pydantic-ai について
スキーマに沿った構造化データを返す PydanticAI エージェントの構築を支援するスキルです。ツールの型付け、エラー修復、運用時の確認方法も扱います。
主な機能
- 01Pydantic スキーマ設計
- 02エージェントツールの型統一
- 03検証と修復のループ
- 04バージョン付きスキーマ管理
- 05運用指標の提案
活用シーン
- 01研究結果を固定形式の JSON で出力
- 02データベース保存前のエージェント結果検証
インストール
コマンドをコピーしてターミナルで実行します。
$
npx skills add https:/インストール後、Claude Code で/pydantic-aiを入力して読み込まれたか確認します。
詳細
PydanticAI
このスキルを使う場面
- LLM の出力が JSON／オブジェクトスキーマに必ず従う必要がある場合
- 後続の自動化（保存／分析／API 呼び出し）へ安定して引き渡す必要がある場合
- 自由記述よりも、検証可能な構造化出力が重要な場合
手順
ステップ 1）スキーマを優先して設計する
- まず Pydantic モデルを定義し、必須フィールドと任意フィールドを分けます
- enum／範囲／正規表現の制約を明示します
- エラーメッセージは、ユーザーが修正できる形式で設計します
ステップ 2）エージェントとツールを組み合わせる
- ツールの入出力も Pydantic 型に統一します
- 失敗時の再試行ルール（フィールドの欠落／型の不一致）を分けます
- モデルの出力がスキーマに準拠していない場合は、すぐに再質問（repair prompt）します
ステップ 3）検証と修復のループ
- ValidationError をカテゴリ分けします（欠落／形式／論理）
- 同じエラーが繰り返される場合は、プロンプトではなくスキーマの複雑さを見直します
- 最終結果に信頼フラグ（validated, repaired, failed）を含めます
ステップ 4）運用に適用する
- DB に保存する前に、2次検証（サーバー側）を実行します
- バージョン付きスキーマ（
v1、v2）で互換性を管理します - 観測指標：初回成功率、再試行率、フィールドエラー率
例
- リクエスト：「リサーチ結果を常に同じ形式の JSON で受け取り、パイプラインに投入したい」
- 適用：
ResearchSummaryスキーマを定義し、エージェントの結果を必ず検証します - 結果：パース失敗率が低下し、後続の自動化が安定します
ベストプラクティス
- 自然言語の要件を、まずスキーマに変換します。
- スキーマは小さく始め、段階的に拡張します。
- 再試行回数よりも、エラー分類の品質を先に改善します。
参考資料
コメント
Markdown 対応