Pydantic AI は、データ検証ライブラリ Pydantic の開発元 Pydantic Services Inc. が公開している Python 向けの AI エージェントフレームワーク。「FastAPI の使いやすさを AI 開発に持ち込む」ことを掲げ、Pydantic のバリデーションを土台にした型安全な設計を最大の特徴とする。OpenAI・Anthropic・Google をはじめとする各社のモデルを文字列の指定だけで差し替えられ、ツール呼び出し・構造化出力・依存性注入・ストリーミング・グラフによるワークフロー制御までを一貫した型付きの API で扱える。MIT ライセンスのオープンソースで、フレームワーク自体は無料で利用できる。2024 年の公開以降、MCP や A2A といったエージェント間連携プロトコル、評価ライブラリ Pydantic Evals、リアルタイム音声や画像生成への対応と、機能を広げ続けている。
主な特徴
- 端から端まで型安全: エージェントの入力・出力・ツールの引数・依存オブジェクトのすべてを Pydantic モデルと型ヒントで表現する。LLM の出力は Pydantic が検証したうえでオブジェクトとして返るため、「文字列を手で JSON パースして壊れる」という定番の失敗を避けられる。エディタの補完や mypy・Pyright による静的チェックもそのまま効く
- モデルの差し替えが文字列 1 つ: OpenAI、Anthropic、Google、Amazon Bedrock、Azure AI Foundry、Groq、Mistral、xAI、Ollama など多数のプロバイダに対応し、
'openai:gpt-…'のようなモデル指定を書き換えるだけで乗り換えられる。ベンダーごとの SDK 差異をアプリ側に持ち込まずに済む - ツールと依存性注入: Python の関数にデコレータを付けるだけでツール化でき、引数のスキーマは型注釈から自動生成される。DB 接続や API クライアントなどの外部依存は依存性注入の仕組みで渡すため、テスト時にモックへ差し替えるのが容易
- MCP・A2A への対応: Model Context Protocol 経由で外部ツール群をエージェントに接続でき、A2A（Agent2Agent）でエージェント同士を連携させられる。自前でプロトコルを実装せずにエコシステムへ乗れる
- Pydantic Evals による評価: エージェントの振る舞いを pytest でコードをテストするのと同じ感覚で評価できる評価ライブラリを同梱。データセットと評価器を定義して回帰を検知できる
- オブザーバビリティと長時間実行: OpenTelemetry ネイティブの計装を持ち、同社の Logfire に接続すればプロンプト・ツール呼び出し・トークン消費を可視化できる。Temporal・DBOS・Prefect などとの連携で、再起動をまたぐ長時間ワークフローにも対応する
- グラフでの制御: Pydantic Graph により、分岐やループを含む複雑なエージェントの流れをノードとして型付きで記述できる
料金
| プラン | 月額料金 | 主な特徴 |
|---|---|---|
| Pydantic AI（フレームワーク本体） | $0 | MIT ライセンスのオープンソース。機能制限なし。モデル利用料は各 LLM プロバイダへ別途支払い |
| Logfire Personal | $0 | 監視・評価基盤の無料枠。月 1,000 万件のテレメトリ、1 シート + 読み取り専用ゲスト 2 名 |
| Logfire Team | $49 | 月 $20 分のクレジット（1,000 万件相当）を含み、超過分は 100 万件あたり $2。5 シート + ゲスト 10 名 |
| Logfire Growth | $249 | Team の内容に加えシート・ゲスト・プロジェクト無制限、最長 90 日保持、優先サポート |
| Logfire Enterprise | 要問い合わせ | 専用・セルフホスト構成、SSO、カスタム保持期間、SLA 付きサポート |
Pydantic AI 自体はオープンソースで課金要素がなく、有料になるのは監視・評価 SaaS である Logfire を使う場合と、呼び出す LLM プロバイダの API 利用料である。年払い価格は公式ページに明示されていない。
料金は2026年8月時点の情報です。最新の料金は公式サイトをご確認ください。
メリット・デメリット
✅ メリット
- Pydantic の検証がそのまま効くため、LLM の出力を安心してアプリのデータとして扱える
- 型ヒント中心の素直な Python コードで書けて、既存の FastAPI 系のプロジェクトと感覚が近い
- モデルの乗り換えコストが小さく、ベンダーロックインを避けやすい
- MIT ライセンスの無料オープンソースで、商用利用のハードルが低い
- MCP・A2A・OpenTelemetry など標準的なプロトコルに素直に乗っている
⚠️ デメリット
- Python 専用で、TypeScript など他言語のプロジェクトからは直接使えない
- 型システムや依存性注入の考え方に不慣れだと、最初の学習コストがそれなりにある
- オブザーバビリティを本格的に使うなら Logfire の有料プランが視野に入り、完全に無料では収まらない場合がある
- 開発が活発なぶん API の変更が入ることがあり、バージョンの追随が必要
- ノーコード的な GUI は無く、コードを書く前提のツール
類似サービスとの比較
| 比較項目 | Pydantic AI | LangChain / LangGraph | LlamaIndex | OpenAI Agents SDK |
|---|---|---|---|---|
| 主な強み | 型安全・検証済みの構造化出力 | 部品の豊富さ・エコシステム | 検索拡張（RAG）とデータ接続 | OpenAI 製モデルとの親和性 |
| 言語 | Python | Python / TypeScript | Python / TypeScript | Python / TypeScript |
| モデル対応 | 多数のプロバイダ | 多数のプロバイダ | 多数のプロバイダ | OpenAI 中心 |
| 学習コスト | 中（型の理解が前提） | 中〜高（抽象が多い） | 中 | 低〜中 |
| 料金 | 無料（MIT） | 無料（有料の運用基盤あり） | 無料（有料版あり） | 無料（API 利用料は別） |
こんな人におすすめ
- FastAPI や Pydantic を日常的に使っていて、その延長で AI エージェントを組みたい Python 開発者
- LLM の出力を業務データとして扱う必要があり、型と検証で守りを固めたいチーム
- 複数の LLM プロバイダを比較・併用したい、あるいは将来の乗り換え余地を残したい開発者
- エージェントの品質を継続的に評価・監視する仕組みまで含めて設計したい人
- 抽象の厚いフレームワークより、素の Python に近い書き味を好む人
まとめ
Pydantic AI は、Python の型システムと Pydantic の検証を軸に据えることで、LLM という不確かな出力源をアプリケーションの中で扱いやすくするフレームワークである。モデル非依存の設計、MCP や A2A への対応、評価とオブザーバビリティまでを含む構成は、試作から本番運用への橋渡しを意識したものといえる。フレームワーク本体は MIT ライセンスで無料なので、まずは小さなエージェントを 1 つ書いてみて、型付きの出力が返ってくる感触を確かめるところから始めるとよい。