多步代理的使用

使用 Hugging Face smolagents 的 AI Agents

Adel Nehme

VP of AI Curriculum, DataCamp

示例：旅行助理

规划间隔：帮助代理重新思考

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

planning_interval=3：代理每 3 步暂停一次。

带规划间隔的代理运行示例

"规划一次两周的欧洲亲子游：成人看历史，孩子有趣味活动，总预算不超过 $5000。"

[步骤 1] 搜索"巴黎酒店" -> 发现豪华酒店（约 $4000 总计）

[步骤 2] 搜索"巴黎亲子景点" -> 发现埃菲尔铁塔、卢浮宫、主题公园门票

[步骤 3] 暂停并重思（规划间隔） 酒店过贵 -> 预算超支。应找更便宜选项 + 亲子活动。

[步骤 4] 搜索"欧洲亲民亲子酒店" -> 在多座城市找到中档选项

回调：介入代理流程的钩子

基础回调函数

def callback_function(agent_step, agent):
    # Do something with the agent step or the agent itself
    pass

agent_step：该步骤的详细信息（计划、步号等）
agent：完整的代理对象（状态 + 方法）

规划步骤回调

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 truncated)")
    print("=" * 50)

AGENT PLANNING
==================================================
Search affordable hotels + kid activities
Then create balanced itinerary...
... (plan truncated)
==================================================

执行步骤回调

def action_callback(agent_step, agent):
    step_num = agent_step.step_number
    print(f"Step {step_num}: Taking action")

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

Step 2: Taking action!
Step 3: Taking action!
Step 4: Taking action!
Total tokens used: 4,218

为代理添加回调

from smolagents import ActionStep, PlanningStep

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

回调能做什么？

记录搜索，了解用户最常查找内容
增加人工审批检查点
将进度推送到仪表板或应用
运行中按表现调整代理行为
以及更多…

Passons à la pratique !

使用 Hugging Face smolagents 的 AI Agents