PydanticAI 2.29.0 rozširuje hlasových agentov a pripravuje prechod na MCP SDK v2

Viac než dve nové integračné položky

PydanticAI 2.29.0 je na prvý pohľad menšie vydanie s dvoma novými funkciami a štyrmi opravami, no dotýka sa vrstiev, ktoré bývajú pri reálnych AI agentoch najcitlivejšie. Oficiálny changelog potvrdzuje podporu Azure AI Voice Live cez nastavenie azure_voice_live, kompatibilitu komponentu MCPToolset s FastMCP 4 a MCP SDK v2 popri FastMCP 3, opravu tichého skracovania gzip odpovedí, doplnenie opisov parametrov do podpisov nástrojov a opravy WebRTC aj ukončovania súbežných streamov. Nejde teda o nový agentický koncept, ale o spevnenie spojov medzi modelom, hlasovým prenosom, nástrojmi a sieťovou infraštruktúrou.

Oproti pôvodnému stručnému súhrnu je dôležité doplniť, že nová podpora MCP neprichádza do stabilného ekosystému bez migračného rizika. Oficiálne úložisko MCP Python SDK označuje vetvu v2 za zásadné prepracovanie architektúry s podporou špecifikácie MCP z 28. júla 2026 aj starších revízií. Zároveň upozorňuje, že pip install mcp už štandardne inštaluje verziu 2.x. Projekty, ktoré ešte nie sú pripravené na migráciu, preto musia explicitne ponechať hornú hranicu závislosti pod verziou 2. Samotná kompatibilita v PydanticAI odstraňuje jednu prekážku, ale nezaručuje bezchybný prechod každého servera a klienta.

Hlasový agent potrebuje trvalé spojenie

Integrácia Azure AI Voice Live rozširuje výber backendov pre aplikácie, ktoré spracúvajú reč v reálnom čase. Microsoft opisuje Voice Live ako spravované rozhranie spájajúce rozpoznávanie reči, generatívny model a syntézu hlasu. Serverová integrácia používa udalosti cez WebSocket a služba podporuje aj funkčné volania, potláčanie hluku, rušenie ozveny, detekciu prerušenia a určovanie konca repliky. PydanticAI tým nezískava iba ďalšiu formu textového vstupu: musí obsluhovať dlhodobú obojsmernú reláciu, v ktorej súčasne prichádza zvuk, prepis, odpoveď modelu, udalosti nástrojov a informácie o stave spojenia.

Oficiálna dokumentácia PydanticAI vysvetľuje rozdiel oproti bežnému modelovému volaniu: realtime model nefunguje ako jednorazová požiadavka a odpoveď, ale otvára perzistentné spojenie. Aplikácia doň posiela zvuk alebo iný obsah a priebežne prijíma audio, prepisy aj volania nástrojov. Framework pritom môže vykonávať nástroje na pozadí, aby pomalá externá operácia nezablokovala celú reláciu. Práve preto je oprava ukončovania súbežných streamov významná. Chyba pri zatváraní môže po zdanlivo úspešnom rozhovore ponechať otvorené úlohy, obsadené spojenia alebo nekonzistentný stav servera.

WebRTC má odlišnú úlohu než serverové WebSocket spojenie. Pri hlasovom agentovi v prehliadači môže zvuk prúdiť priamo medzi klientom a poskytovateľom, zatiaľ čo backend riadi reláciu a nástroje cez vedľajší kontrolný kanál. Takéto rozdelenie môže obmedziť dodatočnú latenciu, no komplikuje autentifikáciu, obnovovanie spojenia, prerušenia aj bezpečné ukončenie relácie. Poznámky k vydaniu potvrdzujú opravu zdedených problémov WebRTC a konfigurácie Azure for_realtime, neobsahujú však merania latencie ani chybovosti. Z changelogu preto nemožno vyvodiť, že verzia 2.29.0 automaticky zrýchli každú hlasovú aplikáciu.

MCP v2 mení závislosti aj testovací plán

Model Context Protocol poskytuje štandardizovaný spôsob, ako agentickým aplikáciám sprístupniť nástroje, zdroje a prompty. Oficiálny Python SDK podporuje servery aj klientov a transporty stdio, Streamable HTTP a SSE. Aktualizovaný MCPToolset v PydanticAI umožňuje používať novú generáciu SDK bez samostatnej adaptačnej vrstvy a súčasne zachováva podporu FastMCP 3. To je praktické pre tímy, ktoré prevádzkujú viac integrácií a nemôžu ich migrovať naraz. Kompatibilita na úrovni frameworku však nevylučuje zmeny importov, životného cyklu relácie, transportu alebo spôsobu spracovania výsledkov v aplikačnom kóde.

