使用Smolagents為AI代理構建自定義工具

LLM正在徹底改變各個領域，超越基於Web的聊天機器人，將其集成到企業和政府中。一個重大進步是使用smolagents為AI代理創建自定義工具，從而擴大其功能。 smolagents賦予了AI代理的能力，可以利用工具，在定義的環境中執行操作，甚至與其他代理進行交互。

這種方法增強了LLM驅動的AI Systems的自主權，從而提高了其可靠性，以完成端到端任務執行。

學習目標

• 了解AI代理，與傳統LLM的區別以及使用自定義工具在現代AI應用中的作用。
• 探索為什麼AI代理需要自定義工具以實時數據訪問，操作執行和改進的決策。
• 在使用smolagents用於現實世界中的Smolagents集成和部署AI代理方面，獲得實踐經驗。
• 學會創建和集成使用smolagents增強AI代理功能的自定義工具。
• 使用您的自定義工具，掌握託管和與AI代理進行互動，創建更具交互性和智能的聊天機器人體驗。

*本文是***數據科學博客馬拉鬆的一部分。

目錄

• 先決條件
• 了解生成AI中的代理
• 代理工作流程
• AI代理的組件
• 工具的必要性
• smolagents庫
• 我們的代碼庫
• 構建我們的第一個工具
• 最後一步：部署
• 概括
• 常見問題

先決條件

該教程針對熟悉基本LLM的中級開發人員和數據專業人員。假定以下內容：

• 中級Python編程技能。
• 代碼中的基本LLM使用情況。
• 熟悉Genai生態系統。
• 對Python的擁抱面平台和transformers圖書館的基本了解。

最佳學習的進一步推薦背景：

• 具有LLM圖書館或Ollama等LLM圖書館的經驗。
• 基本的機器學習理論知識。
• API使用和解決問題的API響應。

了解生成AI中的代理

考慮chatgpt：它回答問題，寫代碼等等。此功能擴展到任務完成 - 您提供了請求，並且執行了整個任務。

例如，LLM可以搜索網絡和原因；結合起來，它可以創建旅行行程。您可能會問：“計劃於4月1日至7日的喜馬al爾邦度假，重點關注雪，滑雪，繩索和綠色景觀。找到從加爾各答的最便宜的航班。”

然後，AI將比較飛行成本，建議地點並找到酒店，並在AI中展示了一種代理方法。

代理工作流程

代理使用僅通過文本與外部世界互動的LLM。

代理接收輸入為文本，使用語言的原因以及輸出文本。工具在這里至關重要，提供了代理商用來生成其文本響應的值。行動可以從市場交易到圖像生成。

工作流程是：理解 - >原因 - >互動或更廣泛：思想 - >行動 - >觀察。

AI代理的組件

AI代理包括：

• 代理商的“大腦”（像Llama3，Phi4或GPT4這樣的LLM）。
• 代理可以調用​​的外部工具（API，其他代理，計算器等）。

smolagents允許您使用調用函數調用的LLM創建任何Python函數。我們的示例將包括使用QWEN LLM的狗事實，時區檢索和圖像生成工具。

工具的必要性

LLM不再只是文本完成工具。它們是較大系統中的組件，通常需要非生成AI零件的輸入。

工具彌合了Genai和其他系統組件之間的差距。 LLM有局限性：

• 知識截止日期。
• 幻覺。
• 不可預測的拒絕回答。
• 次優的Web搜索選擇。

確定性工具解決了這些問題。

smolagents庫

smolagents （擁抱的臉）是建築物代理的框架。與某些輸出JSON的庫不同， smolagents直接輸出Python代碼，從而提高效率。

我們的代碼庫

GitHub存儲庫包含：

• Gradio_UI.py ：用於用戶交互的Gradio UI代碼。
• agent.json ：代理配置。
• requirements.txt ：項目依賴性。
• prompts.yaml ：YAML：示例提示和響應（使用Jinja模板）。
• app.py ：核心應用程序邏輯。

構建我們的第一個工具

我們將使用狗事實API（ https://www.php.cn/link/0feaf58e2a12936c84c2510541b6e75a ）。使AI代理可用的Python函數：

• 使用@tool裝飾器。
• 寫一個清晰的docstring。
• 添加類型註釋。
• 確保清晰的回報值。
• 包括充分的評論。

 @工具
def get_amazing_dog_fact（） - > str：
    “”“從公共API中獲取隨機的狗事實。
    ＃...（API呼叫和錯誤處理）...

時區工具：

 @工具
def get_current_time_in_timezone（時區：str） - > str：
    “”“在指定的時區獲取當前時間。”“”
    ＃...（時區處理）...

圖像生成工具也可以集成：

 image_generation_tool = load_tool（“ agestents course/text-to-image”，trust_remote_code = true）

使用QWEN2.5-CODER-32B-INSTRUCT模型（需要訪問應用程序）：

型號= hfapimodel（
    max_tokens = 2096，
    溫度= 0.5，
    model_id ='qwen/qwen2.5-coder-32b-instruct'，
    ＃...
）

提示從prompts.yaml加載。創建代理：

代理= codeagent（
    模型=模型，
    工具= [get_amazing_dog_fact，get_current_time_in_timezone，image_generation_tool]，
    ＃...
）

tools參數列出了可用功能。

最後一步：部署

代理可以部署在擁抱面孔的空間上。

概括

AI代理通過工具集成增強LLM功能，增加自主權並實現複雜的任務完成。 smolagents簡化了代理的創建，自定義工具將功能擴展到標準LLM之外。在擁抱面積之類的平台上的部署有助於易於共享和互動。

常見問題

Q1。什麼是AI代理？ AI代理是LLM驅動的系統，該系統與執行任務的工具相互作用。

Q2。為什麼需要自定義工具？它們可以實時數據訪問，命令執行和LLM功能以外的操作。

Q3。什麼是smolagents ？使用自定義工具創建AI代理的擁抱面部框架。

Q4。如何創建自定義工具？定義功能，用@tool進行裝飾，然後集成到代理中。

Q5。在哪裡部署？諸如擁抱面孔的平台。

（注意：假定圖像如原始輸入所包含。）

以上是使用Smolagents為AI代理構建自定義工具的詳細內容。更多資訊請關注PHP中文網其他相關文章！