Pydantic Framework für Python-Agenten

Pydantic AI.

Python-Framework für Agenten mit Ausgabeschemas und Abhängigkeiten

4.40 / 5Katalogbewertung
Offizielle Website

Pydantic AI eignet sich für Python-Anwendungen, die das Ergebnis einer bestimmten Struktur vom Modell abrufen und mit normalem Code verarbeiten müssen.

Pydantic AI-Dokumentation mit einem Beispiel für ein typisiertes Ergebnis
Pydantic AI-Dokumentation mit einem Beispiel für ein typisiertes Ergebnis. Quelle öffnen

Antwort als Teil der Anwendung

Wenn das Programm den Antrag an das Buchhaltungssystem sendet, muss der freie Text vom Modell nach Vermutungen analysiert werden. Mit Pydantic AI können Sie den Ergebnistyp angeben. Zum Beispiel enthält das Schema die Nummer des Antrags, eine der bekannten Kategorien und ein Feld mit dem Grund für die Auswahl. Der Code empfängt das Objekt nach der Validierung und kann es an den nächsten Schritt weitergeben. Die Felder können mit dem Prozessbesitzer im Voraus besprochen werden, bevor sie Teil der öffentlichen Benutzeroberfläche sind.

Probebesprechung der Bewerbung

Nehmen wir drei Meldungen über die Lieferung. In der ersten gibt es eine Nummer, in der zweiten ist nur der Nachname angegeben, in der dritten zitiert der Kunde zwei Anträge gleichzeitig. In der Lernanwendung darf die Nummer leer gelassen werden, und für mehrere Optionen ist eine manuelle Überprüfung erforderlich. Fügen Sie diesen Fall dem Test hinzu, bevor Sie das Arbeitsverzeichnis verbinden. Mit dem Framework können Sie das Abhängigkeitswerkzeug durch den Kontext übertragen. Ersetzen Sie das Handbuch durch einen Stecker und sehen Sie, welche Antwort zurückgegeben wird, wenn ein externer Dienst nicht verfügbar ist.

Wo die App überprüft wird

Das Schema unterscheidet eine Zahl von einer Zeichenfolge und eine erlaubte Kategorie von einer willkürlichen. Sie wird nicht feststellen, dass das Modell die Nummer aus dem zitierten Brief ausgewählt hat. Dies erfordert einen Vergleich mit dem Text, eine separate Regel oder die Entscheidung des Betreibers. Überprüfen Sie jedes ausgefüllte Feld anhand von Beispielen mit Überspringen und Mehrdeutigkeit. Wenn sich das Schema ändert, fahren Sie alte Eingänge mit einem neuen Feldsatz ab. Berücksichtigen Sie bei der Auswahl eines Lieferanten die Verfügbarkeit des gewünschten Ausgabemodus und die mögliche Zahlung von Anrufen.

Für welche Aufgaben geeignet

  • Konvertieren Sie eine Anwendung in ein Objekt mit überprüfbaren Feldern
  • Übertragen Sie eine Testabhängigkeit anstelle eines funktionierenden Dienstes an den Agenten
Funktionen

Stärken

  • Prüft die Ergebnistypen über Schemata
  • Die Dokumentation beschreibt die Verbindung von Modellen und Abhängigkeiten
Zu berücksichtigen

Einschränkungen

  • Ein gültiges Schema bestätigt nicht den Inhalt der Felder
  • Anwendungscode, ein Modell und Tests für verschiedene Eingaben sind erforderlich

Auswahl und Bedingungen

Kostenlose Nutzung
Ja
Testphase
Nicht bestätigt
Keine Registrierung erforderlich
Nicht bestätigt
Russische Benutzeroberfläche
Nicht bestätigt
Lokale Installation
Ja
API
Nicht bestätigt

„Nicht bestätigt“ bedeutet, dass nicht genügend Informationen vorliegen. Die Funktion kann dennoch verfügbar sein; prüfen Sie die Angaben des Entwicklers.

Eingabeformate
Text, Code
Ergebnis
Daten, Code

Bedingungen

Die Bibliothek ist geöffnet. Der Modellanbieter und externe Dienste stellen ihre eigenen Bedingungen dar, und lokale Anrufe erfordern Rechenressourcen. Ein gültiges Schema bestätigt nicht den Inhalt der Felder.

Von der Aufgabe zum ersten Ergebnis

Praxisbeispiel

Aufgabe
Konvertieren Sie eine Anwendung in ein Objekt mit überprüfbaren Feldern
Was Sie vorbereiten sollten
Drei unpersönliche Anwendungen, ein Python-Ergebnisschema und ein Testhandbuch-Stub.

Aufgabenbeschreibung oder Prompt

Holen Sie sich die Nummer des Antrags, das Thema und das Zeichen der Dringlichkeit gemäß den Anweisungen. Lassen Sie unbekannte Felder leer. Übergeben Sie das Ergebnis zur Validierung des Schemas.

Erwartetes Ergebnis

Typisiertes Objekt mit fehlenden Werten.

So prüfen Sie das Ergebnis

  • Überprüfen Sie die Eingabefelder.
  • Ersetzen Sie das Handbuch durch eine Testabhängigkeit und überprüfen Sie das falsche Format.

Ein redaktionelles Lernbeispiel für eine Aufgabenbeschreibung, kein Ergebnis eines eigenen Praxistests des Dienstes. Prüfen Sie die Verfügbarkeit des benötigten Modus, die Rechte am Ausgangsmaterial und die Bedingungen für die Nutzung des Ergebnisses.

Details überprüfen

Offizielle Quellen

  1. Einführung in die Pydantic AI
  2. Abhängigkeiten von Pydantic AI-Agenten

Die Beschreibung basiert auf den Materialien des Entwicklers. Die Funktionen, Preise und Verfügbarkeit können variieren. Bitte überprüfen Sie die Quelle vor der Verwendung.