Pydantic AI: Type-first prístup pre Python agentov

Pydantic AI je open-source agentový framework (licencia MIT) od spoločnosti Pydantic Inc. (UK) pre Python od verzie 3.11. Knižnicu Pydantic, známu z validácie dát, prenáša na prácu s veľkými jazykovými modelmi: agenti namiesto voľne formulovaných textov dodávajú štruktúrované, typovo overené výstupy podľa definovaných Pydantic modelov. K tomu pribúda dependency injection a model-agnostické napojenie. Deklarovaným cieľom dizajnu je inžinierska kvalita a pripravenosť na produkciu, nie najrýchlejšia cesta k demu.

• Čo to je: Type-first Python framework pre AI agentov s výstupmi validovanými cez Pydantic modely.
• Pre koho: Python backendové tímy s disciplínou typovej kontroly, ktoré stavajú spoľahlivosť a produkčnú kvalitu nad čas do prvého dema.
• Kedy nie: Keď je povinný .NET, keď potrebuješ low-code alebo keď sú hlavnou požiadavkou komplexné multi-agentové orchestrácie.

Prečo je „type-first“ jadrom

Väčšina chýb agentov v produkcii vzniká na hranici medzi výstupom LLM a nadväzujúcim kódom: model dodá mierne odlišný JSON, chýba pole, dátový typ nesedí a pipeline spadne až o tri kroky neskôr. Presne tu Pydantic AI nastupuje. Využíva tú istú validačnú vrstvu, ktorá v ekosystéme Pythonu aj tak platí za de facto štandard: okrem iného OpenAI SDK, Google ADK, Anthropic SDK, LangChain, LlamaIndex a CrewAI stavajú na Pydantic Validation ako na základnej vrstve. Pydantic AI robí z tejto validácie ústrednú zmluvu medzi agentom a aplikáciou.

Konkrétne tím zadefinuje očakávaný výsledok ako Pydantic model. Agent dostane pokyn dodať presne túto štruktúru; ak sa odpoveď modelu odchýli, Pydantic výstup zvaliduje, vráti typované chyby a umožní kontrolovaný opakovaný pokus. Výsledkom je end-to-end typová bezpečnosť: od definície nástroja cez volanie modelu až po validovanú návratovú hodnotu pozná type-checker (a teda aj IDE) dátové štruktúry.

Štyri nosné stavebné prvky

Štruktúrované, validované výstupy. Namiesto toho, aby si musel parsovať reťazce, deklaruješ cieľovú schému ako Pydantic model. Agent zaručene dodá objekt, ktorý tejto schéme zodpovedá, alebo jasne definovanú validačnú chybu.

Dependency injection. Závislosti ako databázové spojenia, HTTP klienti, konfigurácia alebo kontext oprávnení sa do agenta injektujú typovo. Biznis logika sa tak oddelí od definície agenta a unit testy s mockmi sú jednoduché. Tento vzor poznajú Python backendové tímy z frameworkov ako FastAPI.

Nezávislosť od modelu. Pydantic AI sa dá napojiť na všetkých veľkých poskytovateľov, medzi nimi OpenAI GPT, Anthropic Claude, Google Gemini a Mistral, ako aj na lokálne modely cez Ollama. Dajú sa tak napojiť aj nemecké modely a modely kritické z hľadiska suverenity a poskytovateľ sa dá neskôr vymeniť bez prepisovania logiky agenta.

Typovo bezpečná definícia nástrojov. Nástroje sú typované Python funkcie; ich signatúry a schémy parametrov framework odvodzuje z typových anotácií. Vrstva nástrojov tak zostáva overená rovnako ako výstup.

Navyše Pydantic AI obsahuje bezpečný Python sandbox Monty a podporuje štandardy interoperability MCP a A2A. MCP je súčasťou balíka pydantic-ai (pri pydantic-ai-slim cez extra mcp), napojenie beží cez MCPToolset. Verzia 2 je stabilná od 23. júna 2026. S týmto vydaním Pydantic vyčlenil A2A do samostatného balíka fasta2a, ktorý sa inštaluje zvlášť; niekdajšie extras a2a a fastmcp odvtedy neexistujú. Pre observability je Pydantic Logfire vlastná cesta od tvorcov Pydanticu, kompatibilná s OpenTelemetry, ktorá od marca 2025 ponúka región EÚ aj self-hosted variant.

