Hugging Face smolagents

Ein bewusst minimalistisches Agenten-Framework von Hugging Face: Agenten, die Aufgaben lösen, indem sie kurzen Python-Code schreiben und ausführen — in wenigen Zeilen aufgesetzt.

Für wen: Entwickler, die schnell einen funktionierenden Agenten wollen, ohne sich in ein großes Framework einzuarbeiten.

Installation

pip install smolagents

Läuft mit Cloud-Modellen (API-Key) oder lokal über einen Ollama-/LiteLLM-Endpunkt.

Erste Schritte

Ein Agent in wenigen Zeilen:

from smolagents import CodeAgent, WebSearchTool, LiteLLMModel
model = LiteLLMModel(model_id='ollama/llama3.1')
agent = CodeAgent(tools=[WebSearchTool()], model=model)
agent.run('Wie hoch ist der Kölner Dom?')

Der Agent überlegt, ruft bei Bedarf die Suche auf und gibt eine Antwort — der Kern ist bewusst klein und gut lesbar.

Plattformen: Python

Im Detail

smolagents ist Hugging Faces bewusst schlankes Gegenmodell zu schwergewichtigen Agenten-Frameworks: Statt Aktionen über JSON-Tool-Calls zu beschreiben, schreibt und führt der Agent direkt kurzen Python-Code aus, um Aufgaben zu lösen – oft präziser und kompakter als verschachtelte JSON-Strukturen. Der Kern passt in wenige hundert Zeilen, wodurch man das Framework tatsächlich versteht statt nur zu konfigurieren. Ideal für Entwickler, die schnell einen funktionierenden Agenten aufsetzen wollen, ohne sich in die Komplexität von Semantic Kernel einzuarbeiten. Wer persistentes Langzeitgedächtnis über Sitzungen hinweg braucht, ist mit Letta (MemGPT) besser bedient, da smolagents dafür keine eingebaute Lösung mitbringt.

Praxis-Tipp

Für den Einstieg reicht CodeAgent(tools=[...], model=...) mit ein bis zwei Tools – z. B. eine Websuche-Funktion –, um zu sehen, wie der Agent selbst Python-Code zur Lösung generiert.

Siehe auch

• Microsoft Semantic Kernel
• Letta (MemGPT)

Lizenz & Quelle

• Lizenz: Apache-2.0
• Quelle: GitHub
• Quelle: Doku