PydanticAI 2.20 pridáva Claude Opus 5 a opravuje prenos stavu medzi poskytovateľmi
Nová verzia rozširuje podporu modelov a spevňuje účtovanie tokenov, streamované fázy aj obnovu po chybách MCP. Dôležité opravy mieria na dlhšie a viacposkytovateľské behy agentov.
Pripravil HERMES. Výber tém pomáha robiť BuloSentinel. Redakčná kontrola: Marek Považský.
- Typ zdroja
- Kurátorovaný súhrn
- Zdroj / autorita
- PydanticAI
Redakčný kontext
Tému vybral BuloSentinel ako súčasť monitorovania AI ekosystému. Text pripravil HERMES zo zdrojovo ukotvených podkladov a zodpovednú kontrolu pravidiel robí Marek Považský.
Článok je zaradený v sekcii AI produkty a opiera sa o 3 zdroje.
PydanticAI vydalo verziu 2.20.0 s podporou Claude Opus 5 a rozšíreným kontextom uvažovania pre rodiny modelov GPT-5.4, GPT-5.5 a GPT-5.6 v OpenAI Responses API. Vydanie nie je iba zoznamom nových názvov modelov. Viaceré opravy sa týkajú zachovania telemetrie, histórie nástrojov a správania pri chybách, teda oblastí, ktoré rozhodujú o spoľahlivosti dlhších agentických behov.
Integrácia Claude Opus 5 umožňuje vybrať nový identifikátor modelu priamo cez rozhranie PydanticAI. Pri OpenAI pribudla podpora poľa reasoning.context s predvolenou hodnotou all_turns. To znamená, že klient môže prenášať kontext uvažovania naprieč celou interakciou podľa možností API. Vývojári by si mali skontrolovať cenu a objem kontextu, pretože bohatšia kontinuita môže zlepšiť úlohu, ale zároveň zväčšiť spotrebu.
Dôležitá oprava zachováva históriu vyhľadávania nástrojov pri prechode medzi poskytovateľmi. Predchádzajúce správanie ju mohlo zahodiť, takže agent po zmene backendu stratil informáciu o tom, aké nástroje už našiel alebo použil. V systéme s núdzovým prepnutím modelu to môže viesť k opakovaniu práce, nekonzistentnému rozhodnutiu alebo nesprávnemu pokračovaniu. Zachovanie histórie preto nie je iba komfortná funkcia, ale súčasť obnoviteľnosti workflowu.
Verzia 2.20 opravuje aj zachytávanie tokenov uvažovania Anthropic v detailoch spotreby. Presné účtovanie je potrebné na kontrolu nákladov, limity a porovnávanie modelov. Ďalšia zmena zachováva ľubovoľné polia RequestUsage pri serializácii a nevyhadzuje ani nulové hodnoty v telemetrii OpenTelemetry. Nula môže byť významný údaj; jej strata sťažuje rozlíšenie medzi skutočne nulovou spotrebou a chýbajúcim meraním.
Pri streamovaní OpenAI Responses sa teraz fáza odpovede objavuje už v udalosti PartStartEvent. Klientské rozhranie tak vie skôr rozlíšiť, aký typ časti začína, a správne prispôsobiť zobrazenie alebo spracovanie. V agentických aplikáciách je stream často viac než priebežný text: nesie nástroje, medzistavy a štruktúrované udalosti. Presnejšie typovanie znižuje potrebu heuristík na strane aplikácie.
MCP integrácia dostala opravu, pri ktorej samotná chyba McpError zo servera už nemusí byť fatálna. Agent ju môže spracovať ako obnoviteľnú udalosť a zvoliť náhradný krok, opakovanie alebo iný nástroj. Bez rozumnej klasifikácie chýb môže krátky výpadok jedného MCP servera ukončiť celý dlhý beh. Vývojár však musí stále nastaviť hranice opakovania, aby obnoviteľná chyba nevytvorila nekonečnú slučku.
Opravená bola aj ochrana ALLOW_MODEL_REQUESTS pre embeddingy. Takéto globálne alebo testovacie prepínače majú zabrániť nechceným sieťovým volaniam modelu, napríklad počas jednotkových testov. Ak sa nevzťahujú na vektorové reprezentácie, test môže potichu volať platené API alebo odoslať dáta mimo kontrolovaného prostredia. Zjednotenie ochrany je preto dôležité pre bezpečné testovanie aj reprodukovateľnosť.
Ďalšie opravy odstraňujú mutáciu slovníka nastavení pri prevode konfigurácie OpenRouter na formát OpenAI a vynechávajú nepodporovaný parameter pre Vertex pri Gemini 3 a novších modeloch. Mutácia vstupnej konfigurácie je nepríjemný druh chyby, pretože ovplyvní ďalšie volanie zdanlivo nesúvisiacim spôsobom. Kompatibilitná úprava pre Vertex zas znižuje riziko, že rovnaká abstrakcia odošle poskytovateľovi pole, ktoré odmietne.
Pred aktualizáciou by tímy mali spustiť regresné testy najmä na serializáciu uložených behov, streamované udalosti a prepínanie poskytovateľa. Ak aplikácia používa vlastné mapovanie spotreby alebo ručne zachytáva McpError, nové správanie môže zmeniť očakávanú vetvu programu. Oplatí sa tiež porovnať telemetriu pred a po migrácii, aby sa ukázalo, či nové polia nemenia výpočty rozpočtov a upozornení.
PydanticAI 2.20 ukazuje, že zrelosť agentického rámca sa nemeria iba počtom podporovaných modelov. Rovnako dôležité je, či dlhý beh prežije dočasnú chybu, zachová významnú históriu a poskytne presné údaje o spotrebe. Pre produkčné nasadenie sú tieto nenápadné opravy často hodnotnejšie než samotné pridanie ďalšieho modelu do zoznamu.
Zdroje