smolagentsMinimalistyczna biblioteka Python od Hugging Face do tworzenia agentów AI opartych na kodzie w kilku linijkach

Ile są one silne otwarte modele w przepływach agencatnych?

Stworzyliśmy wersje CodeAgent wraz z niektórymi modelami, i porównaliśmy je na tym benchmarks, który łączy prośby z kilku benchmarks, aby proponować różnorodną mieszankę wyzwań. Znajdź kod benchmarking tutaj dla więcej szczegółów na temat agencatnego ustawienia, i zobacz porównanie korzystania modeli LL dengan agencatami w porównaniu z klasycznym (zrozumienie: agencaty są lepsze). Porównanie to pokazuje, że modele open-source mogą się teraz podjąć z najlepszymi zamkniętymi modeli!

Asked by Diego Fernández · Feb 16, 2026

Jak mała to biblioteka?

Staraliśmy się zminimalizować abstrakcje: kod główny w agentach.py ma mniej niż 1 000 linii kodu. Zawsze implementujemy w kilka typów agentów: CodeAgent pisze swoje kroki jako paski kodu w Pythonie, a klasyczniejszy ToolCallingAgent wykorzystuje wbudowane metody wywołania narzędzi. Dodatkowo mamy hierarchie wielo-agentów, importy z kolekcji narzędzi, wykonanie kodu na odległość ... W tej sprawie dlaczego używać ramki w ogóle? No bo bardzo wiele tego jest niefachowe. Na przykład kod Agent musi prowadzić konsystentny format kodu przez cały systemu prompu, jego parsownia, wykonanie. Oto dlaczego nasza ramka zajmuje się tą złożonością za nas. Ale oczywiście wciąż zachęcamy do hackowania kodu źródłowego i użycia tylko poszczególnych bitów, których potrzebujesz, odklejając wszystko inne!

Asked by Ludovic Girard · Nov 27, 2025

Jak działają Code agent?

Nasza CodeAgent działa głównie podobnie jak klasyczne agenty ReAct, z wyjątkiem tego, że silnik LLM pisywał swoje akcje w postaci kawałków kodu Pythona. Akcje są teraz kawałkami kodu Pythona. Dlatego narzędziowe wywołania będą odbywały się jako wywołania funkcji Pythona. Na przykład oto, jak agent może wykonać wyszukiwanie w Internecie na kilku stronach w jednej akcji: Zapisywania akcji w postaci kawałków kodu pokazało lepszą pracę niż aktualna praktyka na rynku pozwala LLM na wydanie słownika narzędzi, które chciałby wywołać: używa 30% mniej kroków (dla 30% mniej wywołań LLM) i osiąga wyższe wydajności w trudnych benchmarkach. Szukaj dostępnego wstępnego omówienia na poziomie abstrakcyjnym w celu uzyskania więcej informacji na ten temat. Ponieważ wykonanie kodu może być poważnym problemem z bezpieczeństwa (wykonywanie kodu arbitralnie!), zalecamy zainstalowanie agenta w sandboxie. Popieramy wiele opcji: E2B, Blaxel, Modal - zarządzane chmurne sandboxi, najłatwiejszy do zainstalowania Docker - samohostowany izolator kontenera W budowanej wbudowanej LocalPythonExecutor nie jest to sandbox bezpieczeństwa. Zastosowano pewne ograniczenia, ale są one łatwe do przeskoczenia i nie powinny być używane jako granica bezpieczeństwa. Połączone z CodeAgent udostępniamy standardowy ToolCallingAgent, który pisze akcje jako JSON/text bloby. Możecie wybrac styl, który najlepiej sprawdza się w przypadku Twojej strony wykorzystania.

Asked by Greta Nowak · Oct 31, 2025