Werken met Multi-Step Agents

AI-agents met Hugging Face smolagents

Adel Nehme

VP of AI Curriculum, DataCamp

Voorbeeld: Reisassistent

Planningsintervallen: Agents Helpen Herdenken

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

planning_interval=3: Agent pauzeert na elke 3 stappen.

Agent Run met Planningsintervallen

"Plan een 2-weekse gezinsvakantie naar Europa met historische sites voor volwassenen en leuke activiteiten voor kinderen, binnen $5000."

[Stap 1] Zoek "Parijs hotels" -> Luxe hotels gevonden (~$4000 totaal)

[Stap 2] Zoek "Parijs attracties voor gezinnen" -> Eiffeltoren, Louvre, themapark tickets gevonden

[Stap 3] Pauze en heroverweeg (planningsinterval) Hotels zijn te duur -> budget overschreden. Ik moet goedkopere opties + kindvriendelijke activiteiten zoeken.

[Stap 4] Zoek "betaalbare gezinsvriendelijke hotels in Europa" -> Middenklasse opties in meerdere steden gevonden

Callbacks: Koppelingen in het Agentproces

Basis Callback Functie

def callback_function(agent_step, agent):
    # Doe iets met de agentstap of de agent zelf
    pass

agent_step: details over de stap (plan, stapnummer, etc.)
agent: het volledige agentobject (status + methoden)

Planning Stap Callbacks

def planning_callback(agent_step, agent):
    print("AGENT PLANNING")
    print("=" * 50)
    print(agent_step.plan[:300])
    if len(agent_step.plan) > 300:
        print("\n... (plan ingekort)")
    print("=" * 50)

AGENT PLANNING
==================================================
Zoek betaalbare hotels + kinderactiviteiten
Maak dan een gebalanceerd reisschema...
... (plan ingekort)
==================================================

Actie Stap Callbacks

def action_callback(agent_step, agent):
    step_num = agent_step.step_number
    print(f"Stap {step_num}: Actie ondernemen")

    if agent_step.is_final_answer:
        total_tokens = agent_step.token_usage.total_tokens
        print(f"Totaal gebruikte tokens: {total_tokens}")

Stap 2: Actie ondernemen!
Stap 3: Actie ondernemen!
Stap 4: Actie ondernemen!
Totaal gebruikte tokens: 4,218

Callbacks Toevoegen aan Agents

from smolagents import ActionStep, PlanningStep

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

Wat kun je doen met Callbacks?

Zoekopdrachten loggen om te begrijpen wat gebruikers het meest zoeken
Controlepunten voor menselijke goedkeuring toevoegen
Voortgangsupdates naar dashboards of apps sturen
Agentgedrag tijdens uitvoering aanpassen op basis van prestaties
En meer...

Laten we oefenen!

AI-agents met Hugging Face smolagents