Arbeta med flerstegagenter

AI-agenter med Hugging Face smolagents

Adel Nehme

VP of AI Curriculum, DataCamp

Exempel: Reseassistent

Planeringsintervall: Hjälper agenten att tänka om

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

planning_interval=3: Agenten pausar efter var 3:e steg.

Agentkörning med planeringsintervall

"Planera en 2-veckors familjesemester i Europa med historiska platser för vuxna och roliga aktiviteter för barn, för under 5 000 dollar."

[Steg 1] Sök "Paris hotels" -> Hittade lyxhotell (~4 000 dollar totalt)

[Steg 2] Sök "Paris attractions for families" -> Hittade Eiffeltornet, Louvren, nöjesparksbiljetter

[Steg 3] Pausa och tänk om (planeringsintervall) Hotellen är för dyra -> budgeten spricker. Jag bör leta efter billigare alternativ och barnvänliga aktiviteter.

[Steg 4] Sök "affordable family hotels in Europe" -> Hittade mellanklass-alternativ i flera städer

Callbacks: Krokar in i agentens process

Grundläggande callback-funktion

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

agent_step: information om steget (plan, stegnummer m.m.)
agent: hela agentsobjektet (tillstånd och metoder)

Callbacks för planeringssteg

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)
==================================================

Callbacks för åtgärdssteg

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

Lägg till callbacks i agenter

from smolagents import ActionStep, PlanningStep

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

Vad kan du göra med callbacks?

Logga sökningar för att förstå vad användare letar efter
Lägg till kontrollpunkter för manuellt godkännande
Skicka statusuppdateringar till dashboards eller appar
Justera agentens beteende under körning utifrån prestanda
Och mycket mer...

Nu kör vi en övning!

AI-agenter med Hugging Face smolagents