Framework Open Source

Twórz autonomiczne agenty AI
które naprawdę działają

Name: Pydantic DeepAgents
Author: Vstorm

Produkcyjny framework Python implementujący wzorzec deep agent — agenty, które planują, kodują, wykonują i delegują jak Claude Code.

Wypróbuj Quick Start Zobacz na GitHub 467

Terminal

Dlaczego warto?

Bez DeepAgents

✗ Kruche łańcuchy łamiące się na nieoczekiwanych inputach
✗ Brak type safety — oparte na słownikach, podatne na błędy
✗ Trudne debugowanie ścieżek decyzji agenta
✗ Ręczne zarządzanie oknem kontekstu
✗ Brak wzorca delegacji subagentów

Z DeepAgents

✓ Modularne agenty ze strukturalnym planowaniem
✓ W pełni typowo bezpieczne z modelami Pydantic
✓ Pełna obserwowalność przez Logfire
✓ Automatyczne podsumowywanie kontekstu
✓ Wbudowana delegacja i komunikacja subagentów

Zacznij w 4 krokach

Od pip install do autonomicznych agentów w minuty

Zainstaluj

pip install pydantic-deepagents — jeden pakiet, zero konfiguracji, wszystko w zestawie.

Zdefiniuj agenta

Opisz co robi Twój agent — typowane narzędzia, system prompts i opcjonalne sub-agenty.

Uruchom

Agent planuje, wykonuje i deleguje — streamując wyniki w czasie rzeczywistym przez WebSocket.

Skaluj sub-agentami

Podziel złożone zadania na wyspecjalizowane sub-agenty współpracujące autonomicznie.

Wszystko czego agent potrzebuje

Od planowania po deployment — kompletny toolkit deep agent.

Wzorzec Deep Agent

Implementuje architekturę Claude Code — agenty, które rozumują, planują i wykonują złożone zadania autonomicznie.

Nieograniczony kontekst

Wbudowana kompakcja konwersacji pozwala agentom pracować nad zadaniami przekraczającymi okno kontekstu modelu.

Delegacja sub-agentów

Twórz wyspecjalizowane sub-agenty do równoległego researchu, generowania kodu lub analizy — łącz wyniki.

Trwała pamięć

Agenty pamiętają między sesjami. Pamięć na poziomie projektu i globalna z automatycznym filtrowaniem.

Bogaty system narzędzi

Dostęp do plików, wykonywanie komend, wyszukiwanie w sieci i własne narzędzia — wszystko z typami Pydantic.

Gotowy na produkcję

Streaming, checkpointy, wsparcie wielu providerów, integracja z Logfire — przetestowane w 30+ wdrożeniach.

Jak wypada w porównaniu?

Zobacz jak wypada na tle alternatyw.

Funkcja	DeepAgents	LangChain	CrewAI	AutoGen
Bezpieczeństwo typów	✓	✗	✗	✗
Delegacja subagentów	✓	✗	✓	✓
System narzędzi	✓	✓	✓	✓
Wielu dostawców	✓	✓	Partial	✓
Obserwowalność	✓	Partial	✗	✗
Przetestowany w produkcji	✓	✓	✗	✗

Jak to działa

Warstwowa architektura od aplikacji po model LLM.

Your Application

DeepAgent Orchestrator

Planning
Engine

Memory
Manager

Context
Compactor

Middleware Stack

GuardrailsCost TrackingLoggingPermissions

Tool Registry

FilesystemShellWeb SearchSub-agentsCustom

LLM Provider

ClaudeOpenAIGemini

Trzy linijki do pierwszego agenta

Od podstawowej konfiguracji po własne narzędzia i delegację sub-agentów.

from pydantic_deep import create_deep_agent, DeepAgentDeps, StateBackend

agent = create_deep_agent(
    model="anthropic:claude-sonnet-4-20250514",
    instructions="You are a senior Python developer.",
)

deps = DeepAgentDeps(backend=StateBackend())

result = await agent.run(
    "Refactor the auth module to use JWT tokens",
    deps=deps,
)

from pydantic_ai import RunContext
from pydantic_deep import create_deep_agent, DeepAgentDeps, StateBackend

async def analyze_logs(ctx: RunContext[DeepAgentDeps], path: str) -> str:
    """Analyze log files for errors and patterns."""
    return ctx.deps.backend.read(path)

agent = create_deep_agent(
    model="openai:gpt-4.1",
    instructions="You are a DevOps assistant.",
    tools=[analyze_logs],
)

deps = DeepAgentDeps(backend=StateBackend())
result = await agent.run("Find and fix recent errors", deps=deps)

from pydantic_deep import create_deep_agent, DeepAgentDeps, StateBackend
from pydantic_deep.types import SubAgentConfig

agent = create_deep_agent(
    model="anthropic:claude-sonnet-4-20250514",
    instructions="You are a tech lead. Delegate tasks to subagents.",
    subagents=[
        SubAgentConfig(
            name="code-reviewer",
            description="Reviews code for bugs and best practices",
            instructions="You are an expert code reviewer.",
        ),
    ],
)

deps = DeepAgentDeps(backend=StateBackend())
result = await agent.run("Review the PR changes", deps=deps)

