PydanticAI Schulung: KI-Agenten mit Python entwickeln

Wer KI-Agenten mit Python entwickelt, steht früher oder später vor derselben Frage: Wie kommen die Antworten des Modells zuverlässig in den bestehenden Programmcode? Genau an dieser Schnittstelle setzt diese PydanticAI Schulung an.

Im Zentrum steht ein Agent für Serviceanfragen, der Vorgangsdaten aus einer bereitgestellten Beispieldatenquelle abruft. Statt einer beliebigen Textantwort liefert er festgelegte Felder an das Support-Team – damit wird im Projekt sichtbar, welche Angaben der nachgelagerte Code tatsächlich verarbeiten soll.

Du definierst das Ergebnis zunächst mit einem Pydantic-Modell, legst zulässige Werte für die Kategorie fest und beschreibst mit weiteren Feldern den nächsten Bearbeitungsschritt. Weicht eine Modellantwort davon ab, wird der Fehler bei der Validierung sichtbar. Anschließend erhält der Agent eine Tool-Funktion mit typisierten Parametern, die Daten anhand einer Vorgangsnummer abfragt, sodass ungültige Eingaben geprüft werden können.

Mit Dependencies stellst Du dem Agenten Daten zur Verfügung, die er während seiner Ausführung benötigt. Du untersuchst zudem den Umgang mit fehlerhaften Antworten und die Begrenzung erneuter Versuche. Allgemeine Agenten-Grundlagen bleiben bewusst außen vor, damit ausreichend Zeit für den Code und seine Fehlerfälle bleibt.

Zum Abschluss baust Du automatisierte Tests: Kontrollierte Modellantworten ersetzen echte Aufrufe, sodass sich das Verhalten bei gültigen und ungültigen Werten wiederholt prüfen lässt. Ein Test deckt fehlerhafte Tool-Parameter ab, ein weiterer schützt das vereinbarte Ausgabeformat vor unbeabsichtigten Änderungen. Am Ende integrierst Du den Agenten in die Python-Anwendung und prüfst den gesamten Weg von der Serviceanfrage bis zur typisierten Übergabe.

Agent für Serviceanfragen konfigurieren

• Agent-Konfiguration mit PydanticAI

• Modellzugriff für den Agentenlauf

• Testkonfiguration ohne Live-Modellaufrufe

Ausgaben mit Pydantic validieren

• Pydantic-Modell für das Übergabeergebnis

• Zulässige Werte für Servicekategorien

• Validierungsfehler bei Agentenausgaben

Vorgangsdaten über Tools abrufen

• Typannotationen für Tool-Parameter

• Vorgangsnummer als Abfrageparameter

• Fehlerhafte Tool-Argumente prüfen

Dependencies und Wiederholungen steuern

• RunContext für bereitgestellte Anwendungsdaten

• Wiederholungen bei ungültigen Modellausgaben

• Retry-Limits bei fehlerhaften Tool-Aufrufen

Agenten ohne Live-Modell testen

• Kontrollierte Antworten mit FunctionModel

• Testfälle für ungültige Tool-Argumente

• Regressionstests für das Ausgabeformat

Agent in die Python-Anwendung integrieren

• Typisierte Übergabe an das Support-Team

• Integrationstest mit einer Beispielanfrage

Diese Schulung richtet sich an Python-Entwickler, die bereits Erfahrung mit API-Anwendungen mitbringen und nun KI-Agenten mit typisierten, validierbaren Ausgaben entwickeln möchten.

Auch KI-Entwickler mit bestehenden Agentenprojekten profitieren, wenn sie die Übergabe von Modellantworten an nachgelagerten Code zuverlässiger und testbarer gestalten wollen.

Ebenso geeignet ist der Kurs für Backend-Teams, die typisierte Modellausgaben benötigen, um KI-Ergebnisse sicher in bestehende Systeme und Prozesse zu integrieren.

Vorausgesetzt wird sicherer Umgang mit Python-Funktionen und Typannotationen, da diese Kenntnisse direkt für die Arbeit mit Pydantic-Modellen und typisierten Tool-Parametern im Kurs benötigt werden.