Pydantic AI: agentes Python fiables gracias al tipado

El espíritu de FastAPI aplicado a los agentes

El equipo de Pydantic, cuya biblioteca de validación usan los SDK de OpenAI, Anthropic o Google, lanzó Pydantic AI a finales de 2024 con una idea: dar a los agentes la misma comodidad que FastAPI dio a las API web. En la práctica, usted describe en Python lo que recibe el agente, las herramientas que puede usar y la forma exacta de su respuesta, y el framework se encarga de verificarlo.

Este tipado tiene un efecto muy concreto: una salida estructurada no válida se detecta y se pide al modelo que la corrija, en lugar de dejar pasar un JSON roto a su aplicación. Su editor de código, por su parte, señala los errores antes incluso de ejecutar nada.

Qué se puede construir

• asistentes de negocio que extraen información de un texto en un formato fijo (factura, incidencia, ficha de cliente);
• chatbots conectados a sus bases de datos mediante inyección de dependencias, lo que además facilita las pruebas;
• flujos de trabajo agénticos más largos con Pydantic Graph, subagentes y aprobación humana antes de ciertas acciones (humano en el bucle);
• agentes que resisten caídas gracias a la ejecución duradera (Temporal, DBOS o Prefect, entre otros).

El framework también es compatible con MCP e incluye Pydantic Evals para evaluar respuestas y secuencias de herramientas.

Cómo empezar

Se instala el paquete pydantic-ai con pip (Python 3.11 o superior), se configura la clave de API del proveedor elegido y se crea un objeto Agent indicando el modelo, las instrucciones y el tipo de salida esperado. La documentación oficial es muy completa y está llena de ejemplos. Para seguir lo que hace el agente, su instrumentación OpenTelemetry funciona con Logfire o con cualquier otra herramienta de observabilidad.

Puntos fuertes y límites

Puntos fuertes: salidas fiables, excelente integración con las herramientas modernas de Python, independencia del modelo y documentación cuidada.

Límites: solo Python; hay que sentirse cómodo con las anotaciones de tipo; y el catálogo de integraciones listas para usar es menor que el de LangChain.

Alternativas

LangGraph para grafos complejos, smolagents para un enfoque minimalista, DSPy para optimizar los prompts de forma automática o el OpenAI Agents SDK para un marco ligero respaldado por un fabricante.