Einen Agenten mit benutzerdefinierten Tools erstellen

AI-Agents mit Hugging Face smolagents

Adel Nehme

VP of AI Curriculum, DataCamp

Vorteile benutzerdefinierter Tools

Zuverlässigkeit: Logik explizit schreiben und testen, statt den Agenten raten zu lassen
Wiederverwendbarkeit: Tools in verschiedenen Projekten und Agenten nutzen
Konsistenz: Vorhersehbares Verhalten bei jedem Lauf (ideal zum Debuggen)
Kontrollierter Zugriff: Nur das freigeben, was du möchtest (Dateien, APIs, Datenbanken, etc.)

Szenario: Du betreibst ein Einzelhandelsgeschäft

Bestandsdaten sind in einer CSV-Datei gespeichert (Größe, Farbe, Menge und Preis)
Code-Agenten können Code schreiben, um CSVs zu lesen
Aber sie haben standardmäßig keinen Zugriff auf Dateien
Du musst den Dateizugriff in ein benutzerdefiniertes Tool einbinden

Anatomie eines benutzerdefinierten Tools

from smolagents import tool
import pandas as pd

@tool
def check_inventory(product_name: str) -> int:
    """
    Überprüfe die verfügbare Menge eines Produkts in der Bestands-CSV.

    Args:
        product_name (str): Der Name des zu suchenden Produkts.

    Returns:
        int: Die Menge auf Lager. Gibt 0 zurück, wenn das Produkt nicht gefunden wird.
    """
    df = pd.read_csv("store_inventory.csv")
    match = df[df["product_name"] == product_name]
    stock_quantity = int(match.iloc[0]["quantity"]) if not match.empty else 0
    return stock_quantity

Best Practices für benutzerdefinierte Tools

Haben wir T-Shirts auf Lager?

Ein benutzerdefiniertes Tool beim Agenten registrieren

from smolagents import CodeAgent

agent = CodeAgent(
    tools=[check_inventory], # Benutzerdefiniertes Tool hinzufügen
    model=InferenceClientModel(),
    additional_authorized_imports=["pandas"]  # Externes Paket erlauben
)

agent.run("Haben wir große T-Shirts auf Lager?")

Ja, wir haben 8 große T-Shirts auf Lager.

Benutzerdefinierte Tools in Produktionsprojekten

Lass uns üben!

AI-Agents mit Hugging Face smolagents