Pydantic AI v2.64.0 四個重點：(1) Breaking：重試傳輸放棄後的錯誤狀態改丟 `ModelHTTPError` 讓 fallback 接手、`Coder` 工具預設關閉嚴格 schema、`json-repair` 改成選用依賴；(2) 新增 `ModelFallback` capability，支援 `sticky` 黏在答對的 fallback 模型，並帶 `prepare_model_request` hook 與 `RetryModelRequest`；(3) 新增 `BoxdSandbox`，把 `Coder`／`Shell`／`FileSystem` 等整組 harness capability 裝進同一個 boxd 沙箱機器；(4) 新增 `ArtifactScanner`，為 `Memory` 與 `Skills` 這類 agent artifact 做安全掃描。
Pydantic AI v2.63.0 三個重點：(1) Breaking：`CodeMode` 預設 `dynamic_catalog=True`，揭露的工具改成附加而非重寫快取的 prompt，`GoogleRealtimeConnection.dial` 的 `replay` 參數也改成 keyword-only；(2) 新增 `DetectLoops` capability 偵測並中斷重複動作迴圈，另加 `IPythonCodeMode` 作為 Monty-based CodeMode 的替代執行環境；(3) 新增 `PostgresSpendStore`，讓 harness 的 `SpendLimits` 預算可以透過 PostgreSQL 在多個 worker 間共享，不必各自維護獨立額度。
Pydantic AI v2.62.0 三個重點：(1) 新增 `ModelSettingsDeltaPart`，可在對話進行中透過 OpenAI `configuration_update`／Anthropic per-message `output_config` 改 thinking effort，OpenRouter 上改 effort 還能保留 prompt cache；(2) `SummarizingCompaction` 的摘要改存成 `CompactionPart` 而非系統提示詞，且會送給所有 provider；(3) Breaking：`GraphBuilder` 的 broadcast 分支改成依 `.to()` 宣告順序啟動（原本是反過來），可能讓升級前已暫停、尚待重播的 durable workflow 行為改變。
Pydantic AI v2.61.0 三個重點：(1) 新增結構化 citations——`TextPart` 可帶引用來源，跨 Bedrock／OpenRouter／xAI 正規化格式，並能在多輪對話中把引用回放給原本產生它的 provider；(2) 公開 durable 執行引擎的擴充介面（operation types、`ParameterTransports`、`DurableRunContext`、run identity hooks），第三方可以接自己的 durable backend 進去；(3) 多項相容性警示：`thinking=False` 現在會送模型能接受的最低 thinking 量，`CohereModel` 工具回傳檔案時不再靜默丟棄而是直接報錯。
Pydantic AI v2.59.0 三個重點：(1) 修補高風險安全漏洞 GHSA-4whf-38hw-pxxh——`web_fetch` 工具抓到惡意建構的 HTML 時，轉換過程可能拖住同進程裡的其他工作；(2) 新增 `DaytonaSandbox`，讓 Coder／Shell／FileSystem 等 harness 能力整組跑在 Daytona 沙箱裡；(3) 把跨 provider 的模型錯誤統一成 `ModelRateLimitError`／`ModelContextWindowExceededError` 等共用分類，方便寫出不綁死單一廠商的重試邏輯。
Pydantic AI v2.58.0 三個重點：(1) 新增 `DelegationTasks.steer`，讓正在跑的委派任務可以即時轉向而不用整個重跑；(2) 加入整輪 agent run 的 `timeout=`／`RunContext.deadline`，以及單次 model request 的 `request_timeout`／`max_retries`；(3) 修補兩個中風險安全漏洞——provider-native MCP 設定可能把 server URL／token 洩漏進 OpenTelemetry trace，以及特定前端設定下工具可能被用戶端指定參數直接執行而不經模型請求。另新增 `openai-chatgpt` provider 與 `ElevenLabsAgentsRealtimeModel`。
