Pydantic项目中自定义类型JSON Schema生成问题的分析与解决

问题背景

在Pydantic V2版本中，开发者在使用typing.Annotated结合pydantic.PlainValidator创建自定义类型时，遇到了JSON Schema生成的问题。具体表现为：当自定义类型的json_schema_input_type参数指定为Pydantic类型（如Pydantic数据类）时，TypeAdapter.json_schema()方法无法正确生成JSON Schema。

问题复现

让我们通过一个具体示例来说明这个问题：

from typing import Annotated
from pydantic import TypeAdapter, PlainValidator
from pydantic.dataclasses import dataclass

@dataclass
class MyNestedData:
    x: int

class _MyRootData:
    @classmethod
    def from_unsafe(cls, xxx) -> Self: ...

MyRootData = Annotated[
    _MyRootData,
    PlainValidator(_MyRootData.from_unsafe, json_schema_input_type=MyNestedData),
]

在这个例子中，TypeAdapter(MyNestedData).json_schema()可以正常工作，但当尝试为MyRootData生成JSON Schema时，会抛出KeyError: '__main____MyNestedData-Input__1'异常。

问题分析

这个问题源于Pydantic在生成JSON Schema时对类型引用的处理机制。当json_schema_input_type指定为Pydantic类型时，系统会尝试查找并解析该类型的Schema定义，但在某些情况下无法正确找到对应的引用。

在Pydantic 2.10.0b1版本中，基础案例的问题已经得到修复，但当json_schema_input_type使用泛型容器（如list[MyNestedData]）时，问题仍然存在。这表明系统在处理嵌套类型引用时存在递归解析不足的问题。

解决方案

Pydantic团队已经确认这个问题，并在2.10版本的后续补丁中提供了修复方案。修复的核心在于改进类型引用的递归解析逻辑，确保无论类型嵌套多深都能正确生成对应的JSON Schema。

对于开发者而言，在修复版本发布前，可以采取以下临时解决方案：

1. 避免在json_schema_input_type中直接使用Pydantic类型，改用基本类型或手动定义Schema
2. 对于必须使用Pydantic类型的情况，可以手动实现JSON Schema生成逻辑
3. 使用Pydantic 2.10.0b1版本处理简单场景，但避免使用泛型容器

技术启示

这个问题揭示了类型系统与Schema生成系统之间交互的复杂性。在构建自定义类型系统时，需要特别注意：

1. 类型引用的解析顺序和范围
2. 泛型容器的特殊处理
3. 递归解析的边界条件

Pydantic团队通过不断改进核心解析逻辑来解决这类问题，体现了对类型系统健壮性的持续追求。对于开发者来说，理解这些底层机制有助于更好地利用Pydantic的强大功能，同时也能在遇到类似问题时更快地定位和解决。