smolagents - وكلاء الذكاء الاصطناعي من الكود أولاً

smolagents - وكلاء الذكاء الاصطناعي من الكود أولاً

smolagents هي مكتبة وكيل قليلة الحد الأدنى وموجهة للكود من Hugging Face. الفكرة الرئيسية: بدلاً من أن ينبعث النموذج من استدعاءات الأداة كـ blobs JSON، يكتب CodeAgent أكواد Python وينفذها مباشرة. التعبير عن الإجراءات كود يسمح بخطوة واحدة بأن تستدعي أدوات متعددة وتستخدم حلقات ومتغيرات وسلسلة منطق — مما يقلل عدد جولات LLM (تقريبًا ~30% أقل) ويحسن الأداء في المهام المعقدة. إنها محايدة للنموذج، وتدعم التنفيذ في صندوق حماية، وتظل قليلة الحد الأدنى والقابلة للقرصنة.

التثبيت

الطريقة	الأمر
pip	pip install smolagents
مع أدوات إضافية	pip install "smolagents[toolkit]"
إضافات Sandbox	pip install "smolagents[e2b]" (أو [docker])
تعيين مفتاح نموذج	export HF_TOKEN=... أو مفاتيح المزود
التحقق	python -c "import smolagents; print('ok')"

المفاهيم الأساسية

المصطلح	المعنى
CodeAgent	وكيل يكتب إجراءات Python (الافتراضي)
ToolCallingAgent	وكيل ينبعث من استدعاءات أداة JSON الكلاسيكية
Tool	استدعاء يمكن للوكيل استخدامه (مع مخطط)
Model	خادم LLM (HF أو OpenAI أو LiteLLM أو محلي)
Sandbox	حيث يعمل الكود المنشأ (محلي أو E2B أو Docker أو Modal)

CodeAgent الحد الأدنى

from smolagents import CodeAgent, WebSearchTool, InferenceClientModel

agent = CodeAgent(
    tools=[WebSearchTool()],
    model=InferenceClientModel(),   # HF Inference API
)

agent.run("كم ثانية سيستغرق الفهد لعبور جسر Golden Gate Bridge؟")

كائن	الدور
CodeAgent(tools=[...], model=...)	الوكيل
agent.run("task")	تنفيذ مهمة من البداية إلى النهاية
WebSearchTool()	أداة مدمجة
InferenceClientModel()	خادم نموذج HF

النماذج

الخادم	الفئة
HF Inference API	InferenceClientModel
تحويلات محلية	TransformersModel
أي مزود عبر LiteLLM	LiteLLMModel(model_id="openai/gpt-4o")
خادم متوافق مع OpenAI	OpenAIServerModel(...)
vLLM / نقاط نهاية محلية	عبر LiteLLM / OpenAI-compatible

تحديد الأدوات

from smolagents import tool

@tool
def get_weather(city: str) -> str:
    """Return the weather for a city.

    Args:
        city: The city to look up.
    """
    return f"Sunny in {city}"

agent = CodeAgent(tools=[get_weather], model=InferenceClientModel())

آلية	الاستخدام
@tool decorator	حول دالة مكتوبة إلى أداة
Tool subclass	مزيد من التحكم في المخطط/السلوك
Tool Collections	استيراد مجموعات من الأدوات (على سبيل المثال من المحور)
MCP tools	ربط خوادم Model Context Protocol

التنفيذ في صندوق حماية (مهم)

لأن CodeAgents تقوم بتشغيل Python المُنشأ، قيّده في الإنتاج.

صندوق الحماية	الكيفية
محلي (افتراضي)	يعمل في العملية — جيد للتطوير الموثوق به فقط
E2B	executor_type="e2b" (صندوق حماية بعيد)
Docker	executor_type="docker"
Modal	التنفيذ البعيد في صندوق حماية
الواردات المسموحة	قيّد الوحدات التي قد يستوردها الكود المُنشأ

agent = CodeAgent(tools=[...], model=..., executor_type="e2b")

وكلاء متعددين والاسترجاع

النمط	الكيفية
وكلاء مُدارون	أعط وكيلًا واحدًا وكلاء آخرين كأدوات
Retrieval/RAG	أضف أداة retriever للإجابات المؤسسة
Planning	تمكين خطوات التخطيط الدورية للمهام الصعبة
Handoffs	اجمع المتخصصين تحت وكيل مدير

سير العمل الشائع

# وكيل بحث يتصفح ويحسب في الكود
from smolagents import CodeAgent, WebSearchTool, InferenceClientModel
agent = CodeAgent(tools=[WebSearchTool()], model=InferenceClientModel(),
                  executor_type="docker")
agent.run("قارن نمو السكان في طوكيو ودلهي منذ عام 2000.")

smolagents مقابل أطر عمل وكيل أخرى

الجانب	smolagents	LangGraph	Pydantic AI
تنسيق الإجراء	كود Python	Graph/state machine	استدعاءات أداة مكتوبة
الحجم/الفلسفة	حد أدنى وقابل للقرصنة	تنسيق الحالة الكامل	آمن من حيث النوع، نمط FastAPI
كفاءة LLM	عدد أقل من الاستدعاءات (الكود)	يعتمد	قياسي
الأفضل لـ	حلقات كود وكيل واحد	وكلاء ثابتة ودائمة	وكلاء إنتاج آمنة من حيث النوع

الموارد

• مستودع GitHub
• الوثائق الرسمية
• جولة موجهة