PydanticAI 2.27 integruje Snowflake Cortex a opravuje prenos kompaktovaných konverzácií

Snowflake sa stáva priamym poskytovateľom modelov

PydanticAI 2.27.0 rozšíril zoznam priamo podporovaných poskytovateľov o Snowflake Cortex. Nové triedy SnowflakeModel a SnowflakeProvider umožňujú pripojiť agenta k modelom sprístupneným v účte Snowflake bez vlastného adaptéra. Framework naďalej používa spoločné rozhranie pre agentov, nástroje a štruktúrované výstupy, no poskytovateľovi ponecháva jeho osobitné nastavenia. Balík verzie 2.27.0 bol zverejnený na PyPI 8. augusta 2026 a záznam registra potvrdzuje, že vyžaduje Python 3.10 alebo novší. Nejde teda iba o položku v changelogu: vydaná implementácia je dostupná ako bežný inštalovateľný balík.

Podrobnejšia dokumentácia spresňuje to, čo stručné poznámky k vydaniu nevysvetľovali. Integrácia komunikuje s REST API Cortexu hostovaným v konkrétnom účte zákazníka. Prihlásenie môže používať programový prístupový token, OAuth token alebo JWT založený na páre kľúčov. Aplikácia potrebuje identifikátor účtu a príslušnú rolu s oprávnením na používanie Cortexu. PydanticAI podporuje aj vlastnú základnú URL, čo je dôležité pri súkromnom sieťovom pripojení. Pre podnikové tímy to znamená, že agent môže zostať súčasťou ich existujúcej dátovej a prístupovej architektúry namiesto zavedenia ďalšej samostatnej brány k modelom.

Snowflake vo svojej dokumentácii uvádza, že modely poskytované cez jeho AI funkcie sú nasadené v rámci bezpečnostného perimetra služby Snowflake. Cortex sprístupňuje modely viacerých dodávateľov vrátane OpenAI, Anthropic, Meta, Mistral AI a DeepSeek. Toto tvrdenie však nemožno vykladať ako automatickú záruku súladu každej aplikácie. Prevádzkovateľ musí stále overiť región, dostupnosť konkrétneho modelu, klasifikáciu vstupov a výstupov, retenčné pravidlá, zmluvné podmienky aj vlastné nastavenie rolí. Časť funkcií môže byť navyše iba v režime preview a ponuka modelov sa môže medzi regiónmi líšiť.

Jednotné rozhranie má poskytovateľské hranice

Implementácia využíva rozhranie kompatibilné s OpenAI Chat Completions, cez ktoré Cortex obsluhuje viacero rodín modelov. To zjednodušuje výmenu modelu v kóde, ale neznamená úplnú zhodu schopností. Dokumentácia PydanticAI upozorňuje, že volanie nástrojov a natívny štruktúrovaný výstup sú cez túto integráciu podporované iba pri modeloch rodín OpenAI a Claude. Pri ďalších modeloch framework pre štruktúrovaný výsledok používa záložný postup založený na pokyne v prompte. Taký výstup môže prejsť následnou validáciou, no nie je ekvivalentom schémy vynútenej priamo poskytovateľom.

Diskusia a testy v začlenenom pull requeste odhaľujú ďalšie praktické rozdiely. Autori integráciu overovali na reálnom účte Snowflake pri bežnom aj streamovanom generovaní, volaní nástrojov, štruktúrovaných odpovediach a reasoning režime. Pri modeloch Claude musela implementácia spracovať osobitný formát detailov uvažovania a zachovať podpisy pri ďalšom kole komunikácie. Cortex tiež pri niektorých odpovediach vracal prázdny dôvod ukončenia, ktorý adaptér normalizuje. Takéto odchýlky ukazujú, prečo samotná deklarovaná kompatibilita API nestačí a prečo má poskytovateľský adaptér hodnotu aj vtedy, keď sú HTTP požiadavky na prvý pohľad podobné.

PydanticAI navyše upozorňuje, že Snowflake odmieta parameter service_tier namiesto toho, aby ho ignoroval. Pri zapnutom rozšírenom uvažovaní modelov Claude musí byť teplota nastavená na hodnotu jedna; integrácia ju doplní automaticky, ak ju vývojár neurčil. Ide o malé detaily, ktoré dokážu pri migrácii medzi poskytovateľmi spôsobiť chybu až počas behu. Organizácie by preto nemali zameniť modelovo nezávislé rozhranie za prísľub identického správania, ceny, latencie alebo dostupných funkcií.

