来自：Python大数据分析
前几天新版DeepSeek V3模型（代号）更新发布。作为支持函数调用的先进开源大模型，我们可以基于它进行高效的Agent功能开发，这也是当下非常火热 的AI应用领域。
今天的文章中，我就将带大家以Python生态中非常好用的Agent开发框架pydantic-ai为例，演示如何接入国内主流的DeepSeek V3服务，轻松实现常见的Agent开发相关功能。
为方便演示，我们从虚拟环境的建立开始，以conda/mamba为例，建立示例Python虚拟环境，你也可以使用你习惯的其他工具建立环境：
mamba create -n llm-agent-dev python=3.10 -y 激活对应环境：
mamba activate llm-agent-dev 市面上常见的DeepSeek服务一般都兼容openai标准，因此我们不必安装完整的pydantic-ai，执行下面的命令，仅安装openai标准相关的核心依赖即可（额外安装的jupyterlab是为了方便下文中做演示）：
pip install "pydantic-ai-slim[openai]" jupyterlab 完成上面的环境搭建后，终端执行下列命令启动jupyterlab，接下来我们所有的示例代码都在jupyterlab中运行：
jupyter lab ⚠️需要注意的是，在jupyter环境中，请在所有代码之前，先执行一遍下列代码，否则后续的pydantic-ai部分代码会运行出错：
import nest_asyncio nest_asyncio.apply() 为了能以兼容openai标准的形式，在pydantic-ai中调用国内常用的各种DeepSeek服务源，我们需要基于pydantic-ai中的OpenAIProvider来自定义模型提供源：
from pydantic_ai.providers.openai import OpenAIProvider 譬如，接入DeepSeek官方开放平台：
# 示例1：DeepSeek官方 deepseek_provider = OpenAIProvider( base_url='https://api.deepseek.com', api_key='
<填入你的api key="">
' )
或是接入火山方舟平台：
# 示例2：火山方舟 ark_deepseek_provider = OpenAIProvider( base_url='https://ark.cn-beijing.volces.com/api/v3', api_key='
<填入你的api key="">
' )
有了已定义的
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请联系我们举报，一经查实，本站将立刻删除。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/236118.html原文链接：https://javaforall.net
