Глоссарий курса
Термины в том значении, в котором они используются во всех уроках. По-простому, без жаргона.
| Термин | Значение |
|---|---|
| Pydantic | Библиотека проверки данных в Python: описываешь структуру с типами — она гарантирует, что данные ей соответствуют. Фундамент FastAPI и многих AI SDK. |
| Pydantic AI | Фреймворк для построения AI-агентов от команды Pydantic. Обвязка вокруг LLM: структура результата, инструменты, повторы, лимиты, логи. |
| Агент (Agent) | Объект-контейнер: модель + инструкции + инструменты + тип результата. «Сотрудник с должностной инструкцией». Урок 2. |
| LLM / модель | Языковая нейросеть (GPT, Claude, Gemini…). В Pydantic AI задаётся строкой 'провайдер:модель'. |
| instructions | Инструкции агенту («кто ты и как отвечать») для текущего запуска. Рекомендуемый вариант вместо system_prompt. |
| output_type | Обязательная структура результата агента. Главная фича фреймворка. Урок 3. |
| Структурированный вывод | Ответ модели в виде проверенной структуры данных (объекта с полями), а не свободного текста. |
| Валидация | Проверка, что данные соответствуют описанной структуре и правилам («ряд от 1 до 30»). |
| ModelRetry | Сигнал «результат не годится, попробуй снова» — модель получает описание ошибки и исправляет ответ автоматически. |
| Retries | Автоматические повторные попытки при невалидном ответе модели. Настраиваемое число. |
| Инструмент (tool) | Python-функция, которую модель может вызвать: поиск в базе, запрос к API, расчёт. Урок 4. |
| RunContext | «Рюкзак запуска»: через него инструменты получают зависимости (ctx.deps) и общий счётчик расходов (ctx.usage). |
| Зависимости (deps) | Внешние ресурсы, передаваемые агенту при запуске: ключи, клиенты баз и API, данные пользователя. Подменяются в тестах. |
| TestModel | Встроенная модель-заглушка (Agent('test')): агент работает без API-ключей и затрат. Для тестов. |
| UsageLimits | Жёсткий лимит запросов и токенов на запуск — страховка от перерасхода бюджета. |
| Стриминг | Отдача ответа по кусочкам по мере генерации — текст «печатается» на глазах у пользователя. |
| Делегирование | Паттерн: один агент вызывает другого как инструмент. Урок 5. |
| Передача управления | Паттерн: агенты работают по этапам, порядок задаёт обычный код (if, циклы), а не нейросеть. |
| Граф (pydantic-graph) | Инструмент для сложных потоков с ветвлениями и возвратами. Тяжёлая артиллерия, нужна редко. |
| MCP | Model Context Protocol — стандарт подключения готовых наборов инструментов (серверов) к агентам. Тот же протокол использует Claude Code. |
| Capability | Готовая «способность» агента из коробки: WebSearch, WebFetch, Thinking, ImageGeneration, MCP. |
| FallbackModel | Цепочка моделей: при сбое первой автоматически пробуется следующая. Отказоустойчивость в одну строку. |
| OpenAI-совместимый API | Любой сервис, говорящий на «языке» OpenAI API: OpenRouter, MyRouter, прокси. Подключается через base_url. |
| Logfire | Сервис наблюдаемости от Pydantic: видно каждый шаг агента — запросы, инструменты, токены, задержки. |
| Model-agnostic | Независимость от провайдера: модель меняется одной строкой, логика агента остаётся прежней. |
💬 Встретил термин не из этого списка? Спроси агента в Claude Code — глоссарий пополняется по мере курса.