Hugging Face smolagents ile AI Agent'ları
Adel Nehme
VP of AI Curriculum, DataCamp
from smolagents import CodeAgent, InferenceClientModel agent = CodeAgent( tools=[], model=InferenceClientModel() )agent.run("[23, 45, 67, 89] listesinin ortalamasını hesapla")
Kod yürütülüyor:
numbers = [23, 45, 67, 89]
average = sum(numbers) / len(numbers)
final_answer(average)
Sonuç: 56.0
[Adım 1: Süre 4.14 saniye| Girdi tokenleri: 1,900 | Çıktı tokenleri: 109]
56.0
Tanımladığımız ajan, şunları kullanarak birçok görevi çözebilir:
Ancak dış bilgiye de ihtiyaç duyabilir:

İşte burada araçlar devreye girer!
from smolagents import CodeAgent, InferenceClientModel, WebSearchTool
agent = CodeAgent(
model=InferenceClientModel(),
tools=[WebSearchTool()]
)
agent.run("Şu anda dünyanın en yüksek binası nedir?")
Kod yürütülüyor:
tallest_building_info = web_search("dünyanın en yüksek binası 2023")
print(tallest_building_info)
# Arama sonuçları kısaltılmıştır...
Kod yürütülüyor:
final_answer("Burj Khalifa, Dubai, 828 metre")
Sonuç: Burj Khalifa, Dubai, 828 metre
[Adım 2: Süre 2.97 saniye| Girdi tokenleri: 5,078 | Çıktı tokenleri: 153]
Burj Khalifa, Dubai, 828 metre
| Kategori | Araçlar |
|---|---|
| Bilgi Arama | ApiWebSearchTool, DuckDuckGoSearchTool, GoogleSearchTool, WebSearchTool, WikipediaSearchTool |
| Web Etkileşimi | VisitWebpageTool |
| Kod Yürütme | PythonInterpreterTool |
| Kullanıcı Etkileşimi | UserInputTool |
| Konuşma İşleme | SpeechToTextTool |
| İş Akışı Kontrolü | FinalAnswerTool |

from smolagents import load_tool # Hugging Face'den uzaktan araç yükle model_downloads_tool = load_tool( repo_id="example-repo/hf-model-downloads", trust_remote_code=True ) # Uzaktan + yerleşik araçlarla ajan oluştur agent = CodeAgent( tools=[model_downloads_tool, WebSearchTool()], model=InferenceClientModel() )agent.run("Hugging Face'de en çok indirilen görüntü sınıflandırma modelini bul")
google/vit-base-patch16-224-in21k
Hugging Face smolagents ile AI Agent'ları