LLM structured outputs. response_format của OpenAI và tool-use của Anthropic đều nhận JSON Schema. Sau khi thiết kế và test schema, bạn thường muốn một Pydantic model để validate và truy cập field trong Python. Sinh client OpenAPI. Một spec OpenAPI cho bạn JSON Schema cho mỗi request/response body; đây là cách nhanh để có Pydantic model tương ứng mà không cần generator full. Migrate Schema → Python. Bạn kế thừa một hệ thống dùng JSON Schema để validate và muốn chuyển sang Pydantic. Dán từng schema, nhận class khởi điểm, tinh chỉnh. Scaffolding nhanh. Bạn phác thảo cấu trúc trong JSON trong notebook; biến nó thành model thật với một lần dán.

JSON Schema → Pydantic

Chuyển đổi JSON Schema sang code model Pydantic v2, trong trình duyệt của bạn. Dán schema, nhận về một class Python sẵn sàng để dán. Hữu ích cho workflow LLM với structured output.

JSON Schema

Pydantic version

Sample schema

Root class name

Generated Pydantic code

Nhập dữ liệu ở trên để xem kết quả.

Công cụ này để làm gì?

JSON Schema và Pydantic là hai cách chính để mô tả một object có cấu trúc — JSON Schema là tiếng nói chung cho OpenAPI specs, LLM function-calling, và structured outputs; Pydantic là library validation dữ liệu de-facto của Python. Khá thường, bạn có cái này và cần cái kia. Công cụ này thực hiện chuyển đổi theo một chiều: dán JSON Schema, nhận class Pydantic có thể thả vào file Python.

Khi nào nên dùng

LLM structured outputs. response_format của OpenAI và tool-use của Anthropic đều nhận JSON Schema. Sau khi thiết kế và test schema, bạn thường muốn một Pydantic model để validate và truy cập field trong Python.
Sinh client OpenAPI. Một spec OpenAPI cho bạn JSON Schema cho mỗi request/response body; đây là cách nhanh để có Pydantic model tương ứng mà không cần generator full.
Migrate Schema → Python. Bạn kế thừa một hệ thống dùng JSON Schema để validate và muốn chuyển sang Pydantic. Dán từng schema, nhận class khởi điểm, tinh chỉnh.
Scaffolding nhanh. Bạn phác thảo cấu trúc trong JSON trong notebook; biến nó thành model thật với một lần dán.

Công cụ này xử lý gì

type: object với properties + required — sinh class BaseModel lồng nhau.
type: array với items — sinh List[X].
Primitives: string → str, integer → int, number → float, boolean → bool, null → None.
format trên string: date-time → datetime, email → EmailStr, uri/url → HttpUrl, uuid → UUID.
enum → Literal[...]; const → Literal[X].
oneOf/anyOf → Union[...]; biến null gập vào Optional[...].
Mảng type: ["string", "null"] → Optional[str].
description → Field(..., description=...).
default → default của field.
minimum/maximum/minLength/maxLength → Field(ge=..., le=..., min_length=..., max_length=...).
Tên field không phải identifier Python hợp lệ được sanitize, và alias= được thêm để giữ tên gốc trên wire. Model được cấu hình với populate_by_name=True.
Object lồng nhau trở thành class lồng nhau, đặt tên theo field nếu không có title.
$defs / definitions được phát ra như class riêng.

Công cụ này chưa xử lý

$ref ngoài (URL refs). Refs cục bộ đến $defs hoạt động.
patternProperties. Phát comment TODO.
additionalProperties với schema. Phát comment TODO.
Tổ hợp allOf multi-base. allOf single-element được unwrap.
Validator tùy chỉnh dựa trên pattern — phát field nhưng bỏ qua regex. Thêm Pydantic @field_validator sau khi dán nếu bạn cần.

Lưu ý thường gặp

Pydantic v2 vs v1. Output mặc định là v2 (hiện tại). Chuyển qua dropdown nếu bạn ở codebase v1.
Output là điểm khởi đầu, không phải lời cuối. Review nó. Đặc biệt với union phức tạp, kiểu đệ quy, và bất cứ thứ gì với rule validation tùy chỉnh.
Tên quan trọng. Field "Root class name" kiểm soát tên class top-level. Sub-classes được đặt tên theo property title nếu có, ngược lại theo field chứa chúng.
Required vs Optional ở v2. Field required không có default dùng .... Field optional mặc định None và được bọc trong Optional[T].