smolagents

smolagents 是 Hugging Face 团队推出的一款革命性的、简约的 AI 代理框架，旨在极大地简化强大 AI 代理的创建和部署。基于简洁性原则，其核心代码库约 1000 行，使开发人员极易上手。该框架的主要创新是其“代码优先”的方法，即代理生成并执行 Python 代码片段来执行操作，而不是依赖于灵活性较差的 JSON 或文本块。事实证明，这种方法效率更高，可将步骤和 LLM 调用次数减少约 30%，并在复杂基准测试中取得更优异的性能。

该框架为实现终极灵活性和集成而设计。它能与任何大型语言模型无缝协作，包括通过 Transformers 使用 Hugging Face Hub 的开源模型，以及通过其 LiteLLM 集成使用来自 OpenAI、Anthropic 等的专有模型。这使开发人员能够为其特定任务选择最佳模型，而不会被锁定在单一生态系统中。

如何使用 smolagents

对于熟悉 Python 的开发人员来说，使用 smolagents 的过程被设计得非常直观。工作流程通常包括三个主要步骤：

1. 定义您的工具：第一步是创建或导入您的代理将使用的工具。工具就是一个 Python 函数。您可以使用 `@tool` 装饰器轻松地将任何函数转换为工具。这些工具可以执行任何操作，从进行 API 调用（如从谷歌地图获取旅行数据）到执行本地计算。
2. 实例化代理：拥有工具后，您可以创建代理类的实例，例如 `CodeAgent`。在初始化代理时，您向其提供可用的工具列表，并指定希望其使用的语言模型（例如，使用 `HfApiModel()` 代表 Hugging Face 模型）。
3. 运行代理：设置好代理后，您可以使用 `.run()` 方法和自然语言提示为其分配任务。然后，代理将自主推理，编写 Python 代码以使用提供的工具，执行代码，并进行迭代，直到完成任务。例如，您可以要求它“规划一次巴黎单日自行车之旅”，它将使用旅行时间工具生成详细的行程。

创建自定义工具后，您可以通过一个简单的命令将其推送到 Hugging Face Hub，与社区共享，从而促进协作和重用。

smolagents 的核心功能

• 代码优先代理：代理生成并执行 Python 代码来执行操作，相比传统的工具调用，提供了卓越的灵活性、可组合性和效率。
• 简约与简单：约 1000 行的紧凑代码库确保了框架易于理解、使用和扩展。
• 广泛的 LLM 兼容性：通过 Transformers 和 LiteLLM，可与任何 LLM 集成，包括 Hugging Face Hub、OpenAI 和 Anthropic 上的模型。
• 安全执行：支持在 E2B 等沙盒环境中运行代理生成的代码，以确保安全并防止意外的副作用。
• 与 Hugging Face Hub 深度集成：允许开发人员轻松共享和加载工具， fostering 一个可重用组件的协作生态系统。
• 支持传统工具调用：虽然以代码优先为重点，但该框架也支持使用 JSON 或文本进行操作的传统代理，为不同用例提供了灵活性。
• 高效率：代码代理减少了完成复杂任务所需的步骤和 LLM 调用次数，从而获得更快、更准确的结果。

smolagents 的使用案例

smolagents 的灵活性使其适用于广泛的应用：

• 个人助理：创建能够管理任务的复杂助理，例如计算路线并制定行程的旅行规划器示例。
• 数据分析与 SQL 生成：构建能够理解自然语言查询、向数据库编写相应 SQL 查询、执行并呈现结果的代理。
• 自动化研究：部署能够浏览网页、从多个来源收集信息、综合发现并生成摘要报告的代理。
• 软件开发自动化：通过编写代码片段、调试甚至协调简单的构建过程来协助开发人员，充当特定任务的“类 Devin”助理。
• 复杂工作流自动化：连接多个工具和 API 以自动化多步骤业务流程，例如处理客户支持工单或管理电子商务订单。

smolagents 的优势特点

smolagents 为构建代理系统的开发人员提供了显著优势：

• 卓越的可组合性：代码天然支持函数嵌套和重用，允许表达用 JSON 难以实现的极其复杂的逻辑。
• 高效的对象处理：与序列化为 JSON 相比，在代码中管理和传输复杂数据对象要简单和直接得多。
• 终极灵活性：代码可以表示计算机能执行的任何操作，为代理操作提供了几乎无限的多功能性。
• 利用 LLM 的优势：LLM 经过大量高质量代码的训练，使其在生成和理解代码方面异常熟练。
• 开源和社区驱动：作为 Hugging Face 的项目，它受益于充满活力的开源社区和 Hugging Face Hub 的广泛资源。

定价和计划

smolagents 是一个在 Apache 2.0 许可下发布的开源框架，因此完全免费使用。开发人员可以自由下载、修改和集成该库到他们的项目中。虽然框架本身是免费的，但用户可能会因使用第三方服务而产生费用，例如：

• 对专有 LLM（如 OpenAI 的 GPT 系列、Anthropic 的 Claude）的 API 调用。
• 使用付费沙盒环境或其他外部工具和 API。