用途：在 PydanticAI 中配置 LLM 提供商、选择模型、实现容错与流式输出，并管理模型设置。
主要能力：
- 提供商模型字符串，格式为 provider:model-name，例如 Agent('openai:gpt-4o')、Agent('anthropic:claude-sonnet-4-5')、Agent('google-gla:gemini-2.0-flash')、Agent('google-vertex:gemini-2.0-flash')、Agent('groq:llama-3.3-70b-versatile')、Agent('mistral:mistral-large-latest')、Agent('cohere:command-r-plus')、Agent('bedrock:anthropic.claude-3-sonnet')。
- 模型设置：通过 ModelSettings 配置 temperature、max_tokens、top_p、timeout，并可在每次运行时覆盖。
- 回退模型：使用 FallbackModel 按顺序尝试多个模型，支持自定义 fallback_on 条件（如仅对 429、500、502、503 状态码回退）。
- 流式响应：使用 agent.run_stream 与 response.stream_output() 逐块输出，支持结构化输出（流式返回部分 JSON），并可读取最终结果与用量。
- 动态模型选择：可通过环境变量、运行时 model 参数或 agent.override 上下文管理器切换模型。
- 延迟模型检查：defer_model_check=True 可延迟到首次运行才校验模型，便于测试时用 override 替换为 TestModel。
- 用量跟踪与限制：result.usage() 与 result.run_usage() 查看 token 与请求数，UsageLimits 可限制 total_tokens、request_tokens、response_tokens。
- 提供商特定配置：OpenAIModel 支持 api_key 与 base_url（用于 Azure、代理），AnthropicModel 支持 api_key。
使用方式：安装并导入 pydantic_ai，用 Agent 指定模型字符串或模型对象，按需传入 model_settings、usage_limits，异步调用 run 或 run_stream。
适用场景：选择模型、实现容错回退、流式输出、控制推理参数、跟踪与限制用量。
限制：资料未提供安装命令、价格、平台支持范围与效果保证；示例中的 API 密钥应通过环境变量或密钥存储加载，不应提交真实密钥。