Original en anglais: https://argusic.com/subject/pydantic-deepagents
pydantic-deepagents
Open-source, self-hosted Claude Code - a terminal AI assistant and the Python framework behind it. Tool-calling, sandboxed execution, multi-agent teams, skills, checkpoints, unlimited context - on Pydantic AI, any model.
Fonctionnesource : GitHubpage d'accueilPythonMITcommit 32b57ba6df24
Python, sous licence MIT. Le projet se décrit ainsi : agent framework, ai agents, anthropic, claude code, cli, coding agent, deep research et docker sandbox.
pydantic-deepagents fonctionne. Un agent Argusic l'a installé en 5 minutes et a rencontré 2 erreurs sur une machine propre sans GPU, et toute la session a été enregistrée.
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
Ce que l'agent a obtenu sur une machine propre, dans ses propres mots. Comment c'est mesuré
Mesuré par Argusic sur une machine vierge, à chaque fois. Chaque chiffre renvoie à ses preuves. Score Argusic de 90 sur 100 (la moyenne des scores des exécutions de ce projet).
En un coup d'œil
Données du projet issues de GitHub, avec un lien en haut de cette page, mis à jour le . Données de test d'Argusic (CC BY 4.0) ; chaque chiffre renvoie à une page d'exécution avec le log complet, l'enregistrement et leurs empreintes sha256.
Ce qui a été mesuré
Tiré de l'exécution qui a décidé ce verdict. Chaque ligne est une valeur enregistrée, pas une estimation.
Ce qui s'est mal passé, dans les mots de l'agent
Les propres mots de l'agent, le plus grave en premier, jamais réécrits en conseils.
- pydantic-ai-backend 0.2.33 (PyPI latest) removed exports needed by pydantic-deep 0.3.4312 minutes
- 14 pre-existing test failures due to pydantic-ai message API changes
- Temps d'installation
- 5 minutes
- De la machine vierge à la fin
- 25 minutes
- Erreurs rencontrées et corrigées
- 2 rencontrées, 1 corrigée sans aide humaine
- Comment le résultat a été prouvé
- 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 modèle utilisés
- 183 276
- Commit exact testé
- 32b57ba6df24
- Image de conteneur
- sha256:cdd920bce783
Ce qui n'a pas été mesuré
L'autre moitié, pour que vous voyiez exactement jusqu'où vont ces preuves. Une lacune est affichée comme une lacune et n'est jamais comblée.
- Pic de mémoire GPU
- cette exécution a eu lieu sur une machine CPU, il n'y avait donc pas de GPU à mesurer
- Comportement sur une longue durée
- chaque tentative utilise les réglages documentés les plus légers et un budget de temps fixe : on mesure donc s'il fonctionne, pas comment il tient sous la charge
La fin de l'enregistrement
Les dernières lignes de la session de terminal qui a décidé ce verdict, exactement telles qu'elles ont été enregistrées.
- 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…
Revoir toute la session, chaque commande depuis une machine propre jusqu'à ce point.
Comment le test a été mené
Un agent, un conteneur, aucune aide humaine. Il installe le projet comme l'indique sa propre documentation, l'exécute et corrige ce qui casse. Tout ce qui suit est enregistré tel que cela s'est passé : la session de terminal, le log et le commit exact. La méthode complète.
Points forts et limites
Des faits mesurés, pas des opinions. Comment ce site est rédigé.
Ce qui s'est bien passé
- A atteint un état de fonctionnement sur une machine propre, avec la session enregistrée.
- A fonctionné sans GPU, il n'en a donc pas besoin pour démarrer.
- Sous licence MIT, selon son hébergeur.
Ce qui ne s'est pas bien passé, ou n'est pas connu
- Installation en 5 minutes, plus lente que la médiane des 61 projets comparables mesurés par Argusic.
- A rencontré 2 erreurs pendant l'installation, dont 1 n'a pas été résolue.
- Mesuré une seule fois jusqu'ici. Une seule tentative montre qu'il peut fonctionner, pas qu'il fonctionne de façon fiable.
Sur les 62 projets agent-framework qu'Argusic a installés et chronométrés, pydantic-deepagents a été le 34e plus rapide à atteindre un état de fonctionnement, et 48 sur 62 en ont atteint un.
Pour quoi c'est un choix raisonnable
- L'essayer sur un ordinateur portable ou un petit serveur : il a atteint un état de fonctionnement sans GPU.
- Une évaluation rapide : il fonctionnait 5 minutes après le clone.
Également testés, dans le même domaine
Chacun de ces projets a été installé et exécuté par Argusic sur une machine propre. Rien n'apparaît ici sans avoir été testé.
Historique des exécutions
| testé par | tentative | résultat | score | coût USD | date |
|---|---|---|---|---|---|
| Argusic Runner | 1/3 | Fonctionne | 90,00 | 0,19 |
Sujets (depuis GitHub)
agent-frameworkai-agentsanthropicclaude-codeclicoding-agentdeep-researchdocker-sandboxllmsmcpplaywrightpydanticpydantic-aipythonsubagentstuivstorm
Intégrer le badge
Markdown pour le README du projet. Il renvoie vers cette page ; conditions sur la page des conditions.
[](https://argusic.com/subject/pydantic-deepagents)Questions
- pydantic-deepagents fonctionne-t-il ?
- Oui. pydantic-deepagents fonctionne. Argusic l'a installé et lancé sur une machine propre en 5 minutes, en rencontrant 2 erreurs en route, et a enregistré la session.
- Comment Argusic a-t-il testé pydantic-deepagents ?
- Sur une machine vierge et jetable, avec chaque commande enregistrée et le dépôt épinglé au commit 32b57ba6df24. Une tentative est enregistrée, et la méthode complète se trouve sur la page de méthodologie.
- Combien a coûté le test de pydantic-deepagents ?
- L'exécution qui a produit ce verdict a coûté 0,19 USD : le coût réel du calcul et du modèle, pas un prix catalogue par million de tokens. Il est enregistré sur la page de cette exécution.
- Combien de temps faut-il pour installer pydantic-deepagents ?
- 5 minutes lors de l'exécution qui a décidé ce verdict, d'une machine propre à un état de fonctionnement. Il s'agit d'une tentative mesurée, pas d'une moyenne.
- pydantic-deepagents a-t-il besoin d'un GPU ?
- Pas pour démarrer. Argusic a atteint un état de fonctionnement sur une machine sans GPU.
- Qu'est-ce qui pose problème lors de l'installation de pydantic-deepagents ?
- 2 problèmes sont survenus lors de l'exécution enregistrée, et 1 a été corrigé sans aide humaine. Chacun, avec le temps qu'il a coûté, est listé sur cette page.
- Comment pydantic-deepagents se compare-t-il aux alternatives ?
- Sur les 62 projets agent-framework qu'Argusic a installés et chronométrés, pydantic-deepagents a été le 34e plus rapide à atteindre un état de fonctionnement, et 48 sur 62 en ont atteint un.
- Où sont les preuves pour pydantic-deepagents ?
- L'exécution enregistrée se trouve sur cette page, chacune avec un lien vers son log complet et son enregistrement du terminal, conservés avec une empreinte sha256 pour qu'ils ne puissent pas être modifiés discrètement.