EsempioscriptintermediateEseguibileguided-flow
Agenti
Esempio rieseguibile intermediate di tipo script.
Fatti chiave
- Livello
- intermediate
- Runtime
- Python
- Pattern
- Flusso ispezionabile con confini di sistema visibili
- Interazione
- Sandbox live • Script
- Aggiornato
- 14 marzo 2026
Naviga questo esempio
Libreria
Sfoglia gli esempiRiapri la libreria completa per confrontare pattern vicini e percorsi collegati.Interazione
Esegui ora nel sandboxProva l'interazione direttamente nella superficie guidata di questo esempio.Sorgente
Apri codice completoLeggi l'implementazione reale, i punti evidenziati e i requisiti runtime.MCP
Chiama via MCPUsa la stessa risorsa dentro agenti, export deterministici e setup MCP.
Principi collegati
1-agents.py
python
from datetime import date
import json
import nest_asyncio
from pydantic_ai import Agent
nest_asyncio.apply()
# --------------------------------------------------------------
# Static instructions - defined at agent creation
# --------------------------------------------------------------
agent = Agent(
"openai:gpt-4o-mini",
instructions="You are a helpful assistant. Be concise.",
)
result = agent.run_sync(user_prompt="What is Python?")
print(result.output)
# --------------------------------------------------------------
# Dynamic instructions - computed at runtime
# --------------------------------------------------------------
agent = Agent("openai:gpt-4o-mini")
@agent.instructions
def add_date() -> str:
return f"Today's date is {date.today()}."
@agent.instructions
def add_context() -> str:
return "Use a friendly, conversational tone."
result = agent.run_sync(user_prompt="What day is it?")
print(result.output)
# --------------------------------------------------------------
# Combining static and dynamic instructions
# --------------------------------------------------------------
agent = Agent(
"openai:gpt-4o-mini",
instructions="You are a helpful assistant.",
)
@agent.instructions
def add_timestamp() -> str:
return f"Current date: {date.today()}"
result = agent.run_sync(user_prompt="What year are we in?")
print(result.output)
# --------------------------------------------------------------
# Let's explore the result
# --------------------------------------------------------------
print(result.all_messages())
messages = json.loads(result.all_messages_json())
print(json.dumps(messages, indent=2))
Principi correlati
- P4trustApplicare la divulgazione progressiva all'agenzia del sistemaFornire per impostazione predefinita le informazioni minime necessarie, consentendo agli utenti di ispezionare ulteriori dettagli quando è richiesta fiducia, comprensione o intervento.Apri il principio →
- P7trustStabilire fiducia attraverso l'ispezionabilitàGli utenti dovrebbero essere in grado di esaminare come è stato prodotto un risultato quando la fiducia, la responsabilità o la qualità della decisione sono importanti.Apri il principio →
- P8trustRendere espliciti i passaggi, le approvazioni e i blocchiQuando il sistema non può procedere, la ragione dovrebbe essere immediatamente visibile, insieme a qualsiasi azione richiesta dall'utente o da un'altra dipendenza.Apri il principio →
- P9orchestrationRappresentare il lavoro delegato come un sistema, non solo come una conversazioneDove il lavoro coinvolge più passaggi, agenti, dipendenze o attività concorrenti, dovrebbe essere rappresentato come un sistema strutturato piuttosto che solo come un flusso di messaggi.Apri il principio →