初Agent

一行サマリ

Agent('google-gla:gemini-3-flash-preview') の 1 行と run_sync 1 回 で、最初のPydanticAI Agentを動かす。

ヒーロー: User と Agent と LLM の関係

PydanticAI の Agent は「ユーザー入力を受け取り、必要なら LLM に問い合わせ、結果を型付きで返す」中継役です。最小ケースでは LLM 呼び出しが 1 往復だけで完結します。

概念: Agent は「型付きの薄いラッパー」

Agent は pydantic_ai.Agent クラスのインスタンスです。最低限必要なのは、

1. モデル指定 — 'google-gla:gemini-3-flash-preview' のような文字列
2. (任意) instructions — システムプロンプトに相当する文字列

の 2 つだけです。これだけで「LLMに 1 往復しゃべらせる」最小構成が動きます。

LangChain や OpenAI SDK 直叩きと比較したときの PydanticAI Agent の特徴は、

• 型安全 — 入力・出力・ツール引数すべてが型ヒントで守られる
• 薄い — 余計な抽象化を挟まず、内部で何をしているかが追える
• テスタブル — TestModel への差し替えだけでオフラインテストが書ける

の 3 点です。これらは後の章で順に体感していきます。

コード: 最小構成

from pydantic_ai import Agent
 
# モデル指定 + システムプロンプトだけのシンプルなAgent
agent = Agent(
    'google-gla:gemini-3-flash-preview',
    instructions='あなたはPydanticAIの教育担当です。日本語で簡潔に答えてください。',
)
 
# 同期実行: 結果を待ち合わせて返す
result = agent.run_sync('PydanticAIを一言で説明してください')
print(result.output)

ポイントは 3 つです。

• Agent(...) の第1引数で どのプロバイダのどのモデル を使うか指定する。google-gla: プレフィックスは Google AI Studio (旧称 Google Language API) を意味する。
• instructions は システムプロンプト に相当。固定文字列でも関数でも渡せる (Ch1 で詳述)。
• run_sync() は 同期実行 で、結果を AgentRunResult として返す。.output で実際のレスポンス文字列にアクセスできる。

同期 (run_sync) と非同期 (run) の使い分け

ここで使った run_sync は名前のとおり 同期版 で、Colab のセル内で 1 つずつ動かすときに最も簡単です。本番アプリで Web リクエストを並列に捌くなら await agent.run(...) を使います。詳細は次レッスン Ch0-L02「同期 vs 非同期」で扱います。

まとめ

• PydanticAI の Agent はモデル指定 + (任意の) instructions だけで動く「薄いラッパー」
• run_sync は最も単純な同期実行。結果は AgentRunResult.output で取り出す
• モデル指定には google-gla: プロバイダプレフィックスが必要

次レッスンでは、run_sync / run / run_stream の使い分けと、それぞれをどんな場面で選ぶかを掴みます。