pydantic-settings: configuracion tipada desde .env sin boilerplate

Contexto

En cada proyecto Python terminas con el mismo patron: leer .env con python-dotenv, castear strings a int/float manualmente, y validar que no falte nada. Si olvidas un int(), tu app truena en runtime con un error críptico.

Lo que aprendi

pydantic-settings hace todo eso en una clase:

from pydantic_settings import BaseSettings

class Settings(BaseSettings):
    gemini_api_key: str
    anthropic_api_key: str
    scene_threshold: float = 0.2
    frame_batch_size: int = 8
    frame_max_count: int = 20
    output_dir: str = "output"

    model_config = {"env_file": ".env"}

settings = Settings()
# Si GEMINI_API_KEY no esta en .env, truena ANTES de que la app arranque
# scene_threshold ya es float, no string

Ventajas sobre os.getenv() manual:

• Validacion al arrancar: si falta una variable requerida, falla inmediato con mensaje claro
• Tipos automaticos: int, float, bool se castean solos
• Defaults tipados: frame_batch_size: int = 8 es mas claro que int(os.getenv("FRAME_BATCH_SIZE", "8"))
• Autocompletado: tu IDE sabe que settings.scene_threshold es float

Tip: nested settings

Para apps mas grandes, puedes anidar:

class DatabaseSettings(BaseSettings):
    url: str = "postgresql://localhost/mydb"
    pool_size: int = 5
    model_config = {"env_prefix": "DB_"}

class Settings(BaseSettings):
    db: DatabaseSettings = DatabaseSettings()

Asi DB_URL y DB_POOL_SIZE en .env se mapean automaticamente.

Por que importa

Es una dependencia pequena (pip install pydantic-settings) que elimina una clase entera de bugs. La uso en todos mis proyectos Python desde que la descubri.