Pydantic AI: ein Python-Agent-Framework vom Pydantic-Team
AI Agent Framework, die Pydantic-Methode. Doch obwohl praktisch jedes Python-Agent-Framework und jede LLM-Bibliothek Pydantic Validation nutzten, konnten wir, als wir begannen, LLMs in Pydantic Logfire zu verwenden, nichts finden, was uns das gleiche Gefühl vermittelte.
Auf einen Blick
- Was ist das?
- Ein modellunabhängiges Agent-Framework, das Pydantic-Validierung, Typhinweise und Abhängigkeitsinjektion in den Mittelpunkt der Entwicklung generativer KI-Anwendungen stellt.
- Für wen ist es gedacht?
- Pydantic AI ist ein aktiv entwickeltes Python-Framework mit 19.064 Sternen und 2.482 Forks zum Zeitpunkt der Erstellung dieses Artikels. Das README positioniert es als den Weg, mit dem das Pydantic-Team das FastAPI-Gefühl in die generative KI bringen will.
- Darf ich es kommerziell nutzen?
- Ja. MIT ist eine freizügige Lizenz: Sie dürfen darauf aufbauende Software nutzen, verändern und verkaufen, solange Sie die Urheberrechts- und Lizenzhinweise beibehalten.
- Wird es noch gepflegt?
- Ja. Das Repository hat innerhalb des letzten Tages neue Commits erhalten.
- In welcher Sprache ist es geschrieben?
- Hauptsächlich Python, laut der Sprachstatistik von GitHub.
Die Antworten beruhen auf den GitHub-Daten des Projekts (zuletzt abgeglichen am 15. September 2026) und auf unserer Analyse. Sie sind keine Rechtsberatung.
TIEFGEHENDE OPEN-SOURCE-ANALYSE
Warum dieses Framework existiert
Das README beginnt mit einem Vergleich zu FastAPI: FastAPI hat die Webentwicklung durch ein innovatives, ergonomisches Design verändert, das auf Pydantic-Validierung und modernen Python-Typhinweisen aufbaut. Das Pydantic-Team schreibt, dass praktisch jedes Python-Agent-Framework und jede LLM-Bibliothek Pydantic-Validierung verwendet, es bei der eigenen Arbeit mit LLMs in Pydantic Logfire aber nichts gab, das dasselbe Gefühl vermittelte. Pydantic AI wurde mit dem erklärten Ziel gebaut, dieses FastAPI-Gefühl in die Entwicklung generativer KI-Anwendungen und Agents zu bringen. Das Repository beschreibt das Projekt als ein Python-Agent-Framework, mit dem sich produktionsreife Anwendungen und Workflows mit generativer KI schnell, zuversichtlich und mühelos bauen lassen.
Modellunterstützung und benutzerdefinierte Modelle
Das Framework wird als modellunabhängig beschrieben. Das README nennt Unterstützung für OpenAI, Anthropic, Gemini, DeepSeek, Grok, Cohere, Mistral und Perplexity sowie Anbieter wie Azure AI Foundry, Amazon Bedrock, Google Cloud, Ollama, LiteLLM, Groq, OpenRouter, Together AI, Fireworks AI, Cerebras, Hugging Face, GitHub, Heroku, Vercel, Nebius, OVHcloud, Alibaba Cloud, SambaNova und Z.AI. Für alles, was nicht in der Liste steht, beschreibt die Dokumentation die Implementierung eines benutzerdefinierten Modells. Wie lange diese Liste aktuell bleibt und welche Versionen der einzelnen Anbieter unterstützt werden, sagt das README nicht; diese Details müssen gegen die Dokumentation geprüft werden.
Typsicherheit und Abhängigkeitsinjektion
Die Agent-Beispiele im README zeigen einen generischen Agent, der über den Abhängigkeitstyp und den Ausgabetyp parametrisiert ist. Ein Dataclass namens SupportDependencies übergibt Daten und Verbindungen an das Modell, und ein Pydantic-BaseModel namens SupportOutput definiert die garantierte Ausgabestruktur. Dynamische Anweisungen und Tools erhalten Abhängigkeiten über ein RunContext-Argument; der tool-Dekorator registriert Funktionen, die das LLM aufrufen darf, und Pydantic validiert die Tool-Argumente, wobei Fehler an das LLM zurückgegeben werden, damit es es erneut versucht. Statische Typprüfer können falsche Abhängigkeitstypen zur Schreibzeit erkennen, was das README mit dem Rust-Gefühl vergleicht, dass es funktioniert, wenn es kompiliert.
