Pydantic AIで型安全なAIエージェントを作ろう！テスト可能な設計が開発を変える

「AIエージェントって面白そうだけど、型がバラバラで本番に持っていくのが怖い…」そんな悩みを持つエンジニアに、ぜひ知ってほしいライブラリがあります。

その名も Pydantic AI。Pythonの型バリデーションライブラリとして有名な Pydantic の思想をそのままAIエージェント開発に持ち込んだフレームワークです。最近、海外の技術コミュニティで注目を集めていますよ 🚀

Contents

Pydantic AIって何がうれしいの？
実際にコードを見てみよう
テストしやすい設計が最高すぎる
どんな人におすすめ？
まとめ

Pydantic AIって何がうれしいの？

python code / Photo by Nemuel Sereti via Pexels

イメージとしては、「LLMへの入出力を全部型で縛ってくれる安全な土台」です。

通常のLLMアプリでありがちな問題がこちら：

LLMが返すJSONの構造が毎回バラバラ
テストしたくてもモック（ダミーデータ）が作りにくい
エージェントの動作が「なんとなく動いてる」状態で本番投入が怖い

Pydantic AIはこれらをまとめて解決してくれます。型定義・バリデーション・テスト可能な設計がセットになっているのが最大の魅力です。

実際にコードを見てみよう

まずはインストールから。

pip install pydantic-ai

続いて、簡単なエージェントのサンプルです。

from pydantic_ai import Agent
from pydantic import BaseModel

# 出力の型をPydanticモデルで定義する
class CityInfo(BaseModel):
    name: str          # 都市名
    population: int    # 人口
    country: str       # 国名

# エージェントに型付きの出力を持たせる
agent = Agent(
    'openai:gpt-4o-mini',
    result_type=CityInfo,  # ここで出力の型を指定！
    system_prompt="You are a helpful geography assistant."
)

# 実行してみる
result = agent.run_sync("Tell me about Tokyo.")
print(result.data.name)        # -> Tokyo
print(result.data.population)  # -> 13960000（例）
print(result.data.country)     # -> Japan

ポイントをまとめるとこんな感じです👇

result_type にPydanticモデルを渡すだけで、LLMの出力が自動的にバリデーションされる
型が合わない場合はエラーを出してくれるので、バグの早期発見ができる
result.data として型安全にアクセスできるので、IDEの補完も効く 🎉

テストしやすい設計が最高すぎる

Pydantic AIはテストモードをサポートしています。実際にLLMを呼び出さずにエージェントの挙動を確認できるんですよね。

from pydantic_ai import Agent
from pydantic_ai.models.test import TestModel
from pydantic import BaseModel

class Answer(BaseModel):
    message: str

agent = Agent(TestModel(), result_type=Answer)

# LLMなしでテストが走る！
result = agent.run_sync("Hello!")
print(result.data)  # TestModelが返すダミーレスポンス

「本番環境でしか動かせないAIエージェント」はテストコストが高くなりがちですよね。Pydantic AIなら CI/CDパイプラインにも組み込みやすい 設計になっているので、品質を担保しながら開発を進められます。