Einführung in Hugging Face smolagents

AI-Agents mit Hugging Face smolagents

Adel Nehme

VP of AI Curriculum, DataCamp

Definition eines KI-Agenten

Von Chatbots zu Agenten

Chatbots:

Antworten in natürlicher Sprache
Passiv und reaktiv

Agenten:

Können Aktionen ausführen (Websuche, Dateien lesen, Daten analysieren, etc.)
Handeln aktiv auf ein Ziel hin

Agenten folgen einem Zyklus:

Beispiel: Wettbewerber-Preisforschung

Alles aus einem einzigen Prompt!

Was sind smolagents?

Leichtgewichtiges Python-Framework
Entwickelt von Hugging Face

Unterstützt zwei Agententypen:

ToolCallingAgent: Nutzt strukturierte Funktionsaufrufe
CodeAgent: Schreibt und führt Python-Code aus

Wie Funktionsaufrufe funktionieren

Action 1: {"tool": "search_company", "company": "Competitor A"}
Action 2: {"tool": "get_pricing", "company": "Competitor A", "plan": "Basic"}
Action 3: {"tool": "get_pricing", "company": "Competitor A", "plan": "Pro"}
Action 4: {"tool": "search_company", "company": "Competitor B"}
Action 5: {"tool": "get_pricing", "company": "Competitor B", "plan": "Basic"}

Wie Code-Agenten arbeiten

competitors = ["Competitor A", "Competitor B", "Competitor C"]
pricing_data = {}

for company in competitors:
    company_info = search_company(company)
    plans = extract_pricing_plans(company_info)
    pricing_data[company] = plans

most_affordable_option = min(pricing_data, 
                      key=lambda x: pricing_data[x]['basic_plan'])

Der Code-Agenten-Ablauf

Forschung zeigt ~20% höhere Erfolgsrate als Funktionsaufrufmethoden.

¹ https://huggingface.co/papers/2402.01030

Lass uns üben!

AI-Agents mit Hugging Face smolagents