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 ein bewusst schlankes Agenten-Framework von Hugging Face mit einer Kernidee, die sich von den meisten Alternativen unterscheidet: Statt Aktionen über JSON-Funktionsaufrufe zu steuern, schreibt der Agent kurze Python-Codeschnipsel und führt sie aus, um Zwischenschritte zu erledigen – das ist bei mehrstufigen Aufgaben mit Berechnungen oder Datenverarbeitung oft ausdrucksstärker und weniger fehleranfällig als verschachtelte Tool-Calls. Die Bibliothek ist mit wenigen hundert Zeilen Kernlogik bewusst klein gehalten, dadurch leicht verständlich und anpassbar, im Gegensatz zu größeren Frameworks wie Semantic Kernel mit viel eigener Abstraktion. Für wen: Python-Entwickler, die schnell einen funktionierenden Agenten aufsetzen und den Code dahinter tatsächlich verstehen wollen. Weniger geeignet, wenn fertige Enterprise-Integrationen für Auth oder Orchestrierung gebraucht werden.

Beispiel aus der Praxis

Ein Entwickler gibt dem Agenten die Aufgabe, aus einer Liste von Zahlen den Median zu berechnen und als Text auszugeben; der Agent schreibt dafür selbstständig ein paar Zeilen Python, führt sie aus und liefert das Ergebnis zurück, ohne dass der Entwickler ein Tool-Schema definieren musste.

Praxis-Tipp

Für einen ersten Test reicht ein CodeAgent mit ein bis zwei Tools, z. B. einer Websuche – das zeigt in wenigen Zeilen, wie der Agent Zwischenschritte als Python-Code plant und ausführt.

Stolperfallen

Wer über Sitzungen hinweg Kontext behalten will, stößt an eine Grenze, da smolagents dafür keine eingebaute Lösung mitbringt. Da der Agent echten Code ausführt, sollte dieser nicht ungeprüft in einer produktiven Umgebung laufen.

Siehe auch

• Microsoft Semantic Kernel

Lizenz & Quelle

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