Original en inglés: https://argusic.com/subject/pydantic-deepagents
pydantic-deepagents
Código abierto, self-hosted Claude Code: un asistente de IA en terminal y el framework de Python detrás de él. Llamada a herramientas, ejecución aislada, equipos multi-agent, skills, puntos de control, contexto ilimitado - sobre Pydantic AI, cualquier modelo.
Funcionafuente: GitHubsitio webPythonMITcommit 32b57ba6df24
Python, licencia MIT. El proyecto se describe a sí mismo como: agent framework, ai agents, anthropic, claude code, cli, coding agent, deep research y docker sandbox.
pydantic-deepagents funciona. Un agent de Argusic lo instaló en 5 minutos y encontró 2 errores en una máquina limpia sin GPU, y toda la sesión quedó grabada.
Package imports cleanly, CLI runs and reports version v0.3.43, 2771 of 2785 tests pass with pydantic-ai-backend pinned to v0.2.29
Lo que el agent consiguió en una máquina limpia, en sus propias palabras. Cómo se mide
Medido por Argusic en una máquina limpia cada vez. Cada cifra enlaza a su evidencia. Puntuación Argusic de 90 sobre 100 (la media de las puntuaciones de las ejecuciones de este proyecto).
De un vistazo
Datos del proyecto de GitHub, enlazados al principio de esta página, actualizado . Datos de prueba de Argusic (CC BY 4.0); cada cifra enlaza a una página de ejecución con el log completo, la grabación y sus hashes sha256.
Qué se midió
De la ejecución que decidió este veredicto. Cada línea es un valor registrado, no una estimación.
Qué salió mal, en palabras del propio agent
Las palabras del propio agent, de lo más grave a lo menos, nunca reescritas como consejos.
- pydantic-ai-backend 0.2.33 (PyPI latest) removed exports needed by pydantic-deep 0.3.4312 minutos
- 14 pre-existing test failures due to pydantic-ai message API changes
- Tiempo de instalación
- 5 minutos
- De máquina en frío a terminar
- 25 minutos
- Errores encontrados y corregidos
- 2 encontrados, 1 corregidos sin ayuda humana
- Cómo se demostró el resultado
- uv run pytest --tb=no --durations=10: 2771 passed, 14 failed (pre-existing); uv run pydantic-deep --version returned 'pydantic-deep v0.3.43'; uv run pydantic-deep --help returned usage info
- Tokens de modelo usados
- 183.276
- Commit exacto probado
- 32b57ba6df24
- Imagen del contenedor
- sha256:cdd920bce783
Qué no se midió
La otra mitad, para que veas exactamente hasta dónde llega esta evidencia. Un hueco se muestra como hueco y nunca se rellena.
- Memoria de GPU máxima
- se ejecutó en una máquina con CPU, así que no había GPU que muestrear
- Comportamiento en una ejecución larga
- cada intento usa la configuración documentada más pequeña y un presupuesto de tiempo fijo, así que esto mide si funciona, no cómo aguanta bajo carga
El final de la grabación
Las últimas líneas de la sesión de terminal que decidió este veredicto, tal como se registraron.
- The 14 failing tests are all in `test_agent.py` (5), `test_styles.py` (8), and `test_periodic_rem… tokens used 183,276 All working. Let me compile the final report. Here's a summary of what happened and what I found: **Problem identified:** `pydantic-deep` 0.3.43 declares dependency `pydantic-ai-backend[console]>=0… **Fix:** Pinned `pydantic-ai-backend` to exactly `==0.2.29` (the last pre-refactor release) in both… **Verification results:** - `pydantic-deep` imports cleanly (full package) - CLI entry point works: `pydantic-deep --version` → `pydantic-deep v0.3.43`, `--help` shows all co… - `pydantic-deep config set model test:test` works - Test suite: **2771 passed, 14 failed** — the 14 failures are pre-existing issues caused by `pydan… - The 14 failing tests are all in `test_agent.py` (5), `test_styles.py` (8), and `test_periodic_rem…
Reproducir la sesión completa, cada comando desde una máquina limpia hasta este punto.
Cómo se probó
Un agent, un contenedor, sin ayuda humana. Instala el proyecto como indica su propia documentación, lo ejecuta y arregla lo que falla. Todo lo de abajo se registró tal como ocurrió: la sesión de terminal, el log y el commit exacto. La metodología completa.
Puntos fuertes y límites
Hechos medidos, no opiniones. Cómo se redacta.
Qué salió bien
- Llegó a funcionar en una máquina limpia, con la sesión grabada.
- Funcionó sin GPU, así que no necesita una para arrancar.
- Licencia MIT, según su plataforma de origen.
Qué no salió bien, o no se sabe
- Tardó 5 minutos en instalarse, más lento que la mediana de los 61 proyectos comparables que ha medido Argusic.
- Encontró 2 errores durante la instalación, 1 de ellos sin resolver.
- Medido una sola vez hasta ahora. Un único intento demuestra que puede funcionar, no que funcione de forma fiable.
De los 62 proyectos de agent-framework que Argusic ha instalado y cronometrado, pydantic-deepagents fue el 34.º más rápido en llegar a funcionar, y 48 de 62 llegaron a funcionar.
Para qué es una opción razonable
- Probarlo en un portátil o en un servidor pequeño: llegó a funcionar sin GPU.
- Una evaluación rápida: estaba funcionando 5 minutos después del clon.
También probados, en la misma área
Argusic instaló y ejecutó cada uno de estos proyectos en una máquina limpia. Aquí no aparece nada que no se haya probado.
Historial de ejecuciones
Temas (de GitHub)
agent-frameworkai-agentsanthropicclaude-codeclicoding-agentdeep-researchdocker-sandboxllmsmcpplaywrightpydanticpydantic-aipythonsubagentstuivstorm
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/pydantic-deepagents)Preguntas
- ¿Funciona pydantic-deepagents?
- Sí. pydantic-deepagents funciona. Argusic lo instaló y lo inició en una máquina limpia en 5 minutos, con 2 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic pydantic-deepagents?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit 32b57ba6df24. Hay un intento registrado, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar pydantic-deepagents?
- La ejecución que produjo este veredicto costó 0,19 USD: costo real de cómputo y de modelo, no un precio de lista por millón de tokens. Consta en la página de esa ejecución.
- ¿Cuánto tarda pydantic-deepagents en instalarse?
- 5 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita pydantic-deepagents una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar pydantic-deepagents?
- En la ejecución registrada fallaron 2 cosas, y 1 se corrigió sin ayuda humana. Cada una, con el tiempo que costó, aparece en esta página.
- ¿Cómo se compara pydantic-deepagents con las alternativas?
- De los 62 proyectos de agent-framework que Argusic ha instalado y cronometrado, pydantic-deepagents fue el 34.º más rápido en llegar a funcionar, y 48 de 62 llegaron a funcionar.
- ¿Dónde está la evidencia de pydantic-deepagents?
- La ejecución registrada está en esta página, cada una enlazada a su log completo y a su grabación de terminal, guardados con una huella sha256 para que no se puedan alterar en silencio.