Pydantic 是一个基于 Python 类型提示的数据验证与数据解析库。它允许开发者通过定义数据模型类来声明数据结构，并在运行时自动完成类型检查、数据转换与校验，若数据不符合预期则抛出结构化错误。Pydantic 广泛应用于 API 开发、配置管理和数据处理场景，是 FastAPI 等主流框架的核心依赖之一，具有高性能、易用性强和与 Python 生态深度集成的特点。
MCP Python SDK利用Python的类型注解和Pydantic的Field描述符，通过反射机制自动生成符合规范的JSON Schema
LLM 选择 TypedDict 而非 Pydantic 模型或 dataclass 作为序列化格式
FastAPI基于Starlette和Pydantic构建，天然支持异步处理，基于ASGI（Asynchronous Server Gateway Interface）
LangGraph中的State通常以TypedDict或Pydantic模型的形式定义
Pydantic v2版本使用Rust重写了核心验证逻辑，性能相比v1提升了5-50倍
V3版本引入了强类型的数据类（dataclass）或Pydantic模型来封装每种事件，支持mypy、pyright等类型检查器
UV在2024年下半年迅速获得FastAPI、Pydantic等主流开源项目的官方推荐
LangChain的StructuredTool依赖Pydantic来定义工具的输入参数结构，通过Pydantic BaseModel描述每个参数的类型和含义
LangChain的@tool装饰器通过Python的inspect模块提取函数签名，结合Pydantic进行类型验证，生成符合OpenAI Function Calling规范的JSON Schema
LangChain的with_structured_output方法在底层将Pydantic模型转换为JSON Schema，注入到模型的system prompt或function calling参数中
还有 4 条时间轴事件