SmolAgents
Hugging Face · Coding
SmolAgents ist ein Open-Source-Agenten-Framework von Hugging Face: eine Python-Agenten-Bibliothek, in der Agenten handeln, indem sie Code schreiben, und in einer Sandbox laufen.
Über SmolAgents
What Is SmolAgents
SmolAgents ist eine Python-Bibliothek zum Bauen von KI-Agenten und ein Framework für KI-Agenten von Hugging Face. Das Team hält die zentrale Logik unter rund 1.000 Zeilen, sodass Sie lesen, was der Code tut, statt einen Wust von Abstraktionen zu lernen. Das Projekt ist Open Source und lässt sich mit einem einzigen pip-Befehl kostenlos installieren.
Die Grundidee ist einfach: Ein Agent soll handeln, indem er Code schreibt, und nicht eine JSON-Liste von Tool-Aufrufen ausfüllen. Sein CodeAgent schreibt bei jedem Schritt ein kurzes Python-Stück und führt es aus, und laut Hugging Face senkt das die Etappen und Modellaufrufe, die eine Aufgabe braucht. Ein zweiter Typ, der ToolCallingAgent, behält den klassischen JSON-Aufruf, wenn Sie das bevorzugen.
Von einem Modell erzeugten Code auszuführen ist riskant, deshalb drängt SmolAgents Sie zu echter Isolation. Es unterstützt verwaltete Cloud-Sandboxes wie E2B, Blaxel und Modal sowie selbst gehostetes Docker. Der lokale Python-Ausführer setzt nur leichte Beschränkungen, und die Dokumentation warnt deutlich, dass er keine Sicherheitsgrenze ist. Noch etwas sollten Sie wissen: Das ist ein Entwicklerwerkzeug. Es gibt keine App zum Anklicken, Sie sollten also sicher mit Python umgehen können, bevor es sich lohnt.
Getting Started
- Installieren Sie das Paket mit
pip install "smolagents[toolkit]", um eine Standardauswahl an Tools zu erhalten. - Wählen Sie ein Modell: ein lokales Modell über transformers oder Ollama, einen Anbieter auf dem Hugging Face Hub oder eines, das Sie über die LiteLLM- und OpenAI-kompatiblen Integrationen erreichen.
- Erstellen Sie einen CodeAgent, übergeben Sie ihm Ihre Tools und das Modell, und rufen Sie
agent.runmit einer Aufgabe in normaler Sprache auf. - Führen Sie den Agenten in einer Sandbox wie E2B oder Docker aus, bevor er an etwas Wichtiges kommt.
- Teilen Sie den fertigen Agenten über
push_to_hubauf dem Hub, damit andere ihn laden und wiederverwenden können.
Produktinformationen
Ein kurzer Überblick über Preise, unterstützte Plattformen und die Leistung von SmolAgents.
Am besten für
Die Nutzer, Aufgaben und Szenarien, für die dieses Tool am besten passt.
Nutzer
- Python-Entwickler
- KI-Ingenieure mit lokalen Modellen
- Forschende und Studierende
Aufgaben
- Mehrstufige Recherche automatisieren
- Agenten bauen, die im Web surfen
- Vorhandene Tools einbinden
Szenarien
- Eine Agentenidee schnell prototypisieren
- Sensible Arbeit in der Sandbox halten
- Einen wiederverwendbaren Agenten im Team teilen
Wichtigste Funktionen
Code-Agenten, die Aktionen in Python schreiben
SmolAgents baut seinen Standardagenten um Code herum. Statt eines JSON-Blocks mit Tool-Namen schreibt das Modell bei jedem Schritt ein kurzes Python-Stück, und das Framework führt es aus. Hugging Face sagt, dieser Stil braucht in manchen Benchmarks rund 30 % weniger Schritte und punktet besser bei schwierigen, und derselbe Agent kann mehrere Suchen oder Rechnungen in einer Aktion durchlaufen.
Code-Ausführung in der Sandbox
Da der Agent erzeugten Code ausführt, unterstützt SmolAgents isolierte Ausführung über verwaltete Sandboxes wie E2B, Blaxel und Modal oder einen selbst gehosteten Docker-Container. So gelangt beliebiger Code nicht auf Ihren Rechner. Der lokale Python-Ausführer setzt einige Grenzen, doch die Dokumentation warnt, dass er keine Sicherheitsgrenze ist, die Sandbox bleibt also der vorgesehene Weg.