Kombinierbare Fähigkeiten und Agent-Definitionen
Das README beschreibt den Aufbau von Agents aus kombinierbaren Fähigkeiten, die Tools, Hooks, Anweisungen und Modelleinstellungen in wiederverwendbare Einheiten bündeln. Integrierte Fähigkeiten umfassen Websuche, Denken und das Model Context Protocol. Es gibt außerdem eine Fähigkeitsbibliothek namens Pydantic AI Harness, und Pakete von Drittanbietern können installiert werden. Agents lassen sich vollständig in YAML oder JSON definieren, ohne Code. Das README listet weder den Inhalt der Harness-Bibliothek noch die Pakete von Drittanbietern auf; das muss in der verlinkten Dokumentation geprüft werden.
Beobachtbarkeit, Bewertung und dauerhafte Ausführung
Das Framework ist eng mit Pydantic Logfire integriert, das als allgemeine OpenTelemetry-Beobachtbarkeitsplattform beschrieben wird, für Echtzeit-Debugging, bewertungsbasierte Leistungsüberwachung sowie Verhaltens-, Tracing- und Kostenverfolgung. Wer bereits eine OTel-fähige Plattform hat, kann laut README auch diese verwenden. Die Bewertungsfunktion erlaubt es, die Leistung und Genauigkeit agentischer Systeme systematisch zu testen und zu evaluieren und die Leistung im Laufe der Zeit in Logfire zu überwachen. Das README beschreibt außerdem dauerhafte Ausführung: Agents können ihren Fortschritt über vorübergehende API-Ausfälle, Anwendungsfehler oder Neustarts hinweg bewahren, gedacht für langlaufende, asynchrone und menschliche Workflows mit Bestätigungsschritten.
Streaming-Ausgabe, Graphen und Genehmigung durch Menschen
Gestreamte Ausgaben erlauben es, strukturierte Ausgaben kontinuierlich zu streamen und sofort zu validieren. Graphen bieten eine Möglichkeit, komplexe Anwendungen mit Typhinweisen zu definieren, wenn normaler Kontrollfluss zu Spaghetti-Code ausarten würde. Die Genehmigung von Tools durch Menschen erlaubt es, bestimmte Tool-Aufrufe zu kennzeichnen, die erst nach einer Freigabe fortgesetzt werden dürfen, je nach Argumenten, Gesprächsverlauf oder Benutzerpräferenzen. Das README erwähnt außerdem die Integration des Model Context Protocol und verschiedener UI-Event-Stream-Standards für den Zugriff auf externe Tools und Daten sowie für interaktive Anwendungen mit ereignisbasierter Streaming-Kommunikation.
Einstieg und der umgebende Stack
Das README verweist auf Installationsanweisungen, Beispiele, die vollständige Dokumentation und eine API-Referenz und lädt zu Fragen über Slack oder GitHub-Issues ein. Pydantic AI wird als Teil des Pydantic Stack positioniert, neben Pydantic Logfire für KI-orientierte Beobachtbarkeit und dem Logfire AI Gateway, das als einheitlicher LLM-Proxy beschrieben wird. Die Repository-Metadaten zeigen zum Zeitpunkt der Erstellung 19.064 Sterne, 2.482 Forks und 636 offene Issues. Das Projekt steht unter der MIT-Lizenz, die das Recht zur Nutzung, zum Kopieren, Ändern, Zusammenführen, Veröffentlichen, Verteilen, Unterlizenzieren und Verkaufen von Kopien gewährt und erklärt, dass die Software ohne Gewährleistung bereitgestellt wird.
Redaktionelles Fazit
Pydantic AI ist ein aktiv entwickeltes Python-Framework mit 19.064 Sternen und 2.482 Forks zum Zeitpunkt der Erstellung dieses Artikels. Das README positioniert es als den Weg, mit dem das Pydantic-Team das FastAPI-Gefühl in die generative KI bringen will. Die MIT-Lizenz erlaubt freie Nutzung, gewährt aber ausdrücklich keine Garantie. Welche Modellversionen genau unterstützt werden, was in der Harness-Bibliothek liegt und wie die UI-Event-Stream-Standards im Detail aussehen, muss in der Dokumentation geprüft werden.
Community-Notizen