Kompaktovanie musí prežiť prechod medzi vrstvami

Druhou významnou oblasťou vydania je prenos CompactionPart cez adaptéry Vercel AI a AG-UI v oboch smeroch. Kompaktovanie nahrádza staršiu časť dlhej konverzácie kratšou reprezentáciou, aby sa znížil počet opakovane posielaných tokenov a história sa zmestila do kontextového okna. V agentickej aplikácii však správa často prechádza cez server, používateľské rozhranie a poskytovateľské API. Ak niektorá vrstva kompaktovanú položku zahodí alebo zmení na obyčajný text, obnovený agent môže dostať inú históriu, než s akou pôvodne pracoval.

Verzia 2.27 preto opravuje aj súvisiace okrajové prípady. Pri Anthropic sa má šifrovaný obsah kompaktovania preniesť bez zmeny. Funkcia na sanitizáciu správ odstraňuje internú značku pôvodu a pri OpenAI Responses sa už nemá opakovane posielať stála inštrukcia, ak ju zachovala kompaktovaná položka. Cieľom je zabrániť strate poskytovateľských metadát, duplikovaniu pokynov a nenápadným zmenám správania po obnovení dlhého procesu. Vývojári by napriek tomu mali testovať nielen výsledný text, ale aj serializovanú históriu pred prechodom cez každý adaptér a po ňom.

Aktualizácia zasahuje aj OpenTelemetry. Nastavenie include_binary_content=False sa má rešpektovať vo všetkých serializačných výstupoch, zatiaľ čo v redigovanom zázname zostane štruktúrne pole ToolReturn.tools. Opravené bolo tiež vyhľadávanie spanov podľa atribútov obsahujúcich slovníky alebo zoznamy po JSON serializácii. Ide o dôležité oddelenie: prevádzkovateľ môže potrebovať informáciu, ktorý nástroj agent použil, no nemusí chcieť ukladať obrázok, dokument alebo celý návratový obsah. Oprava znižuje riziko nechceného prenosu dát do observability systému, nenahrádza však kontrolu vlastnej konfigurácie a dátových tokov.

Čo z toho vyplýva pre európske tímy

Pre slovenské a európske organizácie je integrácia zaujímavá najmä tam, kde už Snowflake slúži ako riadená dátová platforma. Jednotná autentifikácia, roly a možnosť súkromného pripojenia môžu zmenšiť počet nových integračných bodov. Z pohľadu ochrany osobných údajov a interného riadenia však treba zdokumentovať účel spracovania, kategórie dát, región služby, prístupové oprávnenia a to, či telemetria neopúšťa schválené prostredie. Ani tvrdenie o bezpečnostnom perimetri Snowflake samo osebe neurčuje právny základ spracovania podľa GDPR alebo povinnosti prevádzkovateľa podľa európskeho Aktu o AI.

Praktický postup aktualizácie by mal zahŕňať pripnutie verzie závislosti, samostatné testovacie prostredie a regresné scenáre pre volanie nástrojov, streaming, štruktúrované odpovede, kompaktovanie aj telemetriu. Tímy používajúce Temporal by mali overiť aj veľké návratové hodnoty, pretože vydanie zlepšuje hlásenie pri prekročení limitu payloadu, ale limit neodstraňuje. Pri Cortexe je vhodné otestovať presne ten model a región, ktoré budú použité v produkcii, a sledovať náklady i latenciu oddelene od funkčnej správnosti.

PydanticAI 2.27 je napokon integračné a prevádzkové vydanie, nie dôkaz, že agenti sa stali prenositeľnými bez ďalšej práce. Prináša užitočnú cestu k modelom v Snowflake a opravuje miesta, na ktorých sa mohol stratiť stav alebo citlivý obsah dostať do telemetrie. Otvorené zostávajú rozdiely medzi modelovými rodinami, regionálna dostupnosť, správanie preview funkcií a dlhodobá stabilita API. Najväčšou hodnotou aktualizácie preto nie je nový názov v zozname poskytovateľov, ale explicitnejšie zachytenie hraníc, ktoré musia produkčné agentické systémy kontrolovať.