PydanticAI – LLM-Agenten in Python bauen
PydanticAI ist das am schnellsten wachsende Python-Agent-Framework und kombiniert die ergonomische Design-Philosophie von FastAPI mit der Power von Pydantic-Validierung für LLM-Interaktionen. In diesem intensiven 1-Tages-Kurs lernst du, wie du intelligente Agenten baust, testest und deployst, die Tools nutzen, strukturierten State verwalten und typsichere Outputs produzieren. Du arbeitest mit mehreren LLM-Anbietern (OpenAI, Anthropic, Gemini, Ollama), implementierst Dependency Injection für saubere Architektur und nutzt Pydantic Logfire für Echtzeit-Observability. Am Ende des Tages hast du einen voll funktionsfähigen Multi-Tool-Agenten gebaut, der produktionsbereit ist.
Fähigkeiten, die du lernen wirst
Kursmodule & Lektionen
PydanticAI Grundlagen
Agent-Architektur, die Agent-Klasse, System-Prompts, strukturierte Ergebnisse mit Pydantic-Modellen, modell-agnostisches Design (OpenAI, Anthropic, Gemini, Ollama).
Agent-Architektur
Verstehe den Aufbau von LLM-Agenten, um sie effektiv zu konstruieren.
System-Prompts
Erkunde, wie System-Prompts das Verhalten deiner KI-Agenten steuern.
Strukturierte Ergebnisse
Erfahre, wie du strukturierte Ergebnisse von deinen LLM-Agenten erhältst.
Modell-agnostisches Design
Entdecke die Vorteile eines modell-agnostischen Designs für deine Agenten.
Tools & Dependencies
Agent-Tools definieren, Tool-Parameter und Rückgabetypen, Dependency Injection mit RunContext, Zugriff auf Datenbanken und APIs aus Agenten.
Tools definieren
Lerne, wie du nützliche Tools für deine LLM-Agenten definierst.
Parameter & Rückgabetypen
Verstehe, wie Parameter und Rückgabetypen deine Tools robust machen.
Dependency Injection
Setze Dependency Injection ein, um Tools flexible in deinen Agenten zu verwalten.
DB- & API-Zugriff
Erforsche den Zugriff auf Datenbanken und APIs mittels PydanticAI-Tools.
Erweiterte Agent-Patterns
Mehrstufige Agent-Workflows, Agent-Delegation, strukturierter Gesprächsverlauf, Streaming-Responses, Retry- und Fehlerbehandlungsstrategien.
Mehrstufige Workflows
Erfahre, wie Du komplexe Aufgaben in mehrere Agentenschritte aufteilen kannst.
Agent-Delegation
Lerne, wie Agenten Aufgaben an andere Agenten delegieren können, um effizienter zu sein.
Streaming Responses
Entdecke, wie Du Echtzeit-Antworten von Deinen Agenten erhältst, um die User Experience zu verbessern.
Retry & Error Handling
Optimiere Deine Agenten mit Strategien für Fehlerbehandlung und automatische Wiederholungen.
Testing, Observability & Deployment
Unit-Testing von Agenten mit TestModel und FunctionModel, Pydantic-Logfire-Integration, Kosten- und Latenz-Monitoring, Agenten als FastAPI-Endpoints deployen.
TestModel & FunctionModel
Teste und validiere Deine Modelle und Funktionen, um robuste Agenten zu entwickeln.
Logfire-Integration
Integriere Logfire, um Deine Agentenaktivitäten transparent zu überwachen.
Kosten- & Latenz-Monitoring
Überwache Kosten und Latenzzeiten Deiner Agenten, um Performance und Budget im Blick zu behalten.
FastAPI-Deployment
Sieh, wie Du Deine Agenten mit FastAPI deployen kannst, um sie produktiv zu nutzen.
Voraussetzungen
Dein Trainer
David Pinezich
Erfahrener IT-Architekt und Trainer mit Schwerpunkt Python, Cloud-Architektur und Enterprise-Lösungen. Zertifizierter TOGAF-, CISSP- und AWS-Profi mit langjähriger praktischer Schulungserfahrung.