Python의 타입 시스템을 활용해 AI 에이전트를 안전하고 예측 가능하게 만드는 프레임워크. Pydantic 팀이 직접 만들었고, FastAPI처럼 깔끔한 개발 경험을 에이전트 개발에 가져온다.

Pydantic AI란

LLM 에이전트를 만들다 보면 늘 같은 문제에 부딪힌다. 모델이 예상과 다른 형식으로 응답하고, 도구 호출 인자가 틀리고, 런타임에서야 에러를 발견한다. Pydantic AI는 이 문제를 Python의 타입 시스템으로 해결한다. 에이전트의 입력, 출력, 의존성 모두에 타입을 걸어서, 코드를 쓰는 시점에 IDE가 오류를 잡아주고, 실행 시점에는 Pydantic이 자동으로 응답을 검증한다.

사용 예시

에이전트를 정의할 때 결과 타입을 제네릭으로 지정한다. Agent[MyDeps, MyResult]처럼 선언하면, 도구 함수에서 RunContext[MyDeps]를 통해 의존성에 타입 안전하게 접근하고, 모델 응답은 MyResult 스키마로 자동 검증된다.

의존성 주입 시스템도 핵심이다. DB 커넥션, API 클라이언트 같은 외부 자원을 데이터클래스로 묶어서 에이전트에 주입하면, 테스트할 때는 목(mock)으로 교체하고 프로덕션에서는 실제 객체를 넣는 식으로 깔끔하게 분리된다.

주의할 점

타입 안전성이 강점인 만큼 Python 타입 힌팅에 익숙해야 생산성이 나온다. LangGraph처럼 복잡한 상태 머신이 필요한 워크플로우에는 단독으로 부족할 수 있고, LangGraph와 조합하는 패턴이 권장된다.