Créer un agent avec des outils personnalisés

Agents IA avec Hugging Face smolagents

Adel Nehme

VP of AI Curriculum, DataCamp

Avantages des outils personnalisés

Fiabilité : Écrire et tester la logique explicitement plutôt que laisser l'agent deviner
Réutilisabilité : Utiliser les outils dans plusieurs projets et agents
Cohérence : Obtenir un comportement prévisible (idéal pour le débogage)
Accès contrôlé : Exposer seulement ce que vous voulez (fichiers, API, bases de données, etc.)

Scénario : vous gérez un magasin de détail

Les données d'inventaire sont dans un fichier CSV (taille, couleur, quantité, prix)
Les agents de code peuvent écrire du code pour lire des CSV
Mais ils n'ont pas accès aux fichiers par défaut
Il faut envelopper l'accès aux fichiers dans un outil personnalisé

Anatomie d'un outil personnalisé

from smolagents import tool
import pandas as pd

@tool
def check_inventory(product_name: str) -> int:
    """
    Check the available quantity of a product in the inventory CSV.

    Args:
        product_name (str): The name of the product to look up.

    Returns:
        int: The quantity in stock. Returns 0 if the product is not found.
    """
    df = pd.read_csv("store_inventory.csv")
    match = df[df["product_name"] == product_name]
    stock_quantity = int(match.iloc[0]["quantity"]) if not match.empty else 0
    return stock_quantity

Pratiques exemplaires pour les outils personnalisés

Avons-nous des t-shirts en stock ?

Enregistrer un outil personnalisé avec votre agent

from smolagents import CodeAgent

agent = CodeAgent(
    tools=[check_inventory], # Add custom tool
    model=InferenceClientModel(),
    additional_authorized_imports=["pandas"]  # Allow external package
)

agent.run("Do we have any large t-shirts in stock?")

Oui, nous avons 8 t-shirts larges en stock.

Outils personnalisés dans les projets de production

Passons à la pratique !

Agents IA avec Hugging Face smolagents