Comme nous l’avons exploré dans l’unité 1, les agents utilisent des outils pour effectuer diverses actions. Dans smolagents, les outils sont traités comme des fonctions qu’un LLM peut appeler au sein d’un système d’agent.
Pour interagir avec un outil, le LLM a besoin d’une description d’interface avec ces composants clés :
Par exemple, pendant qu’il se prépare pour une fête au Wayne Manor, Alfred a besoin de divers outils pour recueillir des informations - de la recherche de services de traiteur à la recherche d’idées de thèmes de fête. Voici à quoi pourrait ressembler l’interface d’un simple outil de recherche :
web_searchquery (string) - Le terme de recherche à rechercherEn utilisant ces outils, Alfred peut prendre des décisions éclairées et rassembler toutes les informations nécessaires pour planifier la fête parfaite.
Ci-dessous, vous pouvez voir une animation illustrant comment un appel d’outil est géré :

Dans smolagents, les outils peuvent être définis de deux façons :
@tool pour des outils simples basés sur des fonctionsTool pour des fonctionnalités plus complexesLe décorateur @tool est la méthode recommandée pour définir des outils simples. Sous le capot, smolagents analysera les informations de base sur la fonction à partir de Python. Donc si vous nommez votre fonction clairement et écrivez une bonne docstring, il sera plus facile pour le LLM de l’utiliser.
En utilisant cette approche, nous définissons une fonction avec :
Args: où chaque argument est explicitement décrit. Ces descriptions fournissent un contexte précieux pour le LLM, il est donc important de les écrire soigneusement.
Imaginons qu’Alfred ait déjà décidé du menu pour la fête, mais qu’il ait maintenant besoin d’aide pour préparer la nourriture pour un si grand nombre d’invités. Pour ce faire, il aimerait engager un service de traiteur et doit identifier les options les mieux notées disponibles. Alfred peut utiliser un outil pour rechercher les meilleurs services de traiteur dans sa région.
Voici un exemple de la façon dont Alfred peut utiliser le décorateur @tool pour y parvenir :
from smolagents import CodeAgent, InferenceClientModel, tool
# Faisons semblant d'avoir une fonction qui récupère les services de traiteur les mieux notés.
@tool
def catering_service_tool(query: str) -> str:
"""
Cet outil retourne le service de traiteur le mieux noté à Gotham City.
Args:
query: Un terme de recherche pour trouver des services de traiteur.
"""
# Exemple de liste de services de traiteur et leurs notes
services = {
"Gotham Catering Co.": 4.9,
"Wayne Manor Catering": 4.8,
"Gotham City Events": 4.7,
}
# Trouver le service de traiteur le mieux noté (simulation du filtrage de requête de recherche)
best_service = max(services, key=services.get)
return best_service
agent = CodeAgent(tools=[catering_service_tool], model=InferenceClientModel())
# Exécuter l'agent pour trouver le meilleur service de traiteur
result = agent.run(
"Can you give me the name of the highest-rated catering service in Gotham City?"
)
print(result) # Sortie : Gotham Catering Co.Cette approche implique de créer une sous-classe de Tool. Pour des outils complexes, nous pouvons implémenter une classe au lieu d’une fonction Python. La classe encapsule la fonction avec des métadonnées qui aident le LLM à comprendre comment l’utiliser efficacement. Dans cette classe, nous définissons :
name : Le nom de l’outil.description : Une description utilisée pour remplir le prompt système de l’agent.inputs : Un dictionnaire avec les clés type et description, fournissant des informations pour aider l’interpréteur Python à traiter les entrées.output_type : Spécifie le type de sortie attendu.forward : La méthode contenant la logique d’inférence à exécuter.Ci-dessous, nous pouvons voir un exemple d’un outil construit en utilisant Tool et comment l’intégrer dans un CodeAgent.
La fête d’Alfred au manoir est un événement à thème de super-héros, mais il a besoin d’idées créatives pour la rendre vraiment spéciale. En tant qu’hôte fantastique, il veut surprendre les invités avec un thème unique.
