





Deep Research build By Smolagents FREE
Powered By Smolagents
Aiコード Smolagents|FAST&FREE
Powered By Together AI and LlamaCoder
smolagents and tools gallery
best smolagents in huggingface
エージェントとは何か?
AIエージェントは LLM出力がワークフローを制御するプログラム.
この表は、エージェンシーがシステムによってどのように異なるかを示している:
代理店レベル | 説明 | その呼び方 | パターン例 |
---|---|---|---|
☆☆☆ | LLMのアウトプットはプログラムの流れに影響しない | シンプル・プロセッサー | process_llm_output(llm_response) |
★☆☆ | LLM出力が基本的な制御フローを決定 | ルーター | if llm_decision(): path_a() else: path_b() |
★★☆ | LLM出力が関数の実行を決定 | ツールコール | run_function(llm_chosen_tool, llm_chosen_args) |
★★★ | LLM出力が反復とプログラム継続を制御する | 多段階エージェント | while llm_should_continue(): execute_next_step() |
★★★ | エージェントのワークフローは、別のエージェントのワークフローを開始することができます。 | マルチエージェント | if llm_trigger(): execute_agent() |
スモールエージェントの特徴
🤗 スモラージェンツ は、Hugging Faceチームによって開発された最小限のAIエージェントフレームワークで、開発者がわずか数行のコードで堅牢なエージェントを展開できるように作られています。シンプルさと効率性を取り入れたsmolagentsは、大規模な言語モデル(LLM)が現実世界とシームレスに対話できるようにします。
シンプルさ
コンパクトなコードベース:約1,000行のコアコードで エージェント.py
smolagentsでは、抽象的な表現は最小限に抑えられており、わかりやすい開発となっている。
ユーザー・フレンドリー
開発者は、エージェントを素早く定義し、必要なツールを提供し、複雑な設定をすることなくすぐに実行することができる。
コード・エージェント
smolagentsは次のことに重点を置いている。 コードエージェントエージェントは、JSONやテキストブロブとしてアクションを生成する代わりに、Pythonコードスニペットを書いて実行する。
高効率
標準的なツール呼び出し方法と比較して、コードエージェントは効率と精度を向上させ、ステップとLLM呼び出しを約30%削減し、複雑なベンチマークで優れた性能を達成した。
安全な実行
安全なコード実行を保証するために、smolagentsは次のようなサンドボックス環境でのコード実行をサポートしています。 E2B保護され隔離された実行空間を提供する。
様々なLLM
smolagentsは、Transformersを介してHugging Face Hubでホストされているモデルや、LiteLLM統合を介してOpenAIやAnthropicなどのモデルを含む、あらゆる大規模言語モデルと簡単に統合できます。

SmolAgents:ハギング・フェイス・ハブとの統合
ツールの共有とロード:Hugging Face Hubとの深い統合により、開発者はツールの共有やインポートを簡単に行うことができ、コミュニティ内でのコラボレーションや共有が促進されます。
エコシステムの成長:ハブの機能を活用し、smolagentsは継続的に機能性とツールを拡張し、開発の無限の可能性を提供します。
伝統的なツール・コール・エージェントのサポート
多彩な選択肢:コードエージェントに加え、smolagentsは従来の ツール呼び出しエージェントアクションはJSONまたはテキストブロックとして記述され、特定のシナリオや要件に適している。


コード・スモールエージェントを選ぶ理由
優れた構成力:コードは自然に関数の入れ子と再利用をサポートし、複雑なロジックの表現を可能にする。
効率的なオブジェクト処理:JSONに比べて、コードはオブジェクトの管理と転送を単純化する。
究極の柔軟性:コードは、コンピューターが実行できるあらゆる操作を表現することができ、その汎用性は計り知れない。
豊富なトレーニングデータ:LLMは膨大な量の高品質コードで訓練され、コードを生成し理解する能力を高めてきた。
パフォーマンスのメリット smolagentsの
様々なベンチマークにおいて、オープンソースモデルを利用したsmolagentは、プロプライエタリモデルを利用したエージェントの性能に匹敵しました。コードエージェントの効率性とオープンソースモデルの継続的な進歩のおかげで、開発者はクローズドソースのサービスに依存することなく、強力なエージェントシステムを構築することができます。

