, если ты передашь историю другому агенту; instructions действуют только на текущий запрос. Документация рекомендует по умолчанию использовать instructions.

Пример: агент с инструментом

from pydantic_ai import Agent, RunContext

roulette_agent = Agent(
    'openai:gpt-5.2',
    deps_type=int,          # агенту при запуске дадут число
    output_type=bool,        # агент обязан вернуть да/нет
    system_prompt='Через функцию roulette_wheel проверь, выиграл ли клиент.',
)

@roulette_agent.tool
async def roulette_wheel(ctx: RunContext[int], square: int) -> str:
    """Проверить, выигрышная ли клетка."""
    return 'winner' if square == ctx.deps else 'loser'

result = roulette_agent.run_sync('Ставлю на 18', deps=18)
print(result.output)  # True

Обрати внимание: результат — настоящий True/False, а не строка «да, поздравляю!». С этим можно работать дальше в коде без парсинга.

Способы запуска

Диалог с памятью

Сам агент не хранит историю — она передаётся явно, и это удобно: историю ты кладёшь в свою базу и полностью контролируешь.

result1 = agent.run_sync('Кто такой Эйнштейн?')
result2 = agent.run_sync(
    'Какое его самое известное уравнение?',
    message_history=result1.new_messages(),  # передаём контекст
)

Тестовая модель — запуск без ключей

Укажи модель 'test' — и агент отработает без единого запроса к нейросети и без затрат. Незаменимо для проверки логики и автотестов:

agent = Agent('test')
result = agent.run_sync('Любой вопрос')  # мгновенный ответ-заглушка