0Pricing
AI Agents · Урок

Проверка вывода инструментов (Pydantic)

Пропускайте каждый вывод инструмента через модель Pydantic — немедленно сообщайте об ошибке при некорректном ответе.

«Проверка вывода инструментов (Pydantic)» — бесплатный урок AI Agents на CoddyKit. Это урок 4 из 4. Ты можешь прочитать весь урок бесплатно ниже — а потом практиковать его прямо в браузере с встроенным редактором кода и ИИ-репетитором 24/7. Это часть пути обучения AI Agents, и твой прогресс синхронизируется между веб-версией и приложением CoddyKit. Курс AI Agents содержит 4 уроков всего.

Части этого урока еще не переведены и отображаются на английском.

Доверяйте, но проверяйте

Результаты работы инструментов поступают из внешнего мира — из API, веб-страниц и моделей. Неправильно сформированный или неожиданный ответ может привести к сбою агента или, что ещё хуже, незаметно передать в LLM неверные данные.

Проверяйте каждый результат работы инструмента по схеме.

Модели Pydantic

Определите ожидаемые структуры:

from pydantic import BaseModel, HttpUrl

class SearchResult(BaseModel):
    title: str
    url: HttpUrl
    snippet: str
    score: float = 0.0

Validate at the Boundary

from pydantic import ValidationError

def search(query):
    raw = requests.post('https://api.tavily.com/search', json={'query': query}).json()
    results = []
    for r in raw.get('results', []):
        try:
            results.append(SearchResult.model_validate(r))
        except ValidationError as e:
            log.warning('Bad search result skipped: %s', e)
    return results

Списки с проверкой модели

Проверяйте весь ответ:

from pydantic import BaseModel
class SearchResponse(BaseModel):
    results: list[SearchResult]

response = SearchResponse.model_validate(raw)

Проверяющие поля

Пользовательские проверки внутри полей:

from pydantic import field_validator

class SearchResult(BaseModel):
    score: float

    @field_validator('score')
    @classmethod
    def score_in_range(cls, v):
        if not 0 <= v <= 1:
            raise ValueError('score out of [0,1]')
        return v

Строгая и мягкая проверка

По умолчанию Pydantic приводит типы (строку -> целое число, если это возможно). Для строгих проверок:

from pydantic import StrictInt

class User(BaseModel):
    age: StrictInt   # rejects '25' (string)

Default Values for Missing Fields

class Tool(BaseModel):
    name: str
    description: str = 'No description provided'   # fallback

Проверяйте структурированный вывод LLM

Заставьте модель возвращать JSON, соответствующий схеме Pydantic — см. урок «Структурированный вывод». Для эшелонированной защиты повторно выполняйте проверку на границе.

Проверяйте аргументы инструментов

Проверяйте tool_call.arguments модели перед выполнением:

class SearchArgs(BaseModel):
    query: str
    k: int = 5

args = SearchArgs.model_validate_json(tool_call.function.arguments)
results = search(args.query, args.k)

Ошибки проверки как результаты работы инструмента

Если проверка завершается с ошибкой, верните ошибку модели, чтобы она могла повторить попытку с исправленными аргументами:

try:
    args = SearchArgs.model_validate_json(...)
except ValidationError as e:
    return {'error': f'Invalid arguments: {e}'}

Версионирование схем

При изменении схемы результата инструмента версионируйте её:

class SearchResultV2(BaseModel):
    title: str
    url: HttpUrl
    relevance: float       # was 'score' in v1

Создавайте схему JSON из Pydantic

Для определения схемы инструмента создавайте её на основе класса Pydantic:

schema = SearchArgs.model_json_schema()
# Use directly as the 'parameters' for an OpenAI tool definition.

Цель проверки

Зачем использовать Pydantic для каждого результата работы инструмента?

Итоги

Pydantic на каждой границе: аргументы инструментов на входе, результаты работы инструментов на выходе и структурированные результаты LLM. Явные сбои лучше незаметного повреждения данных.

Часто задаваемые вопросы

Урок «Проверка вывода инструментов (Pydantic)» бесплатный?

Да — полный текст урока «Проверка вывода инструментов (Pydantic)» бесплатно доступен здесь в веб-версии. Чтобы практиковать его интерактивно (встроенный редактор кода и ИИ-репетитор 24/7) и разблокировать остальной курс AI Agents, подпишись на CoddyKit PRO. Курс AI Agents содержит 4 уроков всего.

Чему я научусь в уроке «Проверка вывода инструментов (Pydantic)»?

Пропускайте каждый вывод инструмента через модель Pydantic — немедленно сообщайте об ошибке при некорректном ответе. Ты практикуешь AI Agents с помощью реального кода, который запускаешь прямо в браузере, и ИИ-репетитор 24/7 отвечает на твои вопросы во время урока.

Нужен ли мне опыт, чтобы начать AI Agents?

Предыдущий опыт не требуется. AI Agents на CoddyKit структурирован для всех уровней — от новичков до продвинутых, поэтому ты можешь начать отсюда или с самого начала и учиться в своем темпе. Это урок 4 из 4.

Сколько времени занимает урок «Проверка вывода инструментов (Pydantic)»?

Большинство уроков CoddyKit занимают около 5–10 минут. Каждый из них компактный и интерактивный, поэтому ты постоянно делаешь прогресс и продолжаешь с того же места в веб-версии и приложении.

Можно ли писать и запускать код в этом уроке AI Agents?

Да. Каждый урок AI Agents включает встроенный редактор кода, поэтому ты пишешь и запускаешь реальный код прямо в браузере и получаешь моментальную обратную связь от AI — локальная установка не требуется.

Все уроки этого курса

  1. Идемпотентные инструменты и побочные эффекты
  2. Повторные попытки с экспоненциальной задержкой
  3. Тайм-ауты и автоматические выключатели
  4. Проверка вывода инструментов (Pydantic)
← Назад к AI Agents