PydanticAI 2.5 spevňuje históriu správ a adaptéry pre agentické rozhrania

PydanticAI vydal verziu 2.5.0 a na prvý pohľad nejde o veľký produktový rebranding, ale o typ vydania, ktoré je dôležité pre tímy posúvajúce agentov z prototypov do prevádzky. Release notes zvýrazňujú najmä novú funkciu sanitize_messages na sprísnenie vstupnej histórie správ, prechod multimodálnych návratov nástrojov cez adaptéry AG-UI a Vercel AI a sériu opráv v miestach, kde sa agentické systémy zvyknú lámať: pri odložených tool calloch, telemetrii, trvácnych behoch a streamovaní udalostí.

Novinka sanitize_messages cieli na nenápadný, ale prakticky citlivý problém. Agent často nedostáva iba jednu čistú používateľskú otázku, ale pokračuje v dlhšej konverzácii, ktorú aplikácia skladá z predchádzajúcich odpovedí modelu, volaní nástrojov, systémových pravidiel a používateľských vstupov. Ak sa takáto história obnovuje z databázy alebo prechádza medzi rôznymi vrstvami aplikácie, potrebuje jasné pravidlá, čo je ešte bezpečný a platný vstup pre ďalší beh modelu. Sanitizácia histórie je preto skôr infraštruktúrny bezpečnostný prvok než kozmetická pomôcka.

Pre vývojárov agentických aplikácií je dôležité aj to, že vydanie rieši multimodálne návraty nástrojov v adaptéroch AG-UI a Vercel AI. V praxi to znamená, že nástroj nemusí vracať iba textový reťazec, ale aj štruktúrovanejší výstup, ktorý sa má zachovať v histórii a zároveň korektne prejsť cez streamovanie do používateľského rozhrania. Takýto detail je podstatný pri aplikáciách, ktoré kombinujú text, súbory, obrázky, dokumenty alebo vizuálne odpovede a nechcú pri každom adaptéri riešiť vlastné obchádzky.

Release zároveň opravuje odmietanie duplicitných identifikátorov odložených volaní nástrojov. Odložené volanie je mechanizmus, pri ktorom agent nemusí nástroj vykonať okamžite v jednom synchrónnom kroku; systém si vie udržať stav a pokračovať neskôr. Ak sa však identifikátory volaní zrazia alebo opakujú, aplikácia môže zle priradiť výsledok k požiadavke, čo je pri pracovných tokoch s externými systémami veľmi nepríjemná trieda chýb. Sprísnenie validácie tu znižuje riziko tichých nekonzistencií.

Ďalšia skupina zmien sa týka trvácnych behov cez DBOS a Prefect. PydanticAI podľa poznámok k vydaniu lepšie zachováva runtime toolsets a handlery streamovaných udalostí. To je dôležité práve v prostrediach, kde agent nežije iba ako krátky HTTP request, ale ako workflow, ktorý sa môže obnoviť, opakovať, logovať a dobiehať po výpadku. Ak sa pri obnove stratia dostupné nástroje alebo obsluha udalostí, chyba sa často prejaví až v produkcii, keď agent zrazu nevie zavolať očakávanú integráciu alebo rozbije živé UI.

Vydanie opravuje aj telemetriu okolo OpenTelemetry atribútov gen_ai.usage.details.*, kde sa nemajú započítavať first-class počty tokenov tak, aby nevznikalo dvojité počítanie. Pre malé experimenty je to detail, pre prevádzku agentov s rozpočtami, interným účtovaním alebo SLO metrikami však zásadná vec. Ak pozorovateľnosť nadhodnocuje tokeny, tím môže nesprávne vyhodnotiť cenu modelu, optimalizovať nesprávne miesto alebo zbytočne obmedziť používateľské scenáre.

Zaujímavá je aj oprava podpory thinking pri modeloch MoonshotAI Kimi a rozšírenie známych názvov modelov. PydanticAI sa tým ďalej profiluje ako vrstva, ktorá nemá byť viazaná na jedného poskytovateľa, ale má poskytovať konzistentné rozhranie pre rôzne modely, adaptéry a režimy behu. Práve pri agentoch je táto prenositeľnosť hodnotná, pretože tímy často testujú viacero modelov podľa ceny, latencie, kvality práce s nástrojmi alebo dostupnosti v konkrétnom regióne.

Pre používateľov PydanticAI 2.4 je verzia 2.5 skôr bezpečnostno-prevádzkovým pokračovaním než veľkou zmenou API. Predchádzajúce vydanie prinieslo väčšie hodnotiace prvky ako GEval a agentické span-based evaluátory; novší release teraz dotvára časti, ktoré rozhodujú o spoľahlivosti v bežnej prevádzke. To je typický vývoj agentických frameworkov v roku 2026: menej oslňujúcich demonštrácií a viac práce na hraniciach medzi pamäťou konverzácie, nástrojmi, evaluáciou, UI a observabilitou.

Praktický dopad je najväčší pre tímy, ktoré už PydanticAI používajú v interných kopilotoch, zákazníckych asistentoch alebo workflow automatoch. Pred aktualizáciou sa oplatí prejsť vlastné skladanie histórie správ, testy pre odložené nástroje a dashboardy nákladov. Ak aplikácia využíva AG-UI alebo Vercel AI adaptér, nové správanie okolo multimodálnych návratov môže odstrániť vlastný integračný kód. Ak beží cez Prefect alebo DBOS, dôležité je otestovať obnovu workflow po prerušení a zachovanie dostupných toolsetov.

Samotné vydanie neprináša nový veľký model ani jeden dominantný headline, ale je dobrým signálom, kam sa posúva otvorený ekosystém pre agentov. Stabilita sa dnes nehodnotí len podľa toho, či model odpovie správne v jednom chate. Rovnako dôležité je, či framework bezpečne prenesie históriu, či nepopletie volania nástrojov, či korektne meria spotrebu a či UI dostane rovnaký multimodálny stav, aký agent skutočne vytvoril. PydanticAI 2.5 rieši presne tieto vrstvy.