Гайд · TNWS AI

Как получить Pydantic-результат задачи CrewAI через output_pydantic

26 сентября 2026 4 мин—

Структурированный TaskOutput в CrewAI через output_pydantic: схема заявки, конкретный вход, доступ к result.pydantic и предметная проверка.

Задача и применимость

Актуальный поисковый запрос: «как получить структурированный ответ CrewAI output_pydantic». Получить объект с полями code и status вместо свободной прозы. Официальная документация указывает: TaskOutput.pydantic заполняется, если исходная задача настроена с output_pydantic; итог последней задачи становится результатом Crew. Pydantic подтверждает структуру и типы, но не доказывает, что модель правильно переписала код или статус. Материал сверён 26 сентября 2026 года с официальной документацией CrewAI 1.15.22. Примеры предназначены для Python 3.10+; закрепите версию пакета, потому что сигнатуры и поведение развиваются. Все коды, статусы и даты в примерах вымышлены.

Пошаговая настройка

Определите минимальную модель Pydantic без лишних полей.
Передайте класс в Task(output_pydantic=Ticket).
После kickoff читайте result.pydantic, а не разбирайте печатное представление.
Сопоставьте оба поля с буквальными фрагментами входа.

Перед запуском установите CrewAI по официальной инструкции. Для примеров с агентом задайте CREWAI_MODEL и учётные данные провайдера через переменные среды; доступность модели зависит от вашего аккаунта. Flow-примеры не требуют LLM и должны сначала проходить как детерминированные тесты. Не включайте действующие ключи и реальные клиентские данные в исходник или prompt.

Готовый шаблон

import os
from crewai import Agent, Crew, Process, Task
from pydantic import BaseModel

class Ticket(BaseModel):
    code: str
    status: str

agent = Agent(role="Экстрактор", goal="Извлекать только явные поля",
              backstory="Вы не исправляете коды догадкой.",
              llm=os.environ["CREWAI_MODEL"], max_iter=3)
task = Task(description="Извлеки: Заявка R-7 имеет статус 'готово'.",
            expected_output="Объект с code и status", agent=agent,
            output_pydantic=Ticket)
result = Crew(agents=[agent], tasks=[task], process=Process.sequential).kickoff()
print(result.pydantic.code, result.pydantic.status)

Конкретный вход и ожидаемый результат

Вход содержит R-7 и готово; ожидаемый объект — Ticket(code='R-7', status='готово'). Объект Ticket(code='R-70', status='готово') валиден по типам, но фактически неверен. Вход без статуса не должен приводить к правдоподобной догадке: измените схему на необязательное поле или завершайте обработку контролируемой ошибкой.

Как фактически проверить

Протестируйте одно корректное сообщение, сообщение без кода, два кода в одном тексте и похожий код R-70. После получения Pydantic-модели найдите точное значение в исходном сообщении. Если данные идут в CRM, используйте отдельный серверный валидатор допустимых переходов статуса. Не отправляйте объект напрямую в действие записи после единственного LLM-прогона.

Проверяйте не только итоговую строку, но и путь исполнения: входные данные, вызванный метод или Task, промежуточный результат и финальное преобразование. Успешный Python-процесс не доказывает правильность фактов LLM. Для агентных сценариев сделайте не менее трёх прогонов фиксированной модели и укажите долю прохождения критериев, а не выбирайте лучший ответ вручную.

Критерии приёмки

Python-код проходит синтаксическую проверку, а зависимости и версия зафиксированы.
Положительный пример даёт заранее описанный результат без новых фактов.
Отрицательный пример завершается явным отказом либо контролируемой веткой.
Ни один шаг не получает больше данных или полномочий, чем требуется задаче.
После обновления CrewAI или модели тот же набор выполняется повторно.

Протокол воспроизводимости

Сохраните дату, версию CrewAI, версию Python, идентификатор модели для agent-примеров и обезличенный вход. Для Flow зафиксируйте порядок событий и финальный state; для Task — TaskOutput, число попыток и результат guardrail. Не записывайте секреты, системные prompts и персональные данные без необходимости. Если ошибка плавающая, классифицируйте её как неверный маршрут, неверный аргумент, исключение Python или неподтверждённую генерацию — эти случаи исправляются по-разному.

Регрессионный набор

Не ограничивайтесь одним удачным примером. Добавьте стандартный вход, отсутствующее обязательное поле, похожий идентификатор, пустую строку и слишком длинное значение. Для каждого заранее укажите ожидаемое событие, состояние и финальный результат. В агентных задачах отдельно оценивайте правильность фактов и соблюдение формата; красивый текст не компенсирует неверный код. В Flow проверяйте, какой метод действительно вызван и сколько раз: одинаковая финальная строка может скрыть ошибочный маршрут. При изменении модели не переносите прежние показатели автоматически. При изменении схемы state предусмотрите миграцию сохранённых записей. Ошибка одного теста должна блокировать автоматическое внешнее действие, но не обязана останавливать независимые процессы системы. После исправления обязательно повторите весь набор, а не только упавший случай. Такой набор превращает статью в повторяемую инструкцию, а не в демонстрацию единственного счастливого пути.

Типичные ошибки и чего не делать

Не просите просто «верни JSON» вместо output_pydantic.
Не считайте успешную Pydantic-валидацию доказательством истинности.
Не обращайтесь к result.pydantic, если задача не настроена соответствующим образом.

Не увеличивайте retries, max_iter или таймаут после каждой ошибки автоматически. Ограничение останавливает цикл, но не исправляет отсутствующий факт или плохую схему. Не выполняйте платежи, удаление, публикацию и другие необратимые действия только на основании текста модели. Добавляйте детерминированную проверку и, где требуется, человеческое подтверждение.

FAQ

Где структурированный объект?

В result.pydantic для итоговой задачи с output_pydantic.

Есть ли словарный доступ?

CrewOutput также поддерживает несколько способов доступа, описанных в документации.

Что проверяет Pydantic?

Типы и правила схемы, но не происхождение фактов.

Официальные источники

Частые вопросы

Где структурированный объект?

В `result.pydantic` для итоговой задачи с output_pydantic.

Есть ли словарный доступ?

CrewOutput также поддерживает несколько способов доступа, описанных в документации.

Что проверяет Pydantic?

Типы и правила схемы, но не происхождение фактов.

Как получить Pydantic-результат задачи CrewAI через output_pydantic

Задача и применимость

Пошаговая настройка

Готовый шаблон

Конкретный вход и ожидаемый результат

Как фактически проверить

Критерии приёмки

Протокол воспроизводимости

Регрессионный набор

Типичные ошибки и чего не делать

FAQ

Где структурированный объект?

Есть ли словарный доступ?

Что проверяет Pydantic?

Официальные источники

Частые вопросы

Читайте также

Как хранить данные в словарном state CrewAI Flow

Как объединить события CrewAI Flow через or_ и and_

Как передать результат одной задачи CrewAI в другую через context

Комментарии