smolagentsHugging Faces minimale Python bibliotek for å bygge kodebaserte AI-agenter på få linjer

Hvor sterk er åpne modeller for agensitetsgoder?

Vi har skapt CodeAgent-instanser med noen ledende modeller, og sammenlignet dem på dette benchmark at samler spørsmål fra noen forskjellige benchmark for å foreslå en variert blanding av utfordringer. Du finner benchmarkingskoden her for mer detalj om agensitetsgodesettet, og se hvordan å sammenligne å bruke LLMs kodeagent sammenlignet med vanille (spoilers: kodeagent fungerer bedre). Dette sammenligning viser at åpne modeller kan nå den beste lukkeren modellene!

Asked by Diego Fernández · Feb 16, 2026

Hvor smal er denne biblioteket?

Vi har strevd etter å holde abstraksjoner til en strikt minimum: hovedkoden i agents.py har <1.000 rader av kode. Til tross for dette implementerer vi flere typer av agenter: Kodeagent skriver sine handlinger som Python-kodsnipper, og den mer klassiske ToolCallingAgent benytter seg av bygget-inneintegrerte metoder for å kalle verktoy. Vi har også multiansatte hierarkier, import fra verktoy samlinger og fjernkodeutenførsel, visjonsmodeller... Ja, hvorfor bruke en rammeverksted alls? Jo, for en stor del av dette er vanskelig å håndtere selv. For eksempel må kode agent holde en konsistent format for kode hele tiden for systemprompten, parsoren, og utførelsen. Dette hanterer vårt rammeverksted for deg. Selvsagt må vi fortsatt oppmuntre deg til å hakke inn i kildekoden og bruke bare det som trenger, uten å inkludere noen eneste annen del!

Asked by Ludovic Girard · Nov 27, 2025

Hvordan kjører Code-agenter?

Våre Code-agentar fungerer nesten som klassiske ReAct-agenter - unntak er at LLM-motoren skriver sine handlinger som Python-kode-snuttar. Handlinger er nå Python-kode-snuttar. Derfor vil verkstedopring være utført som funksjonskall inn i Python. Eksempel: hvordan agenten kan utføre web-eØsøk-over flere nettsteder i en enkelt handling: Skrivning av handlinger som kode-snuttar demonstrerer å arbeide bedre enn den nåværende industrien praksisen med å la LLM-utstille en ordbok over de verksted det ønsker å ringe: brukes 30% mindre trinn (således 30% færre LLM-opring og når høyere ytelse på vanskelige benchmark. Les mer i vår høylesde intro til agentar. Siden kode-utførelse kan være en alvorlig sikkerhetsproblematikk (arbitrer kode-utførelse!), bør du kjøre agent-kode i en sandkasse. Vi støtter flere opsjonar: E2B, Blaxel, Modal - managed skyen sandkasser, enklast å sette opp Docker - selvhøysters isolering med kontajner. Den innbygde LocalPythonExecutor er ikkje en sikkerhets sandkasse. Det legger til noko restriktione men kan overstiges og må ikkje nyttes som sikkerhetsgrense. Ved siden av CodeAgent, tilbyr vi også den standardmåse ToolCallingAgent som skriver handlinger som JSON/tekst-blobbar. Du kan velge hvilket stil som passer best til ditt use case.

Asked by Greta Nowak · Oct 31, 2025