Pydantic v2のバリデーション設計：型安全なAPIとLLMアプリケーションの実装パターン

# 境界層：APIリクエスト/レスポンス
from pydantic import BaseModel, Field

class CreateUserRequest(BaseModel):
    """API入力の境界"""
    name: str = Field(..., min_length=1, max_length=100)
    email: str = Field(..., pattern=r"^[\w\.-]+@[\w\.-]+\.\w+$")

class UserResponse(BaseModel):
    """API出力の境界"""
    id: int
    name: str
    email: str

# ドメイン層：純粋なPythonクラス
from dataclasses import dataclass

@dataclass
class User:
    """ドメインモデル（Pydantic不使用）"""
    id: int
    name: str
    email: str

    def change_email(self, new_email: str) -> "User":
        # ドメインロジックはここに
        return User(id=self.id, name=self.name, email=new_email)

from pydantic import BaseModel, Field, field_validator, model_validator
from typing import Optional

class CreateArticleRequest(BaseModel):
    title: str = Field(..., min_length=1, max_length=200)
    content: str = Field(..., min_length=10)
    tags: list[str] = Field(default_factory=list, max_length=10)
    published: bool = False

    @field_validator("tags")
    @classmethod
    def validate_tags(cls, v: list[str]) -> list[str]:
        # 重複を除去し、空文字を除外
        return list(dict.fromkeys(tag.strip() for tag in v if tag.strip()))

    @model_validator(mode="after")
    def validate_published_content(self) -> "CreateArticleRequest":
        # 公開記事は最低100文字必要
        if self.published and len(self.content) < 100:
            raise ValueError("公開記事は100文字以上必要です")
        return self

from pydantic import BaseModel, ConfigDict
from datetime import datetime

class ArticleResponse(BaseModel):
    model_config = ConfigDict(
        from_attributes=True,  # ORMモデルからの変換を許可
        json_encoders={datetime: lambda v: v.isoformat()},
    )

    id: int
    title: str
    content: str
    created_at: datetime
    updated_at: Optional[datetime] = None

from pydantic import BaseModel, Field
from langchain_openai import ChatOpenAI
from langchain_core.prompts import ChatPromptTemplate

class ExtractedEntity(BaseModel):
    """LLM出力の構造化モデル"""
    name: str = Field(description="エンティティの名前")
    category: str = Field(description="カテゴリ（人物/組織/場所）")
    confidence: float = Field(ge=0.0, le=1.0, description="信頼度スコア")

class ExtractionResult(BaseModel):
    """抽出結果全体"""
    entities: list[ExtractedEntity] = Field(default_factory=list)
    summary: str = Field(description="テキストの要約")

# LLMにStructured Outputを指定
llm = ChatOpenAI(model="gpt-4o-mini", temperature=0)
structured_llm = llm.with_structured_output(ExtractionResult)

prompt = ChatPromptTemplate.from_messages([
    ("system", "テキストからエンティティを抽出してください。"),
    ("human", "{text}")
])

chain = prompt | structured_llm
result: ExtractionResult = chain.invoke({"text": "OpenAIのサム・アルトマンCEOが..."})

from pydantic import ValidationError
from typing import Optional

def safe_extract(text: str) -> Optional[ExtractionResult]:
    try:
        return chain.invoke({"text": text})
    except ValidationError as e:
        # バリデーションエラーをログに記録
        print(f"LLM出力のバリデーションエラー: {e}")
        return None
    except Exception as e:
        print(f"予期しないエラー: {e}")
        return None