Zaradenie v porovnaní frameworkov

Pydantic AI sa jasne profiluje ako code-first framework, zameraný skôr na jedného agenta. V porovnaní s veľkými multi-agentovými frameworkmi nie je jeho sila v orchestrácii desiatok agentov, ale v spoľahlivosti každej jednotlivej interakcie.

Silné stránky v skratke: end-to-end typová bezpečnosť, úplná nezávislosť od poskytovateľa, licencia MIT, región EÚ v Logfire a inžinierska kvalita ako výslovný cieľ dizajnu. Otvorene pomenované slabé stránky: iba Python, kratšia história a menšie rozšírenie, menej hotových multi-agentových vzorov a istá rozvláčnosť zápisu generických typov, ktorú priznáva aj sám zakladateľ Samuel Colvin. V dostupnosti talentov a zrelosti ekosystému sa Pydantic AI v regióne DACH pohybuje na strednej úrovni, s nízkou až strednou dostupnosťou externých vývojárov. Zato patrí spolu s LangGraph v1, CrewAI v1 a Microsoft Agent Framework 1.0 medzi frameworky klasifikované ako pripravené na produkciu.

Kedy sa Pydantic AI hodí a kedy nie

Stručný rozhodovací návod:

• Hodí sa, keď: typová bezpečnosť plus Python plus inžinierska disciplína sú dôležitejšie ako najrýchlejšie demo; Pydantic už máš v stacku; chceš úplnú nezávislosť od poskytovateľa; potrebuješ striktnú suverenitu v regióne DACH cez self-hosting (napríklad na STACKIT, IONOS alebo OVHcloud).
• Skôr sa nehodí, keď: je povinný .NET/C# (vtedy radšej Microsoft Agent Framework), citizen developeri v tíme potrebujú low-code (vtedy radšej n8n) alebo je v popredí rýchle multi-agentové prototypovanie s modelom rolí a crews (vtedy radšej CrewAI).

Krátky príklad: validovaný výstup v praxi

Povedzme, že agentúra stavia agenta, ktorý z prichádzajúceho e-mailu od leadu extrahuje štruktúrované dáta. Zmluva sa definuje ako Pydantic model:

```python
from pydantic import BaseModel
from pydantic_ai import Agent

class Lead(BaseModel):
firma: str
budget_eur: int # musí byť celé číslo
priorita: int # 1 až 5
dalsi_krok: str

agent = Agent(
"anthropic:claude-...", # model sa dá vymeniť, model-agnosticky
output_type=Lead, # vynúti validovanú štruktúru
)

vysledok = agent.run_sync("Extrahuj údaje z tohto e-mailu: ...")
lead = vysledok.output # je zaručene typu Lead
```

Rozhodujúce je toto: lead.budget_eur je zaručene int, nie reťazec „okolo 50 000 eur“. Ak model dodá niečo nevhodné, Pydantic výstup zvaliduje a agent môže spustiť typovaný opakovaný pokus namiesto toho, aby do CRM zapísal chybné dáta. V pipeline s 1 000 spracovanými leadmi mesačne sa tak úsilie presúva z dodatočného spracovania chýb a manuálnych opráv na jasný obraz chýb, zachytených priamo na rozhraní. Presne v tom je rozdiel medzi demom a produkčným systémom.

Záver pre agentúry a B2B

Pre marketingové agentúry a B2B tímy v regióne DACH je Pydantic AI správnou voľbou vtedy, keď AI agenti musia dodávať spoľahlivé dáta, s ktorými sa dá ďalej pracovať, napríklad pri kvalifikácii leadov, štruktúrovaní obsahu alebo napojení na existujúce systémy. Kombinácia licencie MIT, úplnej nezávislosti od poskytovateľa, možnosti self-hostingu a regiónu EÚ v Logfire robí framework zaujímavým aj pre projekty citlivé na suverenitu a AI Act: tracing kompatibilný s OpenTelemetry podporuje požadovanú vysledovateľnosť (traceability). Ak máš Python tím s disciplínou typovej kontroly, dostaneš s Pydantic AI nástroj, ktorý uprednostňuje spoľahlivosť pred efektnosťou. Blck Alpaca ti pomôže s výberom, architektúrou a self-hostingom vhodnej agentovej platformy pre tvoj stack.