通过拥抱脸的烟雾剂：在30行以下建造AI代理

新年快乐！我在2025年对AI特工的探索使我拥抱了Face的Smolagents框架。让我们潜入！

Hugging Face的Smolagents库于2025年推出，简化了使用最少代码的强大代理。它的易用性，集线集成和广泛的LLM兼容性使其非常适合代理工作流程。

目录

• 什么是Smolagents？
• 了解AI代理
• 多步代理示例
• Smolagents的关键功能
• Smolagents功能：
  • 代码代理
  • 当地的Python口译员
  • E2B代码执行人
• 在行动中的Smolagents：
  • 演示1：研究代理
  • 演示2：股价检索
• 结论

什么是Smolagents？

Smolagents是一个简洁，有力的库，用于建造和运行代理。它的紧凑设计（约1,000行代码）优先考虑易于使用而无需牺牲功能。它擅长支持“代码代理”，该代码代理生成和执行代码，并通过E2B等沙盒环境提供增强的安全性。它还使用JSON或基于文本的操作支持传统的工具。 Smolagents与各种LLM（通过LITELLM的拥抱脸推理API，OpenAI，人类等）和拥抱脸部集线器上的共享工具存储库集成。

了解AI代理

AI代理是代表用户或其他系统执行任务的自主系统。他们通过策划工作流和使用外部工具（Web搜索，代码执行等）来实现这一目标。 llms为这些代理提供动力，将工具用法集成以获取实时信息。从本质上讲，它们桥接了LLM和外部世界，实现了行动和决策。代理商存在于频谱上，LLMS对系统动作的控制程度不同。

代理水平	描述	姓名	例子
☆☆☆	LLM输出对程序流没有影响	简单处理器	process_llm_output(llm_response)
⭐☆☆	LLM输出确定IF/else Switch	路由器	if llm_decision(): path_a() else: path_b()
⭐⭐☆	LLM输出确定功能执行	工具呼叫者	run_function(llm_chosen_tool, llm_chosen_args)
⭐⭐⭐	LLM输出控制迭代和程序延续	多步代理	while llm_should_continue(): execute_next_step()
⭐⭐⭐	一个代理工作流启动另一个	多代理	if llm_trigger(): execute_agent()

多步代理示例

代理通过使用多种工具来处理复杂的任务并适应不同的情况。与具有严格工作流程的传统程序不同，代理人更有效地管理复杂性和不可预测性。

Smolagents的关键功能

对于简单的任务，自定义代码就足够了。但是，对于复杂的行为（工具调用，多步代理），Smolagents提供了必不可少的结构：

• 工具调用：代理输出遵循特定格式（例如，“思想：使用'get_weather'。操作：get_weather（paris）。”）。该系统促使该格式引导LLM。
• 多步代理： LLM提示是根据以前的迭代量身定制的，需要内存以进行上下文。

Smolagents无缝集成这些组件：LLM，工具，解析器，系统提示，内存和错误处理。

Smolagents功能

代码代理

由于其效率，合成性，对象管理功能，一般性以及与LLM培训数据的兼容性，因此使用代码（而不是JSON）进行工具操作非常出色。

当地的Python口译员

代码使用具有控制的导入，操作限制和预定义的操作的安全LocalPythonInterpreter 。

E2B代码执行人

为了增强安全性，Smolagents与E2B集成以进行沙盒代码执行。

来自Smolagents Import codeagent，请访问webpagetool，hfapimodel
agent = codeagent（tools = [访问webpagetool（）]，model = hfapimodel（），author_authorized_imports = [“ requests”，“ markdownify”]，use_e2b_executor = true）
特工。（“亚伯拉罕·林肯的首选宠物是什么？”）

Smolagents在行动中

演示1：研究代理

！PIP安装Smolagents
来自SmolAgents Importeagent，Duckduckgosearchtool，Hfapimodel
model = litellmmodel（model_，api_key =“ your_api_key”）＃替换your_api_key
agent = codeagent（tools = [duckduckgosearchtool（）]，模型=模型）
agent.run（“告诉我有关分析的Vidhya”） 

演示2：股价检索

！PIP安装Smolagents
导入为yf
model = litellmmodel（model_，api_key =“ your_api_key”）＃替换your_api_key
agent = codeagent（tools = [duckduckgosearchtool（）]，附加_authorized_imports = [“ yfinance”]，model = model）
响应= Agent.run（“获取Apple Inc的股票价格（NASDAQ：AAPL）。使用YFINANCE库。”）
打印（响应） 

结论

Smolagents简化了AI代理的开发。它的关键优势是简单，多功能性，安全性，代码用于工具操作及其集成生态系统。它是构建适应性和可扩展代理系统的宝贵工具。考虑探索代理AI先驱计划，以进行更深入的见解。

以上是通过拥抱脸的烟雾剂：在30行以下建造AI代理的详细内容。更多信息请关注PHP中文网其他相关文章！