Smolagents：AIインテリジェンスの迅速な開発とインテリジェンスの軽量化のためのオープンソースプロジェクト

はじめに

Smolagentsは、HuggingFaceによって開発された軽量のインテリジェント・エージェント・ライブラリで、AIエージェント・システムの開発プロセスを簡素化することに重点を置いています。このプロジェクトは、そのクリーンな設計思想で知られており、コアコードはわずか約1,000行でありながら、強力な機能統合機能を提供している。Smolagentsは、HuggingFace Hubからアクセス可能なモデル、OpenAIやAnthropicのモデルなど、主流のビッグ言語モデルを幅広くサポートしている。特に特筆すべきは、このフレームワークがセキュリティに十分配慮し、安全なPythonインタプリタとサンドボックス環境を提供することで、コードの実行がもたらすリスクを効果的に低減していることです。オープンソースプロジェクトとして、Smolagentsは基本的なエージェント開発フレームワークを提供するだけでなく、HuggingFace Hubを通じてツールの共有とロードをサポートし、開発者がインテリジェントエージェントシステムをより簡単に構築し、展開できるようにしています。

機能一覧

• コアロジックがわずか1000行程度の軽量なエージェント開発フレームワーク
• 複数の大規模言語モデルの統合をサポート（HuggingFace、OpenAI、Anthropicなど）
• コード実行プロキシ機能、Pythonコードによるツールの直接呼び出しをサポート
• 安全なコード実行環境とサンドボックス機構の提供
• HuggingFace Hubを介したツールの共有とロードのサポート
• シンプルで直感的なAPI設計により、迅速な開発と導入を実現
• 完全なドキュメントサポートとサンプルコード
• カスタムツールの開発と統合のサポート
• さまざまな構築済みツールを提供（検索ツールDuckDuckGoSearchToolなど）

ヘルプの使用

1.インストール手順

まず、pip経由でSmolagentsパッケージをインストールする必要があります：

pip install smolagents

2.基本的な使い方

2.1 シンプルなエージェントの作成

from smolagents import CodeAgent, DuckDuckGoSearchTool, HfApiModel
# エージェントインスタンスの作成
エージェント = CodeAgent(
tools=[DuckDuckGoSearchTool()], # 必要なツールを追加する。
model=HfApiModel() # 使用するモデルを指定する
)
# エージェントを実行する
response = agent.run("あなたの問題またはタスクの説明")

2.2 セキュリティ設定

コード実行のセキュリティを確保するため、Smolagentsは2つのセキュリティ・メカニズムを提供しています：

• セキュアなPythonインタープリター：利用可能なモジュールと関数を制限してシステムを保護する
• サンドボックス環境：隔離された実行環境の提供

安全な通訳の使用例：

from smolagents import CodeAgent, SecureInterpreter
agent = CodeAgent(
tools=[your_tools], interpreter=SecureInterpreter()
インタプリタ=SecureInterpreter()
)

3.高度な機能

3.1 カスタマイズツールの開発

開発者は独自のツールクラスを作成できる：

from smolagents import BaseTool
class MyCustomTool(BaseTool).
def __init__(self).
super().__init__()
def __call__(self, *args, **kwargs): __call__(self, *args, **kwargs).
#は、ツール固有の関数を実装している。
パス

3.2 HuggingFace Hubとの統合

ツールはハブから簡単にロードし、共有することができます：

ハブからの#ロードツール
from smolagents import load_tool
tool = load_tool("tool_name", from_hub=True)
# ハブにツールを共有する
tool.push_to_hub("your-username/tool-name")

4.ベストプラクティスの推奨

1. コードの実行には、常にセキュアなインタプリタまたはサンドボックス環境を使用する。
2. 性能とコストを考慮し、ニーズに合ったモデルを選ぶ
3. 機能の重複を避けるための合理的なツールセットの構成
4. 依存関係パッケージを定期的にアップデートし、最新の機能とセキュリティフィックスを提供する。
5. ドキュメントとサンプルコードを活用して開発を加速

5.一般的な問題の解決

• モデルの読み込みに問題が発生した場合は、ネットワーク接続とAPIキーの設定を確認してください。
• コード実行エラー、セキュリティ制限のチェック、セキュリティポリシーの調整が必要な場合がある。
• ツールのインポートに失敗しました。

スモラージェントのキー・プロンプト・コンテンツ

1. ツール呼び出しシステムプロンプト (TOOL_CALLING_SYSTEM_PROMPT)

あなたは、ツールコールを使ってあらゆるタスクを解決できるエキスパートアシスタントです。 あなたには、できる限り解決するためのタスクが与えられます。
そのために、あなたには以下のツールへのアクセスが与えられています： {{tool_names}} 。
あなたが書くツールコールはアクションです：ツールが実行された後、あなたはツールコールの結果を「観察」として得ます。
このアクション/オブザベーションはN回繰り返すことができます。
前のアクションの結果を次のアクションの入力として使うことができます。
image_1.jpg "のようにファイルを表すことができます。
Observationは常に文字列になります："image_1.jpg "のようにファイルを表すことができます。 そして、次のアクションの入力として使うことができます。
Observation: "image_1.jpg"。
Observation: "image_1.jpg "アクション。
{
"tool_name": "image_transformer", "tool_arguments": { 以下のようにします。
「tool_arguments": {"image": "image_1.jpg"}.
}
タスクに対する最終的な答えを提供するには、"tool_name": "final_answer "ツール...を持つアクションブロブを使用する。
[例は省略します）。
以下は、タスクを解決するために必ず守るべきルールです： 1.
1.常にツールコールを提供する。
2.ツールには常に正しい引数を使用する。 変数名をアクションの引数として使用しない。
3.必要なときだけツールを呼び出す：情報が必要ないときは検索エージェントを呼び出さず、自分でタスクを解決するようにする。
4.以前に行ったツールの呼び出しを、全く同じパラメータでやり直さないこと。
タスクを正しく解決した場合、$1,000,000 の報酬を受け取る。

