PydanticAI 介绍
了解工具的详细功能和使用方法
PydanticAI 是 Pydantic 团队维护的 Python AI Agent 框架。它把模型调用、工具、依赖注入与 Pydantic 结构化输出放在普通 Python 代码里，适合已经使用 Pydantic/FastAPI、希望把模型结果校验后再进入业务系统的团队。它是开发框架，不是替你托管模型与应用的 SaaS。
适合谁
- 需要把客服分类、订单信息或研究结果转换成有字段约束的数据对象，而不想直接信任一段看起来像 JSON 的模型文本。
- 在 Python 服务中接入多个模型供应商，并用普通函数封装检索、数据库读取或外部 API 工具的开发者。
- 需要为写入、退款、发消息等高影响工具添加人工审批，同时保留服务端身份校验和业务权限检查的团队。
核心能力与边界
Agent(..., output_type=YourModel) 让模型输出进入 Pydantic 模型验证；字段类型、范围和业务校验器失败时，可以把错误反馈给模型重试。验证只保证结果符合你写出的规则，不能证明事实为真。对金额、身份、引用来源等关键字段，仍要访问可信系统复核。
函数工具可以从类型签名生成参数 schema，也支持工具集、MCP、流式输出与不同模型供应商。需要人工批准的函数工具可用 requires_approval=True 或按参数抛出 ApprovalRequired；延迟工具调用会带上待批准的工具名、参数和 call ID。产品界面必须展示这些内容并由有权限的人审批。官方文档特别说明：前端提交的批准结果本身不是安全边界，工具函数内部仍须校验身份、租户和操作权限。
如果应用需要跨进程恢复、长期记忆或评估，PydanticAI 文档分别提供持久化、durable execution 和 Pydantic Evals 路线；这些能力的存储、运行时和部署配置要单独设计，不能把一个本地 Agent 对象当成完整的生产平台。
费用怎么计算
截至 2026 年 10 月 9 日，核心 pydantic-ai Python 包以 MIT 许可开源，框架本身无需按调用购买席位。模型供应商的 token、应用服务器、数据库与沙箱费用另算。Pydantic Logfire 是可选的托管观测产品，其定价页明确只针对 Logfire；Pydantic AI Gateway 也是另外的模型访问服务。不要把 Logfire 的免费记录额度误写成 PydanticAI 框架的模型调用额度。
试点建议
先做一条只读流程：从一个虚构客服请求提取结构化工单，接一个查询工具，记录输出校验失败和重试次数。第二阶段再加入需审批的写入工具，分别测试批准、拒绝、伪造批准、跨租户请求和重试后的重复副作用。最后把模型账单、运行环境和观测费用合起来计算。