Bezpečný prechod by preto nemal spočívať iba v zmene čísla balíka. Tímy by mali uzamknúť verzie v reprodukovateľnom prostredí, porovnať správanie nástrojov pred migráciou a po nej a otestovať neúspešné scenáre: nedostupný MCP server, prerušený Streamable HTTP transport, neplatné argumenty, timeout aj zrušenie požiadavky počas streamovania. Dôležitá je aj zmena podpisov nástrojov. PydanticAI po novom zahŕňa opisy parametrov do vykreslenej reprezentácie, ktorú dostáva model. To môže znížiť zámenu podobných polí, ale prínos závisí od presnosti dokumentácie funkcií a musí sa merať na konkrétnych volaniach.

Oprava tichého skracovania gzip odpovedí rieši menej viditeľné, no potenciálne vážne zlyhanie. Ak HTTP klient prijme iba časť komprimovaného tela bez jasnej výnimky, agent môže pracovať s neúplným zoznamom dokumentov, skráteným výsledkom vyhľadávania alebo poškodenými dátami z nástroja. Výstup pritom môže vyzerať jazykovo presvedčivo. Po aktualizácii je rozumné zopakovať testy s veľkými komprimovanými odpoveďami a kontrolovať nielen stavový kód, ale aj úplnosť obsahu. Táto oprava je dobrým príkladom, prečo sa spoľahlivosť agenta nedá posudzovať iba podľa kvality použitého modelu.

Dôsledky pre slovenské a európske nasadenia

Pre slovenské firmy môže byť kombinácia typovaného Python frameworku, MCP a spravovanej hlasovej služby zaujímavá najmä pri zákazníckej podpore, interných asistentoch, vzdelávaní alebo hlasovom ovládaní podnikových systémov. Technické zjednodušenie však nemení povinnosť riešiť ochranu osobných údajov. Hlas, prepis, história relácie a výsledky nástrojov môžu obsahovať osobné či citlivé údaje. Prevádzkovateľ preto potrebuje vedieť, ktoré dáta uchováva aplikácia, ktoré poskytovateľ, v akom regióne sa spracúvajú a ako dlho zostávajú v telemetrii alebo diagnostických záznamoch.

Európsky kontext pridáva požiadavky na transparentnosť, riadenie rizík a ľudský dohľad podľa konkrétneho spôsobu použitia. Framework ani protokol samy neurčujú právnu klasifikáciu systému. Hlasový asistent odpovedajúci na všeobecné otázky má iný rizikový profil než agent, ktorý vykonáva úkony v účte zákazníka alebo ovplyvňuje prístup k službe. MCP nástroj môže meniť údaje v externom systéme, a preto potrebuje autorizáciu na úrovni používateľa, minimálne oprávnenia, auditnú stopu a potvrdenie pred nezvratnou operáciou. Pri verejnom nasadení treba zrozumiteľne oznámiť aj to, že používateľ komunikuje s AI.

Praktický testovací plán pre verziu 2.29.0 by mal spojiť technické a produktové scenáre. Okrem bežného rozhovoru treba preveriť hovorenie cez odpoveď agenta, dlhé ticho, hluk, opakované pripájanie, zatvorenie karty prehliadača, zlyhanie nástroja a súbežné relácie. Pri MCP migrácii treba porovnať schémy nástrojov a výsledky na stabilnom evaluačnom súbore. Pri gzip oprave sú dôležité objemné odpovede a kontrolné súčty či počty záznamov na aplikačnej úrovni. Takéto skúšky odhalia chyby, ktoré jednoduché demo s jednou otázkou nezachytí.

Otvorenou neistotou zostáva skutočný prevádzkový vplyv vydania. Pydantic nezverejnil benchmarky latencie, spotreby pamäte ani úspešnosti volania nástrojov pred opravami a po nich. Microsoft zároveň ponúka Voice Live v rôznych modelových a cenových konfiguráciách, takže náklady aj odozva závisia od regiónu, zvoleného modelu, dĺžky audia a doplnkových hlasových funkcií. PydanticAI 2.29.0 preto treba vnímať ako užitočný integračný krok, nie ako dôkaz produkčnej pripravenosti konkrétnej aplikácie. Tú musia potvrdiť vlastné záťažové, bezpečnostné a používateľské testy.