Внедрение в твои проекты
Подключаем MyRouter, строим отказоустойчивость и учимся ставить задачу разработчику (или Claude Code).
Свой провайдер: MyRouter подключается напрямую
Pydantic AI работает с любым OpenAI-совместимым API — достаточно указать адрес и ключ. Твой MyRouter именно такой, значит все агенты могут ходить через него, с единым учётом расходов:
from pydantic_ai import Agent
from pydantic_ai.models.openai import OpenAIChatModel
model = OpenAIChatModel(
'myrouter/auto', # имя модели в роутере
base_url='https://api.gildiya-razvitiya.com/v1', # адрес MyRouter
api_key='myr_sk_...', # ключ приложения
)
agent = Agent(model, instructions='...')Тот же приём работает для OpenRouter, прокси в Амстердаме и любого совместимого шлюза — документация по моделям.
Отказоустойчивость: FallbackModel
Провайдер лёг — приложение живёт. FallbackModel перебирает модели по очереди, пока одна не ответит:
from pydantic_ai.models.fallback import FallbackModel
fallback = FallbackModel(
'openai:gpt-5.2', # основная
'anthropic:claude-sonnet-4-5', # резервная
)
agent = Agent(fallback)Для твоих сервисов на российском сервере это прямой ответ на боль с блокировками: основной маршрут через один шлюз, резервный — через другой.
MCP: готовые инструменты без программирования
Вместо написания своих инструментов агент может использовать готовые MCP-серверы — тот же протокол, что у Claude Code:
from pydantic_ai.capabilities import MCP
agent = Agent(
'openai:gpt-5.2',
capabilities=[MCP(url='https://mcp.example.com/api')],
)Кроме MCP, есть готовые «способности»: WebSearch, WebFetch, Thinking, ImageGeneration — список в обзоре.
Куда встраивается агент
Агент — это просто Python-код. Значит, он живёт где угодно в твоей инфраструктуре:
- FastAPI-бэкенд умных форм: агент обрабатывает диалог и возвращает структуру заявки;
- Telegram-бот школы: агент с инструментами «расписание», «баланс уроков», «FAQ»;
- Скрипт по расписанию: раз в сутки агент собирает отчёт по продажам из базы GetCourse;
- Конвейер контента: транскрипт эфира → конспект → квиз → черновик урока.
Чек-лист: нужен ли здесь Pydantic AI
Пройдись по вопросам. Два «да» и больше — фреймворк оправдан:
- Результат должен иметь строгую структуру (поля, типы), а не свободный текст?
- Агенту нужно вызывать функции: базу, API, расчёты?
- Это продакшн — нужны повторы при ошибках, лимиты расходов, логи?
- Хочется менять модель или провайдера без переписывания кода?
- Логику нужно покрыть автотестами без затрат на API?
Как ставить задачу разработчику или Claude Code
Твоя роль — не писать код, а грамотно его заказывать. Шаблон ТЗ на агента:
«Сделай агента на Pydantic AI. Роль: … . Модель: через MyRouter (base_url, ключ в env). На входе: … . output_type: опиши поля и ограничения. Инструменты: список функций и что каждая делает. Обязательно: UsageLimits, вариант Failed в output_type, тесты с TestModel и подменой deps через override().»
Каждое слово из этого шаблона ты теперь понимаешь — и по нему любой исполнитель соберёт надёжного агента, а не поделку.