Pengantar Sistem Multi-Agen

Agen AI dengan Hugging Face smolagents

Adel Nehme

VP of AI Curriculum, DataCamp

Skenario: Agen Penasihat Karier

Permintaan melibatkan banyak tugas:

Memperbarui resume
Mencari pekerjaan
Persiapan wawancara
Penelitian gaji

Setiap tugas memerlukan alat dan alur kerja yang berbeda!

Mengapa Menggunakan Sistem Multi-Agen?

Gunakan tim agen spesialis
Setiap agen fokus pada satu tugas atau domain
Mencegah kelebihan beban dan kebingungan

Agen Resume Spesialis

resume_agent = CodeAgent(
    tools=[WebSearchTool(), skill_translator, layout_generator],
    model=InferenceClientModel(),
    instructions="You are an expert in everything related to resumes.",
    name="resume_agent",
    description="Expert in resume writing and skill translation for career transitions"
)

Spesialis Penelitian Perusahaan

company_agent = CodeAgent(
    tools=[WebSearchTool(), background_compatibility_checker],
    model=InferenceClientModel(),
    instructions="You are an expert in everything related to company research",
    name="company_agent",
    description="Expert in researching companies, culture, and hiring practices for job seekers"
)

Buat agen spesialis tambahan menggunakan pola yang sama.

Agen Manajer

career_manager = CodeAgent(
    tools=[],
    model=InferenceClientModel(model_id="deepseek-ai/DeepSeek-R1"), # Reasoning model
    instructions="You are an advisory agent to help professionals build stellar careers",
    managed_agents=[resume_agent, company_agent, interview_agent, salary_agent]
)

Mendelegasikan tugas ke spesialis yang tepat berdasarkan deskripsi mereka.
Mengkoordinasikan empat agen spesialis menggunakan parameter managed_agents.
Memanfaatkan model dengan kemampuan penalaran dan koordinasi yang kuat.

Orkestrasi Multi-Agen

result = career_manager.run("I want to switch from marketing to data science. 
Help me update my resume, find companies hiring, prepare for interviews, and understand salaries.")

Ayo berlatih!

Agen AI dengan Hugging Face smolagents