Pydantic AI Harness: die Capability-Bibliothek für Pydantic AI

Batterien für einen Pydantic-AI-Agenten

Pydantic AI Harness ist die offizielle Capability-Bibliothek für Pydantic AI und wird vom Pydantic-AI-Team gepflegt. Der Pydantic-AI-Kern enthält Capabilities, die Modell- oder Framework-Unterstützung benötigen, sowie Capabilities, die für jeden Agenten grundlegend sind, etwa Websuche, Toolsuche und Thinking. Alles andere lebt hier: eigenständige Bausteine, die man auswählt, um einen Agenten in einen Codierungsagenten, einen Rechercheassistenten oder etwas anderes zu verwandeln. Neue Capabilities beginnen hier und können in den Kern aufsteigen, sobald sie stabil sind und sich als breit notwendig erweisen. Das README beschreibt das Paket als Batterien für den Pydantic-AI-Agenten.

Installation mit Extras

Das README dokumentiert die Installation mit uv. Der Basiskommand ist `uv add pydantic-ai-harness`. Zu den erweiterten Optionen gehören `codemode`, `dynamic-workflow`, `modal`, `logfire`, `exa`, `skills`, `browser-use`, `stackone`, `acp` und `mongodb`; `code-mode` wird ebenfalls als Alias akzeptiert. Das Paket benötigt Python 3.10+ und `pydantic-ai-slim>=2.18.0`. Das README beschreibt keine anderen Installationswege wie pip oder poetry, daher bleiben diese unbestätigt.

Schnellstart: CodeMode, MCP und Websuche

Das Schnellstartbeispiel erstellt einen Agenten mit drei Capabilities: `CodeMode()`, `MCP('https://hn.caseyjhand.com/mcp', native=False)` und `WebSearch(native=False)`. CodeMode kapselt jedes Tool in ein einziges, von Monty sandboxed `run_code`-Tool, sodass das Modell Python schreibt, das mehrere Tools mit Schleifen, Bedingungen, asyncio.gather und lokaler Filterung in einem einzigen Roundtrip aufruft. Mit `native=False` verwendet MCP das lokale Toolset, damit CodeMode die Tools umschließen kann, und die Websuche läuft über den lokalen DuckDuckGo-Fallback. Das Beispiel nutzt Logfire für Tracing und ein Anthropic-Modell; das README verlinkt einen öffentlichen Logfire-Trace dieses Laufs.

DynamicWorkflow für die Orchestrierung von Unteragenten

DynamicWorkflow tut für Unteragenten, was CodeMode für Tools tut. Ohne diese Capability delegiert ein Orchestrator jeweils einen Tool-Aufruf; zehn Delegationen kosten zehn Modell-Roundtrips. Mit ihr schreibt das Modell ein Python-Skript, in dem jeder Unteragent eine asynchrone Funktion ist, und der gesamte Baum läuft in einem einzigen Tool-Aufruf. Das README nennt `max_agent_calls` als exakte, vom Host durchgesetzte Obergrenze für Unteragenten-Läufe, und standardmäßig wird der Token-Verbrauch des gesamten Baums der `usage` des Eltern-Laufs zugerechnet. `defer_loading=True` hält den Katalog aus dem Prompt, bis das Modell die Capability lädt, und `reveal()` fügt einen Unteragenten mitten im Lauf hinzu, ohne den Prompt-Cache zu stören. Die API kann sich ändern, solange geplante Erweiterungen den Aufrufvertrag festlegen; breaking changes werden mit Deprecation-Warnungen ausgeliefert, wo dies praktikabel ist.

Capability-Matrix und Ökosystem-Pakete

Das README enthält eine Capability-Matrix, die jeden Capability-Bereich, der für Produktionsagenten wichtig ist, als Issue verfolgt. Zu den Kategorien gehören Modellkooperation, Tools und Ausführung, Editor-Integration, Prompt-Verwaltung, Kontextverwaltung, Speicher und Persistenz, Agenten-Orchestrierung, Sicherheit und Guardrails, Zuverlässigkeit und Reasoning. Jede Zeile hat einen Statusmarker und, wo zutreffend, Community-Alternativen. Einige Capabilities sind als fertig markiert, einige werden per Pull-Request gebaut, und einige liegen im Pydantic-AI-Kern statt in diesem Repository. Pakete von vstorm-co werden vom Pydantic-AI-Team unterstützt, und das Team arbeitet mit ihnen daran, einige Implementierungen hierher zu upstreamen. Das README bittet Nutzer, auf verlinkte PRs oder Issues abzustimmen, um Prioritäten zu setzen.

Versionspolitik, Beiträge und Lizenz

Pydantic AI Harness verwendet 0.x-Versionierung. Das README sagt, dass dies der Grund ist, warum das Paket getrennt von Pydantic AI veröffentlicht wird, das eine strengere Versionspolitik hat. Minor-Releases können breaking changes enthalten; Patch-Releases werden bestehendes Verhalten nicht absichtlich brechen. Breaking changes werden in den Release-Notizen mit Migrationsanleitung dokumentiert, und wo praktikabel bleibt das alte Verhalten unter einem deprecation-Namen oder einer Konfigurationsoption erhalten. Capabilities sind der primäre Erweiterungspunkt für Pydantic AI; das README verweist auf bestehende Capabilities als Referenz für eigene Implementierungen und nennt die Namenskonvention `pydantic-ai-<name>` für eigenständige Pakete. Beiträge beginnen mit einem Issue, dann folgt ein PR; PRs, die `pyproject.toml` oder `uv.lock` von Nicht-Teammitgliedern ändern, werden von CI automatisch geschlossen, um Supply-Chain-Risiken zu vermeiden. Die im README genannten Entwicklungskommandos sind `make install`, `make format`, `make lint`, `make typecheck`, `make test` und `make testcov`. Das Paket ist MIT-lizenziert; das Copyright liegt bei Pydantic Services Inc. 2026. Die Lizenz gewährt Rechte zur Nutzung, Vervielfältigung, Änderung, Zusammenführung, Veröffentlichung, Verbreitung, Unterlizenzierung und zum Verkauf von Kopien und bietet keine Garantie. Die Repository-Materialien etablieren keine Support-Zusagen, Sicherheitsgarantien oder Produktionsreife.

Redaktionelles Fazit

Pydantic AI Harness ist die offizielle Capability-Bibliothek für Pydantic AI, veröffentlicht unter der MIT-Lizenz mit 0.x-Versionspolitik. Die Capability-Matrix und die Schnellstartbeispiele zeigen, wie Agenten aus wählbaren Capabilities zusammengesetzt werden, und der Beitragsweg beginnt mit einem Issue und führt zu einem PR.

Offizielle Quellen

1. Official README
2. Project repository
3. Release notes