Pydantic AI

Pydantic AI: El Marco de Agentes GenAI

Pydantic AI es un marco de agentes de Python diseñado para facilitar la construcción rápida, segura y fluida de aplicaciones y flujos de trabajo de grado de producción que aprovechan la IA Generativa. Su objetivo es llevar el diseño ergonómico de FastAPI al desarrollo de aplicaciones y agentes GenAI.

¿Qué es Pydantic AI?

Pydantic AI es una herramienta diseñada para ayudar a los desarrolladores a construir aplicaciones con IA Generativa de forma rápida y eficiente. Aprovecha la validación Pydantic y las características modernas de Python para proporcionar una experiencia de desarrollo fluida.

Características clave:

• Construido por el equipo de Pydantic: Acceso directo a la fuente de validación Pydantic, que se utiliza en muchos SDK de IA populares.
• Agnóstico al modelo: Admite una amplia gama de modelos y proveedores, incluidos OpenAI, Anthropic, Gemini y más. Los modelos personalizados también se pueden implementar fácilmente.
• Observabilidad perfecta: Se integra con Pydantic Logfire para la depuración en tiempo real, la supervisión del rendimiento y el seguimiento de costes. También es compatible con otras plataformas compatibles con OpenTelemetry.
• Totalmente seguro para tipos: Diseñado para proporcionar un contexto completo para la autocompletación y la verificación de tipos, reduciendo los errores en tiempo de ejecución.
• Evaluaciones potentes: Permite pruebas y evaluaciones sistemáticas del rendimiento y la precisión del agente.
• MCP, A2A y AG-UI: Integra estándares para el acceso de los agentes a herramientas y datos externos, la interoperabilidad con otros agentes y la construcción de aplicaciones interactivas.
• Aprobación de herramientas con intervención humana: Permite marcar las llamadas a herramientas que requieren aprobación antes de la ejecución.
• Ejecución duradera: Permite la construcción de agentes que pueden mantener el progreso a través de fallos de la API y reinicios de la aplicación.
• Salidas transmitidas: Proporciona una transmisión continua de salida estructurada con validación inmediata.
• Soporte de gráficos: Ofrece una forma potente de definir gráficos utilizando sugerencias de tipo para aplicaciones complejas.

¿Cómo funciona Pydantic AI?

Pydantic AI funciona proporcionando un marco que simplifica el desarrollo de agentes de IA. Utiliza modelos Pydantic para definir la estructura de las entradas y salidas del agente, y proporciona herramientas para conectar el agente a varios LLM y otros servicios.

¿Cómo usar Pydantic AI?

1. Instalación: Instale el paquete pydantic_ai.

2. Uso básico: Cree una instancia Agent con el modelo y las instrucciones especificados.

   from pydantic_ai import Agent
   
   agent = Agent(
       'anthropic:claude-sonnet-4-0',
       instructions='Sea conciso, responda con una frase.',
   )
   
   result = agent.run_sync('¿De dónde viene "hello world"?')
   print(result.output)
   """
   

El primer uso conocido de "hello, world" fue en un libro de texto de 1974 sobre el lenguaje de programación C. """ ```

3. Uso avanzado: Añada herramientas, instrucciones dinámicas y salidas estructuradas para construir agentes más potentes.

¿Para quién es Pydantic AI?

Pydantic AI es ideal para:

• Desarrolladores que buscan construir aplicaciones y flujos de trabajo GenAI de forma eficiente.
• Equipos que requieren agentes de IA robustos, con seguridad de tipos y observables.
• Proyectos que necesitan integrarse con varios LLM y servicios.

Ejemplo de herramientas e inyección de dependencias

Pydantic AI facilita la inyección de dependencias, lo cual es útil cuando necesita inyectar datos o servicios en sus herramientas. Puede definir su clase de dependencia y pasarla al agente. A continuación, se muestra el código de ejemplo para construir un agente de soporte para un banco con Pydantic AI:

from dataclasses import dataclass

from pydantic import BaseModel, Field
from pydantic_ai import Agent, RunContext

from bank_database import DatabaseConn


@dataclass
class SupportDependencies:
    customer_id: int
    db: DatabaseConn


class SupportOutput(BaseModel):
    support_advice: str = Field(description='Consejo devuelto al cliente')
    block_card: bool = Field(description='Si se debe bloquear la tarjeta del cliente')
    risk: int = Field(description='Nivel de riesgo de la consulta', ge=0, le=10)


support_agent = Agent(
    'openai:gpt-5',
    deps_type=SupportDependencies,
    output_type=SupportOutput,
    instructions=(
        'Eres un agente de soporte en nuestro banco, brinda soporte al '
        'cliente y juzga el nivel de riesgo de su consulta.'
    ),
)


@support_agent.instructions
async def add_customer_name(ctx: RunContext[SupportDependencies]) -> str:
    customer_name = await ctx.deps.db.customer_name(id=ctx.deps.customer_id)
    return f"El nombre del cliente es {customer_name!r}"


@support_agent.tool
async def customer_balance(
    ctx: RunContext[SupportDependencies], include_pending: bool
) -> float:
    """Devuelve el saldo actual de la cuenta del cliente."""
    return await ctx.deps.db.customer_balance(
        id=ctx.deps.customer_id,
        include_pending=include_pending,
    )

Instrumentación con Pydantic Logfire

Para supervisar los agentes en acción, Pydantic AI se integra perfectamente con Pydantic Logfire, la plataforma de observabilidad OpenTelemetry, que permite la depuración en tiempo real, la supervisión del rendimiento basada en evaluaciones y el seguimiento del comportamiento, el rastreo y los costes. El código de ejemplo:

...from pydantic_ai import Agent, RunContext
from bank_database import DatabaseConn
import logfire

logfire.configure()
logfire.instrument_pydantic_ai()
logfire.instrument_asyncpg()
...support_agent = Agent(
    'openai:gpt-4o',
    deps_type=SupportDependencies,
    output_type=SupportOutput,
    system_prompt=(
        'Eres un agente de soporte en nuestro banco, brinda soporte al '
        'cliente y juzga el nivel de riesgo de su consulta.'
    ),
)

¿Por qué elegir Pydantic AI?

Pydantic AI ofrece un enfoque optimizado para la construcción de aplicaciones GenAI. Su base en la validación Pydantic, el diseño agnóstico al modelo, la observabilidad perfecta y el entorno de seguridad de tipos lo convierten en una opción convincente para los desarrolladores que buscan eficiencia y fiabilidad.

Próximos pasos

Para explorar Pydantic AI más a fondo:

• Instale Pydantic AI y siga los ejemplos.
• Consulte la documentación para una comprensión más profunda.
• Consulte la Referencia de la API para comprender la interfaz de Pydantic AI.
• Únase al canal de Slack o presente un problema en GitHub para cualquier pregunta.