AI Agents · 课时

验证工具输出（Pydantic）

让每个工具输出都经过 Pydantic 模型解析——遇到格式错误的响应时立即明确失败。

验证工具输出（Pydantic） 是 CoddyKit 上的免费 AI Agents 课时。这是第 4 节课，共 4 节。你可以在下方免费阅读本课时的完整内容 — 然后在浏览器中使用内置代码编辑器和全天候 AI 导师进行实践。这是 AI Agents 学习路径的一部分，你的进度在网页和 CoddyKit 应用中同步。 AI Agents 课程共包含 4 节课。

本课时的部分内容尚未翻译，以英文显示。

信任但要验证

工具输出来自外部世界——API、网页和模型。格式错误或出乎意料的响应可能会导致代理崩溃，或者更糟糕的是，悄悄地将错误数据输入 LLM。

请根据模式验证每个工具输出。

Pydantic 模型

定义预期的数据结构：

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

使用模型验证列表

验证整个响应：

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

response = SearchResponse.model_validate(raw)

字段验证器

在字段内部执行自定义检查：

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

严格与宽松

默认情况下，Pydantic 会强制转换类型（如果可能，会将字符串转换为整数）。如需进行严格检查：

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

验证 LLM 结构化输出

强制模型返回符合 Pydantic 模式的 JSON——请参阅“结构化输出”课程。在边界处再次验证，以实现纵深防御。

验证工具参数

在执行之前验证模型的 tool_call.arguments：

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

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

将验证错误作为工具结果

如果验证失败，请将错误返回给模型，以便模型使用经过修正的参数进行重试：

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

模式版本控制

当工具的输出模式发生变化时，请为其设置版本：

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

从 Pydantic 生成 JSON 模式

对于工具模式定义，请从您的 Pydantic 类派生：

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

验证目标

为什么要对每个工具输出使用 Pydantic？

回顾

在每个边界使用 Pydantic：传入的工具参数、传出的工具输出以及 LLM 结构化输出。明确失败胜过悄无声息的数据损坏。

常见问题解答

「验证工具输出（Pydantic）」课时是免费的吗？

是的 — 「验证工具输出（Pydantic）」的完整文本可在网页上免费阅读。要进行交互式练习（内置代码编辑器和全天候 AI 导师）并解锁 AI Agents 课程的其余内容，请升级到 CoddyKit PRO。 AI Agents 课程共包含 4 节课。

「验证工具输出（Pydantic）」这节课中我会学到什么？

让每个工具输出都经过 Pydantic 模型解析——遇到格式错误的响应时立即明确失败。你通过在浏览器中直接运行的动手代码来练习 AI Agents，全天候 AI 导师会在你学习这节课的过程中回答你的问题。

学习 AI Agents 需要有经验吗？

无需任何先前经验。CoddyKit 上的 AI Agents 课程适合初学者到高级学习者，你可以从这里开始或从头开始，按照自己的节奏学习。这是第 4 节课，共 4 节。

「验证工具输出（Pydantic）」课时需要多长时间？

大多数 CoddyKit 课程大约需要 5–10 分钟。每节课都很精短且互动，所以你能稳步进步，并在网页和应用中从离开的地方继续。

我能在这节 AI Agents 课中编写并运行代码吗？

能。每节 AI Agents 课都包含内置代码编辑器，你可以在浏览器中直接编写并运行真实代码，并获得即时 AI 反馈 — 无需本地设置。

此课程中的所有课时

← 返回 AI Agents