Bekerja dengan Agen Multi-Langkah

Agen AI dengan Hugging Face smolagents

Adel Nehme

VP of AI Curriculum, DataCamp

Contoh: Asisten Perjalanan

Interval Perencanaan: Membantu Agen Berpikir Ulang

agent = CodeAgent(
    tools=[document_search_tool],
    model=model,
    planning_interval=3,
    max_steps=12
)

planning_interval=3: Agen berhenti setiap 3 langkah.

Jalankan Agen dengan Interval Perencanaan

"Rencanakan liburan keluarga 2 minggu ke Eropa dengan situs bersejarah untuk dewasa dan aktivitas menyenangkan untuk anak-anak, dengan anggaran di bawah $5000."

[Langkah 1] Cari "hotel di Paris" -> Ditemukan hotel mewah (~$4000 total)

[Langkah 2] Cari "atraksi keluarga di Paris" -> Ditemukan Menara Eiffel, Louvre, tiket taman hiburan

[Langkah 3] Berhenti dan berpikir ulang (interval perencanaan) Hotel terlalu mahal -> anggaran terlampaui. Saya harus mencari opsi lebih murah + aktivitas ramah anak.

[Langkah 4] Cari "hotel keluarga terjangkau di Eropa" -> Ditemukan opsi menengah di beberapa kota

Callback: Kait ke Proses Agen

Fungsi Callback Dasar

def callback_function(agent_step, agent):
    # Lakukan sesuatu dengan langkah agen atau agen itu sendiri
    pass

agent_step: detail tentang langkah (rencana, nomor langkah, dll.)
agent: objek agen lengkap (status + metode)

Callback Langkah Perencanaan

def planning_callback(agent_step, agent):
    print("PERENCANAAN AGEN")
    print("=" * 50)
    print(agent_step.plan[:300])
    if len(agent_step.plan) > 300:
        print("\n... (rencana terpotong)")
    print("=" * 50)

PERENCANAAN AGEN
==================================================
Cari hotel terjangkau + aktivitas anak
Kemudian buat rencana perjalanan seimbang...
... (rencana terpotong)
==================================================

Callback Langkah Aksi

def action_callback(agent_step, agent):
    step_num = agent_step.step_number
    print(f"Langkah {step_num}: Melakukan aksi")

    if agent_step.is_final_answer:
        total_tokens = agent_step.token_usage.total_tokens
        print(f"Total token digunakan: {total_tokens}")

Langkah 2: Melakukan aksi!
Langkah 3: Melakukan aksi!
Langkah 4: Melakukan aksi!
Total token digunakan: 4,218

Menambahkan Callback ke Agen

from smolagents import ActionStep, PlanningStep

agent = CodeAgent(
    tools=[document_search_tool],
    model=model,
    step_callbacks={PlanningStep: planning_callback, ActionStep: action_callback}
)

Apa yang Dapat Dilakukan dengan Callback?

Catat pencarian untuk memahami apa yang paling dicari pengguna
Tambahkan titik pemeriksaan persetujuan manusia
Kirim pembaruan kemajuan ke dasbor atau aplikasi
Sesuaikan perilaku agen di tengah jalan berdasarkan kinerja
Dan lainnya...

Ayo berlatih!

Agen AI dengan Hugging Face smolagents