使用说明
PydanticAI+预执行代理+预执行MCP演示
演示展示 PydanticAI 随着 首席代理 用于持久执行，连接到 完善MCP服务器.
这表明了什么
- 持久执行：模型请求和MCP工具调用被跟踪为具有自动重试功能的Prefect任务
- 精确的本地配置：使用Prefect变量和秘密块，而不是环境变量
- 代码存储器：使用从GitHub仓库部署
flow.from_source() - MCP集成：连接到Prefect MCP服务器以查询和管理Prefect资源
- 管理执行：没有使用Prefect的托管工作池进行管理的基础设施
- 可选观察性：Logfire集成用于详细跟踪
先决条件
- Prefect Cloud帐户 - 注册
- API型号键 -选择一个：
- 无烟煤API键 （克劳德）
- OpenAI API密钥 GPT
- Python 3.10+
设置
1.创建精确变量
# MCP server URL (required)
prefect variable set fastmcp-server-url "https://your-mcp-server-url/mcp"
# Model to use (optional, defaults to Claude 3.5 Sonnet)
prefect variable set pydantic-ai-model "anthropic:claude-3-5-sonnet-20241022"
2.创建完美的秘密块
# Register the secret block type
prefect block register -m prefect.blocks.system
然后使用Python创建secrets：
from prefect.blocks.system import Secret
# For FastMCP server authentication (required)
fastmcp_secret = Secret(value="your-fastmcp-auth-token")
fastmcp_secret.save(name="fastmcp-auth-token")
# For Anthropic Claude models (required if using Claude)
anthropic_secret = Secret(value="your-anthropic-api-key")
anthropic_secret.save(name="anthropic-api-key")
# For OpenAI models (required if using OpenAI)
openai_secret = Secret(value="your-openai-api-key")
openai_secret.save(name="openai-api-key")
# For Logfire observability (optional)
logfire_secret = Secret(value="your-logfire-token")
logfire_secret.save(name="logfire-token")
3.部署到Prefect Cloud
cd examples/pydantic-ai-demo
python deploy.py
这将：
- 使用从GitHub拉取代码
flow.from_source() - 从Prefect变量和机密加载配置
- 使用Prefect托管执行创建部署
- 不需要工人！
用法
触发跑步
# Run with default prompt (dashboard overview)
prefect deployment run 'pydantic-ai-mcp-demo/pydantic-ai-mcp-demo'
# Run with a custom prompt
prefect deployment run 'pydantic-ai-mcp-demo/pydantic-ai-mcp-demo' \
--param prompt='List my most recent failing flow runs'
# Run with a different model
prefect deployment run 'pydantic-ai-mcp-demo/pydantic-ai-mcp-demo' \
--param model='openai:gpt-4o'
示例提示
# Dashboard overview
--param prompt='Show me a dashboard overview of my Prefect instance'
# Debug failing runs
--param prompt='List my most recent failing flow runs and tell me what failed'
# Check deployments
--param prompt='Show me all my active deployments'
# Work pool status
--param prompt='Show me the status of my work pools including active workers'
查看结果
完美的云用户界面：在以下位置查看流执行、任务分解和日志https://app.prefect.cloud
您将看到：
create-prefect-mcp-agent任务（使用API密钥加载创建代理）prefect-assistant_model_request任务（LLM调用）prefect-assistant_mcp_[tool_name]任务（MCP工具调用）
Logfire用户界面 （如果已配置）：查看代理执行、模型调用和工具使用的详细跟踪
配置
变量
- fastmcp服务器url （必填）：您的MCP服务器的URL
- pydantic ai模型 （可选）：要使用的模型（默认为
anthropic:claude-3-5-sonnet-20241022)
秘密方块
- fastmcp身份验证令牌 （必需）：FastMCP服务器的身份验证令牌
- 人工api密钥 （Claude必需）：Anthropic API密钥
- openai api密钥 （OpenAI必需）：OpenAI API密钥
- logfire令牌 （可选）：用于可观察性的Logfire令牌
流根据模型提供程序（anthropic:或openai:）自动加载相应的API密钥。
支持的型号
人类学（克劳德）
anthropic:claude-3-5-sonnet-20241022（默认，推荐）anthropic:claude-3-opus-20240229anthropic:claude-3-sonnet-20240229
OpenAI（GPT）
openai:gpt-4oopenai:gpt-4o-miniopenai:gpt-4-turbo
本地测试（可选）
对于本地开发，您可以设置环境变量：
export FASTMCP_SERVER_URL='https://your-server.fastmcp.app/mcp'
export ANTHROPIC_API_KEY='sk-ant-...'
python demo_flow.py
注意：部署时，流从Prefect变量和secrets加载配置，而不是环境变量。
建筑
┌─────────────────────┐
│ Prefect Cloud │
│ (Managed Execution)│
│ │
│ ┌───────────────┐ │
│ │ PydanticAI │ │
│ │ Agent Flow │ │
│ │ + PrefectAgent│ │
│ └───────┬───────┘ │
└──────────┼──────────┘
│
│ MCP Protocol
│
▼
┌─────────────────────┐
│ Prefect MCP Server │
│ │
│ Tools: │
│ - get_dashboard │
│ - get_flow_runs │
│ - get_deployments │
│ - get_work_pools │
│ - etc. │
└─────────────────────┘
│
│ Prefect API
│
▼
┌─────────────────────┐
│ Prefect Cloud API │
└─────────────────────┘
主要特点
- 持久执行：每个模型请求和工具调用都是一个跟踪的Prefect任务，会自动重试
- 本机配置：使用Prefect变量和机密进行安全配置管理
- 代码存储器：从GitHub部署，无需本地代码打包
- 自动密钥加载：流基于模型提供程序加载正确的API密钥
- 可选观察性：添加Logfire令牌以进行详细跟踪
- 托管基础设施：无需运行工人或建造容器