スモールエージェントの使用例
Smolagents では、エージェントは特定のタスクを実行するためのクラスにカプセル化されています。例えば マネージド・エージェント
エージェントタイプを使い分けることで、様々なタスクを管理することができます。以下は、2つのエージェント(1つはウェブ検索用、もう1つは画像生成用)がどのように実装できるかの簡略化された例です。ここでは、Googleマップから旅行時間を取得するカスタムツールの作成方法と、それをトラベルプランナーエージェントに使用する方法を説明します:
from typing import Optional
from smolagents import CodeAgent, HfApiModel, tool
@tool
def get_travel_duration(start_location: str, destination_location: str, transportation_mode: Optional[str] = None) -> str:
"""Gets the travel time between two places.
Args:
start_location: the place from which you start your ride
destination_location: the place of arrival
transportation_mode: The transportation mode, in 'driving', 'walking', 'bicycling', or 'transit'. Defaults to 'driving'.
"""
import os # All imports are placed within the function, to allow for sharing to Hub.
import googlemaps
from datetime import datetime
gmaps = googlemaps.Client(os.getenv("GMAPS_API_KEY"))
if transportation_mode is None:
transportation_mode = "driving"
try:
directions_result = gmaps.directions(
start_location,
destination_location,
mode=transportation_mode,
departure_time=datetime(2025, 6, 6, 11, 0), # At 11, date far in the future
)
if len(directions_result) == 0:
return "No way found between these places with the required transportation mode."
return directions_result[0]["legs"][0]["duration"]["text"]
except Exception as e:
print(e)
return e
agent = CodeAgent(tools=[get_travel_duration], model=HfApiModel(), additional_authorized_imports=["datetime"])
agent.run("Can you give me a nice one-day trip around Paris with a few locations and the times? Could be in the city or outside, but should fit in one day. I'm travelling only with a rented bicycle.")
数ステップの移動時間の収集と計算の後、エージェントは最終的な提案を返す:
1.午前9時にエッフェル塔をスタート。
2.午前10時30分までエッフェル塔観光。
3.午前10時46分、ノートルダム大聖堂へ。
4.午後12時16分までノートルダム大聖堂観光。
5.午後12時41分、モンマルトルへ。
6.午後2時11分までモンマルトル観光。
7.午後2時33分、リュクサンブール公園へ。
8.午後4時3分までリュクサンブール公園観光。
9.午後4時12分、ルーブル美術館へ。
10.午後5時42分までルーブル美術館観光。
11.午後6時12分まで昼食休憩。
12.終了予定時刻:午後6時12分。
ツールを作った後、それをハブに共有するのは簡単だ:
get_travel_duration.push_to_hub("{your_username}/get-travel-duration-tool")
X.comでのSmolAgentsの話題は?
が本日発表した新しいsmolagentsライブラリ。 huggingface とても印象的に見える。
- ベン・クリーガー(@benklieger) 2024年12月31日
シンプルさ(メインファイルはわずか~1000行!)とベンチマークされたオピニオン機能(関数の直接呼び出しよりもコードファーストのアプローチをサポート)を組み合わせた 🔥。
チュートリアルのスレッド(🧵) pic.twitter.com/sKuakggpcM
週末は、エージェントのワークフローについて学び、同社がリリースしたsmolagentsライブラリを使って遊んでいた。 huggingface.これで、私はかなりクールなトラベル・アシスタント・エージェント(私はそれをトレイシーと呼んでいる)を構築した。
- アーナブ・ジャイトリー (@arnitly) 2025年1月6日
バックエンドのLLMエージェントにはCodeLlama-34b-Instruct-hfを使っています。 pic.twitter.com/e7GHA7rVlk
OKだ、 huggingface smolagentとエージェントの定義で成功したと言える。
- ゲレド (@devgerred) 2024年12月31日
クライアントは交渉相手として、私たちはLLM自身に投資し続ける必要があるのかもしれない。私はこの明快さが大好きだ。 pic.twitter.com/sD6qMqpzgs
smolagentsがai-gradioに登場
- AK (@_akhaliq) 2024年12月31日
pip install ai-gradio[smolagents]==0.2.1
を実行するだけである。
gradioをgrとしてインポートする
インポート ai_gradio
gr.load( name='smolagents:meta-llama/Llama-3.1-8B-Instruct'、
src=ai_gradio.registry).launch() pic.twitter.com/r7vfhrW36l
Hugging Faceは、大規模言語モデル(LLM)を使ってエージェント・システムを構築するために設計されたライブラリSmolagentsを発表した。
- マズハル・チョードリー (@mazrnow) 2025年1月5日
従来のLLMベースのシステムとは異なり...
もっと見る https://t.co/EBEWPBEwAj pic.twitter.com/h2xswDLAxg
smolagents - Devinのようなエージェントを3行のコードで構築!🔥 pic.twitter.com/PPyhbFWN5w
- ヴァイバフ(VB)・スリヴァスタフ (@reach_vb) 2024年12月29日
エージェント元年来势汹汹啊!一周猛涨 ⚡️ huggingface 正式发布并开源smolagents!🔥。
- トム・ファン (@tuturetom) 2025年1月8日
3 行代码启动一个エージェント 完成复杂工作,支持40+ LLM,支持无7F1连接 Huggingface hub 下载一些自定义模型
不仅是一个エージェント架框,还是一个将HF所有有价值的大小模型作为工具融入エージェント的伟大尝试 pic.twitter.com/wJZ9ZL8nRT