Stworzony do prawdziwej pracy

Od generowania kodu po pipeliny badawcze.

Generowanie i refaktoryzacja kodu

Autonomiczne agenty, które czytają bazy kodu, planują zmiany i implementują je w wielu plikach.

— Refaktoryzacja wielu plików
— Automatyczny code review
— Generowanie testów
— Aktualizacja zależności

Agenty badawcze

Agenty przeszukujące sieć, analizujące wyniki i tworzące strukturalne raporty badawcze.

— Wyszukiwanie i scraping
— Krzyżowe weryfikowanie źródeł
— Strukturalne dane wyjściowe
— Śledzenie cytowań

Automatyzacja potoków danych

Buduj, monitoruj i naprawiaj potoki danych z agentami rozumiejącymi infrastrukturę.

— Scaffolding potoków
— Diagnoza błędów
— Migracje schematów
— Tuning wydajności

CLI i DeepResearch

Interaktywny terminal, integracja z edytorem i autonomiczny research — wszystko w zestawie.

Interaktywne CLI

Pełnofunkcyjny interfejs terminalowy zbudowany na Textual. Wznawiaj rozmowy, przełączaj modele, śledź tokeny — lub podłącz do Zed przez ACP.

Wznawianie sesji i trwała pamięć
Przełączanie modeli wielu providerów
Własne skille i wyszukiwanie w sieci
Integracja z edytorem Zed przez ACP

DeepResearch

Autonomiczny agent badawczy planujący zapytania, delegujący do sub-agentów, weryfikujący źródła krzyżowo i piszący strukturalne raporty z cytowaniami.

Wieloetapowe planowanie badań
Równoległa delegacja sub-agentów
Wyszukiwanie z pobieraniem pełnych stron
Strukturalne raporty z cytowaniami

Często zadawane pytania

Wszystko co musisz wiedzieć o naszych narzędziach i projektach.

Czym jest pydantic-deep?

Framework Python do budowy autonomicznych agentów AI inspirowany architekturą Claude Code. Implementuje wzorzec deep agent — agenty, które mogą planować, czytać/pisać pliki, delegować do subagentów i utrzymywać trwałą pamięć między sesjami.

Czym się różni od LangChain lub CrewAI?

DeepAgents jest domyślnie typowo bezpieczny (modele Pydantic, nie słowniki), modularny (kompozycja narzędzi, nie łańcuchy) i obserwowalny (integracja Logfire). Skupia się na wzorcu deep agent — długotrwałych agentach, które planują i wykonują autonomicznie — zamiast prostego chain-of-thought.

Którzy dostawcy LLM są obsługiwani?

Każdy dostawca obsługiwany przez Pydantic AI — OpenAI, Anthropic, Google Gemini, Groq, Mistral i każde API kompatybilne z OpenAI (jak Ollama dla lokalnych modeli). Zmiana dostawcy jedną linią konfiguracji.

Czy mogę używać własnych narzędzi?

Tak. Definiuj narzędzia za pomocą dekoratora @tool z Pydantic AI. Narzędzia są sprawdzane typowo, obsługują wykonanie asynchroniczne i integrują się z systemem uprawnień. Możesz też używać gotowych zestawów narzędzi (filesystem, baza danych, konsola) z bibliotek towarzyszących.

Czy jest gotowy do produkcji?

Tak. DeepAgents napędza ponad 30 wdrożeń produkcyjnych w Vstorm. Zawiera strukturalne logowanie przez Logfire, odzyskiwanie po błędach, śledzenie zużycia tokenów i został przetestowany w prawdziwych aplikacjach agentów AI.

Zobacz wszystkie pytania

Gotowy na agentów, którzy naprawdę myślą?

Zainstaluj pydantic-deep, zdefiniuj swojego agenta i pozwól mu planować, kodować i delegować — jak Claude Code, ale Twój.

Wypróbuj Quick Start

Twórz autonomiczne agenty AI które naprawdę działają