Вступ до багатоагентних систем

AI-агенти з Hugging Face smolagents

Adel Nehme

VP of AI Curriculum, DataCamp

Сценарій: агент кар'єрного консультанта

Запит охоплює багато завдань:

Оновлення резюме
Пошук роботи
Підготовка до співбесід
Дослідження зарплат

Для кожного потрібні різні інструменти й процеси!

Навіщо багатоагентні системи?

Використовуйте команду спеціалізованих агентів
Кожен агент зосереджується на одному завданні чи домені
Це запобігає перевантаженню та плутанині

Спеціалізований агент з резюме

resume_agent = CodeAgent(
    tools=[WebSearchTool(), skill_translator, layout_generator],
    model=InferenceClientModel(),
    instructions="You are an expert in everything related to resumes.",
    name="resume_agent",
    description="Expert in resume writing and skill translation for career transitions"
)

Фахівець із дослідження компаній

company_agent = CodeAgent(
    tools=[WebSearchTool(), background_compatibility_checker],
    model=InferenceClientModel(),
    instructions="You are an expert in everything related to company research",
    name="company_agent",
    description="Expert in researching companies, culture, and hiring practices for job seekers"
)

Створіть додаткових спеціалізованих агентів за цим самим шаблоном.

Керівний агент

career_manager = CodeAgent(
    tools=[],
    model=InferenceClientModel(model_id="deepseek-ai/DeepSeek-R1"), # Reasoning model
    instructions="You are an advisory agent to help professionals build stellar careers",
    managed_agents=[resume_agent, company_agent, interview_agent, salary_agent]
)

Делегує завдання відповідним фахівцям за їхніми описами.
Координує чотирьох спеціалістів через параметр managed_agents.
Використовуйте моделі з сильним міркуванням і координацією.

Оркестрація багатоагентної системи

result = career_manager.run("I want to switch from marketing to data science. 
Help me update my resume, find companies hiring, prepare for interviews, and understand salaries.")

Давайте потренуємось!

AI-агенти з Hugging Face smolagents