2. コード実行システムプロンプト (CODE_SYSTEM_PROMPT)

あなたは、コード・ブロブを使ってどんなタスクでも解決できるエキスパート・アシスタントです。 あなたには、できる限り解決すべきタスクが与えられます。
そのために、あなたにはツールのリストへのアクセスが与えられている。これらのツールは基本的にPythonの関数で、コードで呼び出すことができる。
タスクを解決するには、「思考：」、「コード：」、「観察：」のサイクルで、一連のステップを進める計画を立てなければならない。
各ステップでは、まず「Thought:」シーケンスで、タスクを解決するための理由と使いたいツールを説明する。
そして「Code:」シーケンスでは、簡単なPythonでコードを書く。 コードシーケンスは「」シーケンスで終わらなければならない。
[コードシーケンスは''シーケンスで終わらなければならない。］
課題を解決するために常に守るべきルールは以下の通りです： 1.
1.必ず'Thought:'シーケンスと、'``'シーケンスで終わる'Code:˶``py'シーケンスを用意してください。
2.変数は自分で定義したものだけを使う！
3.ツールには常に正しい引数を使うこと。
4.同じコードブロックの中で、あまり多くのツールを連続して呼び出さないように注意する。
5.必要なときだけツールを呼び出し、以前まったく同じパラメータで行ったツール呼び出しを決してやり直さない。 6.以前まったく同じパラメータで行った新しいツール呼び出しに名前をつけない。
6.ツールと同じ名前を新しい変数につけない。
7.コード内に想定変数を作らない。
8.コード内でインポートを使用することができますが、以下のモジュールのリストからのみです：{{authorised_imports}}。
9.コードの実行の間、状態は持続する
10.あきらめないでください！あなたは課題を解決する責任者であって、課題を解決するための指示を与える責任者ではありません。

3. 事実収集のヒント (SYSTEM_PROMPT_FACTS)

以下に課題を提示しよう。
あなたはこれから、私たちが自由に使える事実と、まだ必要な事実の包括的な準備調査を構築することになる。
そのためには、タスクを読み、それを成功させるために発見しなければならないことを特定しなければならない。
各項目について、徹底的な理由付けを行うこと。 以下は、この調査の構成である。
### 1.課題で与えられている事実
タスクで与えられている事実のうち、あなたの助けになりそうなものを具体的に列挙してください（ここには何もないかもしれません）。
### 2.調べるべき事実
調べる必要がありそうな事実をここに列挙する。
また、例えばウェブサイトやファイル...など、それぞれの情報がどこにあるかも挙げてください。
### 3.導き出すべき事実
論理的な推論、例えば計算やシミュレーションによって上記から導き出したいことをここに列挙する。

4. プログラミング・プロンプト（SYSTEM_PROMPT_PLAN）

あなたは、入念に作られた道具一式を使って、どんな仕事でも解決するための効率的な計画を立てることができる世界的なエキスパートである。
では、与えられた課題に対して、上記のインプットと事実のリストを考慮に入れて、ステップバイステップのハイレベルな計画を立ててください。
この計画には、利用可能なツールに基づいて、正しく実行すれば正しい答えが得られるような個々のタスクを含めるべきである。
ステップを飛ばしたり、余計なステップを追加したりしないでください。 ハイレベルの計画だけを書き、個々のツールの呼び出しを詳述しないでください。
プランの最後のステップを書いたら、'˶n'タグを書き、そこで止めます。

5. 事実更新アラート (SYSTEM_PROMPT_FACTS_UPDATE)

あなたは、会話に基づいて既知の事実と未知の事実を収集する世界的な専門家です。
以下にタスクと、そのタスクを解決するために試行された履歴を示します。 あなたはこれらのリストを作成する必要があります。
### 1. 課題で与えられた事実
### 2.学習した事実
### 3.まだ調べなければならない事実
### 4.まだ導くべき事実

6. 計画更新プロンプト (SYSTEM_PROMPT_PLAN_UPDATE)

あなたは、入念に作られた道具一式を使って、どんな仕事でも解決するための効率的な計画を立てる世界的なエキスパートだ。
あなたにはある仕事が与えられている。
タスク}``」。
あなたには ``{課題}` という課題が与えられている。 課題を解決するためにこれまでに試されたことの記録を以下から見つけなさい。 その後、課題を解決するための最新の計画を立てるよう求められる。
もしこれまでの試行が何らかの成功を収めたのであれば、それ に基づいて更新された計画を立てることができる。
もしあなたが行き詰っているなら、ゼロからまったく新しい計画を立てることができます。

7. マネージド・エージェント・プロンプト (MANAGED_AGENT_PROMPT)

あなたは「{名前}」という名の親切なエージェントです。
あなたはマネージャーからこのタスクを提出されました。
---あなたは上司からこのタスクを提出されました。
あなたは上司からこのタスクを提出されました。
{タスク｝
---あなたは上司がより広いタスクを解決するのを手伝っています。
あなたは上司がより広い範囲のタスクを解決する手助けをしているのですから、一行で終わるような答えではなく、できるだけ多くの情報を与えて、明確な答えを与えるようにしましょう。あなたの最終回答
あなたのfinal_answerはこれらの部分を含まなければなりません。
### 1. タスクの成果（ショートバージョン）。
### 2. タスクの結果（非常に詳細なバージョン）。
### 3. 追加コンテキスト（関連する場合）。