Modellunabhängige Einrichtung
Die Bibliothek sperrt Sie nicht bei einem Anbieter ein. Sie bringt Modellklassen für den Inference Client von Hugging Face, LiteLLM, OpenAI-kompatible Server wie Together AI und OpenRouter, lokale transformers-Modelle, Azure und Amazon Bedrock mit. Der Wechsel der Engine ist eine Zeile, was zählt, wenn Sie Kosten vergleichen oder zwischen gehosteten und lokalen Modellen wechseln.
Flexibilität bei Tools und Modalitäten
Sie laden Tools von einem MCP-Server, passen LangChain-Tools an oder packen sogar einen Hugging Face Space als Tool ein. Agenten nehmen auch mehr als Text an: Dasselbe Framework verarbeitet Bild-, Video- und Audioeingaben, ein surfender oder bildlesender Agent passt also ohne eigene Bibliothek.
Teilen und Wiederverwenden auf dem Hub
Agenten und Tools gehen auf den Hugging Face Hub und wieder herunter. Ein fertiger Agent wird zu einem Space-Repository, das Sie von überall aufrufen, was persönliche Skripte in geteilte Bausteine verwandelt. Die Hub-Integration macht die Wiederverwendung in einem Team oder einer Community erst praktikabel.
CLI und Multi-Agenten-Unterstützung
Zwei Befehle, smolagent und webagent, starten Agenten direkt im Terminal, mit einem interaktiven Modus, der Agententyp, Tools und Modelleinrichtung durchgeht. Darüber hinaus unterstützt SmolAgents Multi-Agenten-Hierarchien, in denen ein Agent einen anderen steuert, sodass Sie einen Manager bauen, der an einen Such- oder Code-Agenten delegiert.
Vor- und Nachteile
Vorteile
- Der Kern umfasst rund 1.000 Zeilen, die Agentenschleife bleibt also lesbar und leicht zu ändern.
- Code-Agenten sparen Schritte und Modellaufrufe gegenüber dem Tool Calling in JSON, was die Kosten bei langen Aufgaben senkt.
- Es läuft mit fast jedem Modell, von einer lokalen Ollama-Instanz bis OpenAI, Anthropic und Bedrock.
- Die Sandbox-Unterstützung über E2B, Blaxel, Modal und Docker gibt echte Isolation für erzeugten Code.
- Die Hub-Integration lässt Agenten und Tools veröffentlichen und wiederverwenden, statt sie neu zu bauen.
Nachteile
- Es ist eine Entwicklerbibliothek, keine App, wer kein Python kann, nutzt sie nicht direkt.
- Der eingebaute lokale Ausführer ist keine Sicherheits-Sandbox, und nicht vertrauenswürdigen Code ohne E2B oder Docker auszuführen ist ein echtes Risiko.
- Die sehr dünne Abstraktionsschicht lässt Ihnen einen Teil der Verdrahtung, anders als schwerere Frameworks mit mehr fertigen Bausteinen.
- Die Einrichtung einer entfernten Sandbox oder eines lokalen Modells kostet zusätzliche Konfiguration, bevor der erste Agent läuft.
Häufige Fragen
SmolAgents ist eine Python-Bibliothek zum Bauen von KI-Agenten, die Aufgaben erledigen, indem sie Code schreiben und ausführen. Entwickler nutzen sie, um mehrstufige Arbeiten wie Recherche, Websurfen und Tool-Aufrufe zu automatisieren und um Agentendesigns ohne schweres Framework zu testen.
Ähnliche Inhalte
Entdecke passende Tools, Skills und Artikel zu SmolAgents.
Alternativen zu SmolAgents
Base Code
Base44 (Wix) · Coding · ProduktivitätBase Code ist eine geteilte Cloud-Entwicklungsumgebung von Base44. Das Team beschreibt Änderungen an einem bestehenden GitHub-Repository im Chat, prüft sie in der Vorschau und reicht sie als Pull Request ein.
Google EmbeddingGemma 2
Google DeepMind · Schreiben · Bilder · CodingGoogle EmbeddingGemma 2 ist ein offenes Modell mit 740 Millionen Parametern, das Text, Code, Bilder, Audio und Videobilder in Vektoren eines gemeinsamen 768-dimensionalen Raums umwandelt und auf Handys und Notebooks läuft.
GitGlow
GitGlow · Coding · ProduktivitätGitGlow ist ein Git-Client für den Desktop, der Ihren Code und die Änderungen Ihrer KI-Agenten in einer Review bündelt, damit Sie vor dem Ausliefern sehen, was die Maschine verlässt.