Google ADK构建Agent时Pydantic验证错误排查求助

错误原因分析 #

从报错信息可明确两个核心问题：

1. output_schema参数类型错误：output_schema要求传入Pydantic BaseModel的子类，你传入的是JSON字符串（final_output_json），不符合类型要求。
2. 参数误用与名称错误：
   • 错误地将实际输入数据（JSON字符串）传给了input_schema，该参数用于定义输入结构（需BaseModel子类），实际数据应通过input参数传入。
   • instructions不是LlmAgent的合法参数，导致"Extra inputs are not permitted"错误，正确参数名应为prompt（符合Google ADK的API规范）。

解决方案步骤 #

1. 定义Pydantic模型：为输入数据和输出结果分别创建对应的BaseModel子类，明确数据结构。
2. 修正参数传递：
   • 将实际输入数据传给input参数，而非input_schema。
   • 用prompt替代instructions作为提示词参数。
   • 给output_schema传入定义好的Pydantic模型类，而非JSON字符串。
3. 避免不必要的JSON序列化：加载输入JSON后直接使用字典或转换为Pydantic实例，无需用json.dumps转为字符串。

修正后代码示例 #

from pydantic import BaseModel, Field
from typing import List
import json

# 定义输入数据模型，匹配precedence_mitigation结构
class MitigationItem(BaseModel):
    States: str = Field(description="涉及的州")
    Counties: str = Field(description="涉及的县")
    Category: str = Field(description="风险类别")
    Risks: str = Field(description="风险描述")
    Mitigation: str = Field(description="缓解措施")
    Precedence: str = Field(description="参考法规/先例")

class MitigationInput(BaseModel):
    items: List[MitigationItem] = Field(description="风险缓解列表")

# 定义输出模型，匹配final_output_json结构
class AgentOutput(BaseModel):
    passing: bool = Field(description="是否通过检查")
    comments: str = Field(description="检查意见")
    # 可根据实际需求补充其他字段

# 提示词定义
QAAgentPrompt = "Checks the information for accuracy, completeness, and consistency."
ComplianceAgentPrompt = "Reviews the information for adherence to relevant policies, standards, and regulations. Please don't repeat anything that's already mentioned by the QAAgent, i.e. <<{QAAgentOutput}>>"
RecommendationAgentPrompt = "Reviews the document for recommendations."

def json_to_memory(file_path):
    """读取JSON文件并返回字典"""
    with open(file_path, 'r', encoding='utf-8') as file:
        json_data = json.load(file)
    return json_data

# 加载输入数据并转换为Pydantic实例
mitigation_raw_data = json_to_memory(FilePath)
mitigation_input = MitigationInput(items=mitigation_raw_data)

# 创建修正后的Agent实例
QAAgent = LlmAgent(
    name="QAAgent",
    model="gemini-2.0-flash",
    prompt=QAAgentPrompt,
    input=mitigation_input,
    output_schema=AgentOutput,
    output_key="QAAgentOutput"
)

ComplianceAgent = LlmAgent(
    name="ComplianceAgent",
    model="gemini-2.0-flash",
    prompt=ComplianceAgentPrompt,
    input=mitigation_input,
    output_schema=AgentOutput,
    output_key="ComplianceAgentOutput"
)

RecommendationAgent = LlmAgent(
    name="RecommendationAgent",
    model="gemini-2.0-flash",
    prompt=RecommendationAgentPrompt,
    input=mitigation_input,
    output_schema=AgentOutput,
    output_key="RecommendationAgentOutput"
)

root_agent = SequentialAgent(
    name="RootAgent",
    model="gemini-2.0-flash",
    subagents=[QAAgent, ComplianceAgent, RecommendationAgent]
)

内容的提问来源于stack exchange，提问作者JP99