Pydantic AI 是面向生产级 GenAI 应用的 Python 智能体（Agent）框架，强调类型安全与类似 FastAPI 的开发体验。
用途：构建带结构化输出的 AI 智能体、需要类型安全与 IDE 友好的开发、为工具提供依赖注入、多模型支持（OpenAI、Anthropic、Gemini 等）、生产可观测性（Logfire）、以图（Graphs）组织复杂工作流。
主要能力：类型安全与完整 IDE 支持；模型无关，支持 30+ 供应商（OpenAI、Anthropic、Google、xAI/Grok、Groq、Mistral、Azure、Bedrock、SambaNova、Ollama 等）；基于 Pydantic 模型的结构化输出校验；通过依赖注入向工具传上下文；多供应商向量嵌入；MCP 支持外部工具与数据；系统化评估（pydantic-evals）；内置 Logfire 可观测性；Graphs 复杂工作流；以及 UI 流式适配等。
使用方式（安装与版本要求见 installation.md，需 Python 3.10+）：基础用法为创建 Agent 并调用 run_sync： from pydantic_ai import Agent agent = Agent('openai:gpt-4o', instructions='Be concise, reply with one sentence.') result = agent.run_sync('...') print(result.output) 结构化输出可传 output_type=某 Pydantic 模型；工具与依赖注入通过 deps_type 与 @agent.tool 定义，工具函数接收 RunContext[Deps]；流式响应用 async with agent.run_stream(...)；回退模型用 FallbackModel；MCP 集成用 MCPToolset(command=..., args=[...])，并通过 toolsets=[...] 挂载；测试用 TestModel 获得确定性输出；嵌入用 Embedder('openai:text-embedding-3-small') 与 embed_query/embed_documents。
适用场景：需要结构化输出、类型校验、依赖注入、多模型路由、MCP 工具接入、评估与线上可观测性的 Python AI 应用与智能体工作流。
限制与注意事项：具体安装命令与可选依赖分组见参考文档，资料未给出完整命令；不得在代码中暴露 API 密钥；生产环境不应跳过输出校验；不应忽略工具错误；使用 run_stream 需处理部分输出；MCP 连接需关闭（async with agent）；多包装器/钩子参与时应显式定义能力顺序。项目在 2.x 系列中有较多破坏性迁移（如 V1→V2、MCPToolset 取代旧接口、stream_response 取代 stream_responses），并修过若干安全漏洞，升级前应查阅升级指南。