Pour ce faire, il peut utiliser un agent qui génère des idées de fête à thème de super-héros basées sur une catégorie donnée. De cette façon, Alfred peut trouver le thème de fête parfait pour épater ses invités.
from smolagents import Tool, CodeAgent, InferenceClientModel
class SuperheroPartyThemeTool(Tool):
name = "superhero_party_theme_generator"
description = """
Cet outil suggère des idées créatives de fête à thème de super-héros basées sur une catégorie.
Il retourne une idée de thème de fête unique."""
inputs = {
"category": {
"type": "string",
"description": "Le type de fête de super-héros (par exemple, 'classic heroes', 'villain masquerade', 'futuristic Gotham').",
}
}
output_type = "string"
def forward(self, category: str):
themes = {
"classic heroes": "Justice League Gala : Les invités viennent habillés en leurs héros DC préférés avec des cocktails à thème comme 'The Kryptonite Punch'.",
"villain masquerade": "Gotham Rogues' Ball : Un bal masqué mystérieux où les invités s'habillent en méchants classiques de Batman.",
"futuristic Gotham": "Neo-Gotham Night : Une fête de style cyberpunk inspirée de Batman Beyond, avec des décorations néon et des gadgets futuristes."
}
return themes.get(category.lower(), "Idée de fête à thème non trouvée. Essayez 'classic heroes', 'villain masquerade', ou 'futuristic Gotham'.")
# Instancier l'outil
party_theme_tool = SuperheroPartyThemeTool()
agent = CodeAgent(tools=[party_theme_tool], model=InferenceClientModel())
# Exécuter l'agent pour générer une idée de thème de fête
result = agent.run(
"What would be a good superhero party idea for a 'villain masquerade' theme?"
)
print(result) # Sortie : "Gotham Rogues' Ball : Un bal masqué mystérieux où les invités s'habillent en méchants classiques de Batman."Avec cet outil, Alfred sera l’hôte ultime, impressionnant ses invités avec une fête à thème de super-héros qu’ils n’oublieront pas ! 🦸♂️🦸♀️
smolagents est livré avec un ensemble d’outils pré-construits qui peuvent être directement injectés dans votre agent. La boîte à outils par défaut comprend :
Alfred pourrait utiliser divers outils pour assurer une fête impeccable au Wayne Manor :
D’abord, il pourrait utiliser le DuckDuckGoSearchTool pour trouver des idées créatives de fête à thème de super-héros.
Pour le traiteur, il se fierait au GoogleSearchTool pour trouver les services les mieux notés à Gotham.
Pour gérer les arrangements de sièges, Alfred pourrait exécuter des calculs avec le PythonInterpreterTool.
Une fois que tout est rassemblé, il compilerait le plan en utilisant le FinalAnswerTool.
Avec ces outils, Alfred garantit que la fête est à la fois exceptionnelle et sans faille. 🦇💡
L’une des fonctionnalités les plus puissantes de smolagents est sa capacité à partager des outils personnalisés sur le Hub et à intégrer de manière transparente des outils créés par la communauté. Cela inclut la connexion avec les HF Spaces et les outils LangChain, améliorant considérablement la capacité d’Alfred à orchestrer une fête inoubliable au Wayne Manor. 🎭
Avec ces intégrations, Alfred peut exploiter des outils avancés de planification d’événements - qu’il s’agisse d’ajuster l’éclairage pour l’ambiance parfaite, de créer la playlist idéale pour la fête, ou de coordonner avec les meilleurs traiteurs de Gotham.
Voici des exemples montrant comment ces fonctionnalités peuvent améliorer l’expérience de la fête :
Partager votre outil personnalisé avec la communauté est facile ! Il suffit de le télécharger sur votre compte Hugging Face en utilisant la méthode push_to_hub().
