Pydantic AI 2.22: Gemini-Tool-Calls werden standardmäßig validiert

Pydantic AI 2.22.0 ändert eine unspektakulär klingende Voreinstellung mit großem operativem Hebel: Bei unterstützten Gemini-Modellen ist der Tool-Modus künftig standardmäßig VALIDATED. Gleichzeitig schärft das Release die Kontrollpunkte rund um MCP, Freigaben und langlebige Agent-Workflows.

Das Release wurde am 1. August 2026 um 04:27 MESZ veröffentlicht. Für Teams, die Agenten nicht nur demonstrieren, sondern mit echten Seiteneffekten betreiben, ist das mehr als Release-Note-Rauschen: Tool-Aufrufe sind der Punkt, an dem Modelloutput zu einer Datenbankänderung, einem Ticket oder einem externen API-Request wird.

Was sich konkret ändert

Der neue Standard betrifft unterstützte Gemini-Modelle. Pydantic AI fordert für deren Tool-Aufrufe nun den validierten Modus an. Der Framework-Schritt passt zu seinem Kernversprechen: Aus Modellantworten sollen typisierte, kontrollierbare Programmaktionen werden – nicht nur plausibel aussehendes JSON.

• Gemini-Tools: VALIDATED wird bei unterstützten Modellen zum Standard.
• MCP: MCPToolset kann optionale MCP-Tasks über prefer_tasks überspringen.
• Kontextabhängige Tools: RunContext.is_tool_available erlaubt es, die Verfügbarkeit eines Tools im Lauf zu entscheiden.
• Human-in-the-loop: Argument-Validatoren dürfen einen Call nach der Prüfung zur Freigabe stellen oder aufschieben.
• Durable Workflows: Fixes adressieren unter anderem Endlos-Retries und Livelocks in Temporal-, Prefect- und DBOS-Pfaden.

Warum „validated“ nicht mit Sicherheit verwechselt werden darf

Schema-Validierung beantwortet eine enge, aber wichtige Frage: Entspricht ein Tool-Aufruf der erwarteten Struktur und den erwarteten Typen? Sie beantwortet nicht, ob der Vorgang fachlich erlaubt ist. Ein formal valider delete_user-Call bleibt ein Risiko, wenn der Agent keine Berechtigung dafür haben sollte.

Validierung ist die Eintrittskontrolle für strukturierte Aktionen – nicht die Geschäftsfreigabe für deren Wirkung.

Genau deshalb sind die begleitenden Änderungen interessant. Mit is_tool_available lässt sich ein Tool etwa nur für berechtigte Mandanten, innerhalb eines Kostenbudgets oder nach erfolgreicher Policy-Prüfung sichtbar machen. Die erweiterten Approval- und Defer-Pfade erlauben es, einen syntaktisch korrekten Call dort anzuhalten, wo Menschen oder fachliche Regeln entscheiden müssen.

Praktische Konsequenz für Gemini-Agenten

Teams sollten das Update nicht blind als „mehr Zuverlässigkeit“ verbuchen. Der richtige Upgrade-Check ist klein, aber konkret:

1. Abhängigkeit auf pydantic-ai==2.22.0 aktualisieren.
2. Tool-Tests mit absichtlich fehlenden, falsch typisierten und grenzwertigen Argumenten laufen lassen.
3. Für irreversible Tools eine separate Autorisierungs- oder Approval-Regel behalten.
4. Bei Temporal, Prefect oder DBOS gezielt Retry-, Cancellation- und Serialisierungsfälle nachtesten.

from pydantic_ai import Agent

# Das Schema bleibt der Vertrag für den Tool-Pfad.
agent = Agent("google-gla:gemini-…", tools=[create_ticket])

# Zusätzlich nötig: Policy und Freigabe für Aktionen mit Seiteneffekt.

Die entscheidende Architekturregel bleibt: Modellwahl, Schema-Validierung, Berechtigung und Freigabe sind unterschiedliche Kontrollschichten. Pydantic AI 2.22.0 macht die erste davon bei Gemini stärker zum Default – und liefert zugleich mehr Bausteine für die übrigen.

Quelle: Pydantic AI v2.22.0 – offizielle Release Notes (veröffentlicht am 1. August 2026, 02:27:46 UTC).