PydanticAI 2.25 pridáva vyhľadávanie v súboroch pre xAI a opravuje integrácie modelov

Pydantic vydal PydanticAI 2.25.0, ďalšiu aktualizáciu svojho open-source frameworku na tvorbu agentov a aplikácií nad jazykovými modelmi. Vydanie prináša jednu novú funkčnú oblasť a niekoľko opráv kompatibility, ktoré sa týkajú xAI, Azure, modelov GPT-5.6 aj spracovania poškodených volaní nástrojov. Hoci nejde o rozsiahlu zmenu architektúry, pre produkčné integrácie sú podstatné práve takéto úpravy na hranici medzi frameworkom a API jednotlivých poskytovateľov.

Najviditeľnejšou novinkou je rozšírenie FileSearchTool pre xAI. Framework má po novom odovzdávať kolekciám vyhľadávania aj voľby, ktorými aplikácia spresní prácu so súbormi. Praktický význam spočíva v tom, že vývojár nemusí obchádzať všeobecnú nástrojovú vrstvu vlastným volaním poskytovateľa vždy, keď potrebuje nakonfigurovať jeho natívne vyhľadávanie. PydanticAI sa tým posúva bližšie k jednotnému rozhraniu, ktoré zachováva špecifické možnosti podporovaných platforiem.

Dôležitá oprava sa týka modelov Mistral používaných cez Azure. PydanticAI má pre ne posielať parameter max_tokens namiesto max_completion_tokens. Rozdiel v pomenovaní môže pôsobiť ako detail, no pri nekompatibilnom parametri môže požiadavka skončiť chybou alebo sa limit výstupu nemusí uplatniť podľa očakávania. Aktualizácia preto znižuje riziko, že rovnaká agentická aplikácia bude fungovať pri jednom poskytovateľovi a zlyhá po presmerovaní na inú hostovanú implementáciu toho istého modelu.

Verzia 2.25.0 opravuje aj nastavenie thinking="minimal" pre modely GPT-5.6. Ide o ďalší príklad problému, ktorý vzniká pri rýchlom pribúdaní nových modelov a režimov uvažovania. Framework musí nielen poznať názov modelu, ale aj správne preložiť abstraktné nastavenie aplikácie do formátu konkrétneho API. Pre tímy, ktoré regulujú latenciu a náklady nastavením intenzity uvažovania, je presná interpretácia tejto voľby dôležitá pre reprodukovateľné správanie.

Ďalšie dve opravy spevňujú menej obvyklé okrajové prípady. WrapperModel má po novom správne prenášať base_url a framework má vynechať serverové atribúty, keď vlastná základná URL obsahuje poškodený port. Spracovanie argumentov nástroja v ToolCallPart.args_as_json_str() sa zároveň pri chybnom vstupe zhorší kontrolovaným spôsobom namiesto toho, aby neočakávaný formát narušil širší beh agenta. Takáto odolnosť je dôležitá najmä pri dlhších postupoch, v ktorých jeden nekorektný nástrojový výstup nemá znefunkčniť celú reláciu.

Aktualizácia prišla tesne po verzii 2.24.0, ktorá sa zamerala výlučne na opravy. Tá zachovala explicitné timeout=0 v integrácii Google, filtrovala nedostupné názvy z allowed_function_names a zabránila prepísaniu nastavení modelu OpenAI, ktoré vlastní volajúca aplikácia. Opravila aj odosielanie top_p=0.0 do Amazon Bedrock a rešpektovanie voľby na ignorovanie úvodných medzier v streamovaných odpovediach. Dvojica vydaní tak ukazuje intenzívnu údržbu spoločnej vrstvy nad viacerými neustále sa meniacimi API.

PydanticAI 2.24.0 tiež rozšírilo rozpoznávanie uvažovacích modelov Kimi a názvov Groq Compound, sprísnilo typ schvaľovacej odpovede vo Vercel AI a ošetrilo zápornú hodnotu hlavičky Retry-After. Pri protokole AG-UI framework namiesto odpovede 422 preskočí obsah vytvorený novšou verziou protokolu, než akú má aplikácia nainštalovanú. Zachovanie indexov častí streamu pri opakovanom prehrávaní udalostí má zasa predchádzať nepresnostiam pri rekonštrukcii priebehu odpovede.

Spoločným menovateľom oboch vydaní je interoperabilita. Agentické frameworky dnes abstrahujú modely, nástroje, streaming aj stav konverzácie, no poskytovatelia sa stále odlišujú v názvoch parametrov, povolených hodnotách a správaní pri chybách. Každá abstrakcia preto potrebuje rozsiahlu vrstvu adaptérov a testov. Vývojári by mali aktualizáciu vnímať menej ako zdroj nových používateľských funkcií a viac ako opravu konkrétnych miest, na ktorých môže produkčný agent zlyhať pri zmene modelu alebo hostingu.

Nasadenie novej verzie by napriek tomu malo prejsť regresnými testami. Osobitnú pozornosť si zaslúžia aplikácie s vlastným base_url, wrappermi modelov, presnými limitmi tokenov a vlastným spracovaním chybných argumentov nástrojov. Poznámky k vydaniu potvrdzujú vykonané zmeny, ale neuvádzajú samostatné výkonnostné merania ani výsledky rozsiahleho porovnania poskytovateľov. Praktický prínos preto bude závisieť od konkrétnej kombinácie modelu, API a nástrojov v danej aplikácii.