smolagents：轻量级Python库助力多Agent协作

type

status

date

slug

summary

介绍

smolagents 是一个轻量级的 Python 库，旨在通过编写 Python 代码来调用工具并协调多个 Agent 的协作。它简化了多 Agent 系统的开发流程，使开发者能够快速构建智能任务处理系统。无论是自然语言处理、数据检索还是复杂任务调度，smolagents 都能提供灵活且高效的解决方案。

smolagents的优势

简化复杂行为的实现：对于复杂行为，如工具调用和多步Agent，手动编写代码可能较为繁琐且难以管理。smolagents提供了一些基本的构建模块，帮助将LLM、工具列表、解析器、系统提示和内存等元素紧密耦合，构建出功能完善的Agent.

提供必要的组件：包括LLM作为系统引擎、可访问的工具列表、从LLM输出中提取工具调用的解析器、与解析器同步的系统提示以及用于存储记忆的内存等.

支持错误日志记录和重试机制：由于LLM可能会犯错，smolagents还提供了错误日志记录和重试机制，以提高系统的鲁棒性.

Code Agents

代码格式的优势：与JSON等格式相比，使用代码格式编写Agent的动作具有更好的可组合性、对象管理能力、通用性和在LLM训练数据中的代表性。代码是专门设计用来表达计算机执行的动作的，因此能够更自然、更有效地实现复杂的Agent行为.

相关研究支持：多篇研究论文表明，让LLM在代码中调用工具比在JSON等格式中调用工具效果更好，因为代码语言本身就是表达计算机动作的最佳方式.

使用指南

1. 创建虚拟环境

首先，我们需要创建一个独立的 Python 虚拟环境，以避免依赖冲突。推荐使用 conda 来管理环境。

2. 激活虚拟环境

创建虚拟环境后，使用以下命令激活环境：

3. 安装 smolagents

在激活的虚拟环境中，安装 smolagents 及其依赖项。假设你已经有一个 requirements.txt 文件，可以通过以下命令安装：

如果还没有 requirements.txt 文件，可以直接安装 smolagents：

运行示1. 创建 Demo 脚本

接下来，我们创建一个简单的 Python 脚本来演示 smolagents 的基本用法。创建一个名为 demo.py 的文件，内容如下：

2. 设置 API 密钥例 Demo

在运行脚本之前，确保你已经设置了 OpenAI 的 API 密钥。可以通过以下命令设置环境变量：

将 sk-xxx 替换为你自己的 OpenAI API 密钥。

3. 运行脚本

最后，运行 demo.py 脚本：

4. 运行结果

过程分析

问题输入：脚本开始时，输入了一个问题，询问一只豹子以全速跑过长城需要多少秒。

正则表达式解析：尝试解析输入的代码块，但由于格式不符合预期的正则表达式模式，导致多次出现 ValueError 错误。

网络搜索：

长城长度查询：脚本执行了一次网络搜索，查找长城的长度，并从多个来源获取了相关信息。

猎豹速度查询：随后，脚本进行了另一次网络搜索，查找猎豹的全速速度，并获取了相关数据。

数据处理与计算：

使用获取到的长城长度和猎豹速度，计算猎豹以全速跑过长城所需的时间。

将计算结果从小时转换为秒。

结果输出：最终，脚本输出了计算出的时间结果，以秒为单位。

介绍