Par exemple, Alfred peut partager son party_theme_tool pour aider les autres à trouver les meilleurs services de traiteur à Gotham. Voici comment faire :
party_theme_tool.push_to_hub("{your_username}/party_theme_tool", token="<YOUR_HUGGINGFACEHUB_API_TOKEN>")Vous pouvez facilement importer des outils créés par d’autres utilisateurs en utilisant la fonction load_tool(). Par exemple, Alfred pourrait vouloir générer une image promotionnelle pour la fête en utilisant l’IA. Au lieu de construire un outil à partir de zéro, il peut exploiter un outil prédéfini de la communauté :
from smolagents import load_tool, CodeAgent, InferenceClientModel
image_generation_tool = load_tool(
"m-ric/text-to-image",
trust_remote_code=True
)
agent = CodeAgent(
tools=[image_generation_tool],
model=InferenceClientModel()
)
agent.run("Generate an image of a luxurious superhero-themed party at Wayne Manor with made-up superheros.")Vous pouvez également importer un HF Space comme outil en utilisant Tool.from_space(). Cela ouvre des possibilités d’intégration avec des milliers de spaces de la communauté pour des tâches allant de la génération d’images à l’analyse de données.
L’outil se connectera au backend Gradio des spaces en utilisant le gradio_client, alors assurez-vous de l’installer via pip si vous ne l’avez pas déjà.
Pour la fête, Alfred peut utiliser un HF Space existant pour la génération de l’image générée par IA à utiliser dans l’annonce (au lieu de l’outil pré-construit que nous avons mentionné précédemment). Construisons-le !
from smolagents import CodeAgent, InferenceClientModel, Tool
image_generation_tool = Tool.from_space(
"black-forest-labs/FLUX.1-schnell",
name="image_generator",
description="Generate an image from a prompt"
)
model = InferenceClientModel("Qwen/Qwen2.5-Coder-32B-Instruct")
agent = CodeAgent(tools=[image_generation_tool], model=model)
agent.run(
"Improve this prompt, then generate an image of it.",
additional_args={'user_prompt': 'A grand superhero-themed party at Wayne Manor, with Alfred overseeing a luxurious gala'}
)Nous discuterons du framework LangChain dans les sections à venir. Pour l’instant, nous notons simplement que nous pouvons réutiliser des outils LangChain dans votre flux de travail smolagents !
Vous pouvez facilement charger des outils LangChain en utilisant la méthode Tool.from_langchain(). Alfred, toujours perfectionniste, se prépare pour une spectaculaire nuit de super-héros au Wayne Manor pendant que les Wayne sont absents. Pour s’assurer que chaque détail dépasse les attentes, il exploite les outils LangChain pour trouver des idées de divertissement de premier ordre.
En utilisant Tool.from_langchain(), Alfred ajoute sans effort des fonctionnalités de recherche avancées à son smolagent, lui permettant de découvrir des idées et services de fête exclusifs avec seulement quelques commandes.
Voici comment il procède :
from langchain.agents import load_tools
from smolagents import CodeAgent, InferenceClientModel, Tool
search_tool = Tool.from_langchain(load_tools(["serpapi"])[0])
agent = CodeAgent(tools=[search_tool], model=model)
agent.run("Search for luxury entertainment ideas for a superhero-themed event, such as live performances and interactive experiences.")smolagents permet également d’importer des outils depuis les centaines de serveurs MCP disponibles sur glama.ai ou smithery.ai. Si vous voulez approfondir le MCP, vous pouvez consulter notre cours MCP gratuit.
Nous devons d’abord installer l’intégration mcp pour smolagents.
pip install "smolagents[mcp]"Les outils des serveurs MCP peuvent être chargés dans un objet ToolCollection comme suit :
import os
from smolagents import ToolCollection, CodeAgent
from mcp import StdioServerParameters
from smolagents import InferenceClientModel
model = InferenceClientModel("Qwen/Qwen2.5-Coder-32B-Instruct")
server_parameters = StdioServerParameters(
command="uvx",
args=["--quiet", "pubmedmcp@0.1.3"],
env={"UV_PYTHON": "3.12", **os.environ},
)
with ToolCollection.from_mcp(server_parameters, trust_remote_code=True) as tool_collection:
agent = CodeAgent(tools=[*tool_collection.tools], model=model, add_base_tools=True)
agent.run("Please find a remedy for hangover.")Avec cette configuration, Alfred peut rapidement découvrir des options de divertissement luxueuses, s’assurant que les invités d’élite de Gotham vivent une expérience inoubliable. Cet outil l’aide à organiser l’événement parfait à thème de super-héros pour Wayne Manor ! 🎉