HuggingFace推出了一款名爲 “smolagents” 的全新開源庫，該庫旨在爲語言模型賦予更強的智能代理能力。通過簡化的代碼結構，smolagents 使得用戶能夠更容易地構建能夠執行各種任務的智能代理。

d379a0eb8b663be9d0bd57713f3008c4.png

在現代人工智能系統中，語言模型（LLM）需要與真實世界進行交互，比如調用搜索工具獲取外部信息，或執行特定程序以完成任務。因此，賦予語言模型 “代理” 能力顯得尤爲重要。智能代理程序允許 LLM 輸出控制工作流程，推動着 AI 的應用向前發展。

那麼，何時應使用智能代理?如果用戶需要一種靈活的工作流程來高效解決任務，智能代理便顯得至關重要。以一個處理客戶請求的旅行網站爲例，當請求比較明確時，使用預先設定的工作流程就足夠了;而當請求涉及更多不確定因素時，智能代理則能提供必要的靈活性，幫助用戶找到最合適的解決方案。

smolagents 支持各種語言模型，包括 Hugging Face 的免費推理 API 和 OpenAI、Anthropic 等多家公司的模型。用戶可以通過定義工具和模型來輕鬆構建自己的智能代理，甚至可以創建自定義工具，以滿足特定的需求。示例代碼顯示瞭如何利用 Google Maps API 獲取旅行時間並生成旅行規劃。經過幾次計算，智能代理最終爲用戶提供了一份合理的旅行建議。

除了簡化的代碼和多樣的工具支持，smolagents 還支持在沙盒環境中安全執行代碼，以保證用戶的安全性。未來，smolagents 將逐步替代其前身 transformers.agents，成爲更受歡迎的選擇。

研究表明，使用代碼執行操作比傳統的 JSON 格式更有效，具有更好的組合性、對象管理能力以及表達力。這意味着，smolagents 將爲開發者們打開一扇新大門，讓他們在 AI 代理領域更進一步。

入口:https://huggingface.co/blog/smolagents

劃重點:

🌟 smolagents 是一個新發布的開源庫，旨在簡化智能代理的構建過程。  

🔧 用戶可以通過定義工具和模型，快速創建智能代理以完成特定任務。  

📈 使用代碼執行操作比傳統方法更有效，能夠提升 AI 代理的性能與靈活性。