Pydantic AI v2.57.0 兩個重點：(1) 新增 harness `ApprovalReviewer`，讓模型在人看到之前先審過低風險工具呼叫；(2) 新增 `MetaProvider` 接 Meta Muse 模型家族。另外 MCP Apps 的工具結果會轉給 AG-UI 與 Vercel AI 前端，`MCPToolset` 補上 `read_resource_contents`／`call_tool_for_app`。相容性注意：`BackgroundTools` completion 多了命名空間化的 `origin`／`tool_call_id` metadata，Gemini Live／GPT-Live 的 realtime 歷史、用量與等待回覆邏輯搬進 session core，`Skills` 開始遵守 `disable-model-invocation`／`user-invocable` 旗標。
Pydantic AI v2.56.0：`SmolSandbox` 讓 harness 能力跑在本機 smolvm microVM 裡；`PGTaskDurability` 用 pgtask 做 durable execution，另有 Render Workflows 整合；`Skills` 可分層載入專案與個人技能庫；支援 Python 3.15 與 Gemini 4 Argon，Google provider 預設逾時拉到 20 分鐘。相容性注意：`BrowserUse` 預設改在 host model 上跑，browser-use 的遙測改成要自己打開；`MCPToolset(http_client=...)` 修正為會套用 auth 且不再關掉使用者傳入的 client。
Pydantic AI 2.55.0 三個重點：(1) 新增 `Conversation` 物件承載並儲存一次對話的 run 歷程，所有進入點都能用 `conversation=` 傳入，不用再自己手動接 `message_history`；(2) 新增跨供應商的統一 `cache` 設定與 `Caching` capability，`cache=True` 時 Anthropic 連 instructions／tool definitions 都一併快取；(3) 新增官方託管的 `PostgresStepStore`／`PostgresMediaStore` 持久化後端。相容性變更：全系列套件要求 Python 3.11+，LogfireMCP 工具名稱多了 `logfire_` 前綴。
Pydantic AI v2.53.0 三個重點：(1) 資安——GHSA-6fqq-452j-qhrp（high）：透過 ConcurrencyLimitedModel 或 limit_model_concurrency 發出的串流請求，若消費端提早離開（中止疊代、丟例外、被取消）或把 stream_text() 完整跑完（預設有 debounce），併發槽位可能卡在「已釋放但未真正釋放」的狀態，重複觸發會讓共用同一限流器的所有請求全部卡住；(2) 連帶調整限流器語意——model wrapper 若與發出請求的 agent 或外層 wrapper 共用同一限流器，現在會丟出 UserError，`ConcurrencyLimiter.acquire()` 改成每次呼叫都佔一個槽位（即使同一個 task 也一樣），自訂的 `AbstractConcurrencyLimiter` 必須允許從別的 task 呼叫 `release()`；(3) 新增 `ToolCallJudge`，讓工具呼叫在真正執行前先經過一層審查，`repair_messages` 訊息修復流程也從內部工具正式開放成公開 API。
Pydantic AI v2.52.0 三個重點：(1) 資安——GHSA-v36g-jcw9-x7cw（moderate），攻擊者控制的深層巢狀 HTML 餵進本機 web_fetch 工具會耗盡 CPU／記憶體，provider 原生的網頁擷取不受影響，2.52.0（v2）與 1.107.7（v1）皆已修補；(2) 新增 Workspace 抽象，Coder／Shell／FileSystem 等 harness 能力改走 ctx.workspace，本機或 SSHWorkspace／BubblewrapSandbox／E2BSandbox／SpritesSandbox 四種 sandbox 後端共用同一組 API，ModalSandboxSession 改名為 ModalSandboxBackend；(3) pydantic-ai-harness 版號從 0.36.0 跳到 0.52.0 並隨每次發布內建，首個 pydantic-clai2（`uvx pydantic-clai2`）CLI 同時推出，內建 github／slack／notion／logfire_mcp 等外掛。
