Introductie tot Multi-Agent Systemen

AI-agents met Hugging Face smolagents

Adel Nehme

VP of AI Curriculum, DataCamp

Scenario: Carrière Adviseur Agent

De aanvraag omvat veel taken:

Cv's bijwerken
Vacatures zoeken
Interviewvoorbereiding
Salarisonderzoek

Elke taak vereist andere tools en workflows!

Waarom Multi-Agent Systemen?

Gebruik een team van gespecialiseerde agenten
Elke agent richt zich op één taak of domein
Voorkomt overbelasting en verwarring

Een Gespecialiseerde Cv Agent

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"
)

Een Bedrijfsonderzoek Specialist

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"
)

Creëer extra gespecialiseerde agenten met hetzelfde patroon.

De Manager Agent

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]
)

Delegeert taken aan de juiste specialisten op basis van hun beschrijvingen.
Coördineert vier specialistische agenten met de managed_agents parameter.
Profiteer van modellen met sterke redeneer- en coördinatievaardigheden.

Multi-Agent Orkestratie

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.")

Laten we oefenen!

AI-agents met Hugging Face smolagents