Skapa en agent med egna verktyg

AI-agenter med Hugging Face smolagents

Adel Nehme

VP of AI Curriculum, DataCamp

Fördelar med egna verktyg

Tillförlitlighet: Skriv och testa logiken explicit i stället för att låta agenten gissa
Återanvändbarhet: Använd verktyg i flera projekt och agenter
Konsekvens: Få förutsägbart beteende mellan körningar (utmärkt för felsökning)
Kontrollerad åtkomst: Exponera bara det du vill (filer, API:er, databaser m.m.)

Scenario: Du driver en butik

Lagerdata lagras i en CSV-fil (storlek, färg, antal och pris)
Kodagenter kan skriva kod för att läsa CSV-filer
Men de har inte tillgång till filer som standard
Du behöver kapsla in filåtkomsten i ett eget verktyg

Ett eget verktygs uppbyggnad

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

Bästa praxis för egna verktyg

Har vi några t-shirts i lager?

Registrera ett eget verktyg hos din 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?")

Yes, we have 8 large t-shirts in stock.

Egna verktyg i produktionsprojekt

Nu kör vi en övning!

AI-agenter med Hugging Face smolagents