Pydantic AI v2.46.0 三個重點：(1) 上一版（2.45.0）剛推出的 TypeSafeModel——串接不寫文字、只回答型別化問題的分類器 Jev——這版補上它當時做不到的事：能填工具呼叫的參數、能在 union 型別裡先選型別再填欄位；(2) 新增 `typesafe_boolean_threshold`，yes/no 的判斷門檻從寫死的 0.5 距離變成可調參數；(3) `supports_text_output` 讓 `LLMJudge`／`GEval` 這類需要生文字裁決的評測，也能跑在 Jev 這種不輸出文字的模型上。無 breaking changes。
Pydantic AI v2.44.0 三個重點：(1) 修補四個安全漏洞，最嚴重的一個是 `web_fetch` 在 HTML 轉換與 charset 解碼上都以超線性時間跑在事件迴圈裡，攻擊者選一個頁面就能讓整個 process 裡的所有 agent 卡住；(2) Compatibility Notes 有三項行為變更：`RunContext.enqueue()` 改成能從 worker thread 安全呼叫、UI adapter 現在要求請求帶 JSON `Content-Type`、per-request hook 呼叫的 capability `@durable_operation` 改成走 dispatch 而不是直接 inline 跑；(3) 新增 Vercel AI SDK／Eve 遷移 skill，`AgentRunResult` 有了穩定的序列化格式。
Pydantic AI v2.42.0 三個重點：(1) 新的 `GitHubCopilotProvider` 讓 Agent 可以直接用 GitHub Copilot 的 OpenAI 相容 API 當模型後端；(2) `DeferredToolResults.approvals` 收到不合法值時改為直接拒絕，是一項相容性變更；(3) 修正 Bedrock Converse 的 sampling 參數、code-mode 函式 schema 的 `$ref` 解析、Anthropic 對話紀錄的錯誤恢復狀態遺失問題。
Pydantic AI v2.40.0 三大變更：(1) @agent.on_event 裝飾器讓 Agent 具備原生事件監聽能力；(2) 即時語音 session 支援 barge-in 中斷處理；(3) RealtimeSession.enqueue() 允許外部程式碼注入即時提示。無 breaking changes。
Pydantic AI 2.38.0 三個重點：(1) 新增型別化 `CustomEvent`／`CapabilityEvent`，應用程式與 capability 都能把自訂事件送進 Agent 的 run event stream，再用 `@on_event` 訂閱，等於補上一層通用的可觀測性與擴充介面；(2) `RunContext` 新增 `context_window_used`，`ModelProfile` 新增 `context_window`，Agent 程式碼第一次能在執行中直接讀到「這個模型的上下文窗口還剩多少」；(3) 補上 `gemini-3.8-flash`、Claude Fable 5.1、Claude Mythos 5.1 等新模型與 `VLLMProvider`。本版無 breaking changes。
Pydantic AI 2.36.0 三個重點：(1) 新增 `@durable_operation` decorator，讓 Agent 的自訂能力（capability）方法直接變成可在 Temporal／Prefect／DBOS 等引擎下 replay-safe 的 durable unit；(2) 為第三方 durable 引擎開出公開 backend API（`BaseDurabilityCapability`、`CallableOperationBackend`、`RegisteredOperationBackend`），官方三個 out-of-tree 引擎驗證零私有 import；(3) 一項相容性緊縮：MCP 工具不再能透過 tool metadata 關閉 durable 執行（DBOS 先前允許），此外 Prefect 的動態工具快取鍵也修正為包含完整 `ToolDefinition`。
七套工具不是同一類產品：LangGraph、MAF 與 Mastra偏耐久工作流，CrewAI 與 AG2 偏多 agent 協作，Pydantic AI 偏型別化 Python agent，DSPy 則用資料與 metric 最佳化整個 AI 程式。先選控制模型，再選框架。
Pydantic AI 把 Agent 寫成 Agent[Deps, Output]：依賴、工具輸入與最終輸出都有型別，模型結果必須通過 Pydantic 驗證。
按 GitHub Stars 排序，盤點 2026 年 15 個主流 AI Agent 框架的定位、特色與適用場景。不是排名，是地圖。