工具调用智能体(Tool Calling Agents)是 smolagents 中提供的第二种智能体类型。与使用 Python 代码片段的代码智能体(Code Agents)不同,这类智能体利用 LLM 提供商的内置工具调用能力来生成 JSON 结构的工具调用指令。这是 OpenAI、Anthropic 等主流提供商采用的标准方法。
当 Alfred 想要搜索餐饮服务和派对创意时,CodeAgent 会生成并运行如下 Python 代码:
for query in [
"Best catering services in Gotham City",
"Party theme ideas for superheroes"
]:
print(web_search(f"Search for: {query}"))而 ToolCallingAgent 则会创建 JSON 结构:
[
{"name": "web_search", "arguments": "Best catering services in Gotham City"},
{"name": "web_search", "arguments": "Party theme ideas for superheroes"}
]该 JSON 结构随后会被用于执行工具调用。
尽管 smolagents 主要专注于 CodeAgents(因为它们整体表现更好),但对于不需要变量处理或复杂工具调用的简单系统,ToolCallingAgents 仍然可以高效工作。

工具调用智能体遵循与代码智能体相同的多步骤工作流程(详见前一章节)。关键区别在于操作结构方式:智能体不再生成可执行代码,而是生成指定工具名称和参数的 JSON 对象,系统随后解析这些指令来执行相应工具。
让我们重新审视 Alfred 开始筹备派对的示例,这次使用 ToolCallingAgent 来展示区别。我们将构建一个能够使用 DuckDuckGo 进行网页搜索的智能体,与代码智能体示例的唯一区别在于智能体类型——框架会处理其他所有细节:
from smolagents import ToolCallingAgent, DuckDuckGoSearchTool, InferenceClientModel
agent = ToolCallingAgent(tools=[DuckDuckGoSearchTool()], model=InferenceClientModel())
agent.run("Search for the best music recommendations for a party at the Wayne's mansion.")当查看智能体的执行跟踪时,您将看到类似以下内容而非 Executing parsed code::
╭─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╮
│ Calling tool: 'web_search' with arguments: {'query': "best music recommendations for a party at Wayne's │
│ mansion"} │
╰─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯智能体生成结构化的工具调用指令,系统通过处理这些指令来生成输出,而非像 CodeAgent 那样直接执行代码。
现在我们已经了解两种智能体类型,可以根据需求选择合适的一种。让我们继续探索 smolagents,让 Alfred 的派对大获成功!🎉