2.Agent框架

总览

先回顾一下JSON型和code型Agent的区别。

用代码而非 JSON 编写操作提供了几个关键优势：

• 可组合性（Composability）：轻松组合和重用操作
• 对象管理（Object Management）：直接处理复杂结构，如图像
• 通用性（Generality）：表达任何计算上可能的任务
• 适合大语言模型：高质量代码已存在于大语言模型的训练数据中

smolagents

这个notebook可以进行实践。

• multistep：每个step执行一次思考，一次调用工具。
• code agent：编写代码调用外部工具

提供两种智能体：

• 使用代码的智能体：写代码，然后在沙盘里运行
• 调用工具的智能体：使用JSON调用其它tool函数

下面是一个例子：code agent会创建如此代码

for query in [
    "Best catering services in Gotham City", 
    "Party theme ideas for superheroes"
]:
    print(web_search(f"Search for: {query}"))

而tool calling agent会创建如此JSON：

[
    {"name": "web_search", "arguments": "Best catering services in Gotham City"},
    {"name": "web_search", "arguments": "Party theme ideas for superheroes"}
]

Memory与每次运行流程

总体上，如下图所示，Agent维护一个Memory，最开始是空的，每次思考后，将反馈添加到Memory中，然后再将`System_Prompt和Memory拼一起进行思考。

多智体

多智体，其实很简单，一个智能体分配任务，其他的接受任务，各司其职。deepseek-R1利用下属模型完成搜索，最后能够画图。

实战细节

如下定义web agent，其中description给上层提供了它的职能。

web_agent = CodeAgent(
    model=model,
    tools=[
        GoogleSearchTool(provider="serper"),
        VisitWebpageTool(),
        calculate_cargo_travel_time,
    ],
    name="web_agent",
    description="Browses the web to find information",
    verbosity_level=0,
    max_steps=10,
)

如下定义manage agent，其中managed_agents列出了它的子智能体。planning_interval规定多少次行动后进行一次规划，是个能耗平衡的参数。

Note

沙盒环境中，本来没有额外库或包，但是可以手动授权导入。

manager_agent = CodeAgent(
    model=HfApiModel("deepseek-ai/DeepSeek-R1", provider="together", max_tokens=8096),
    tools=[calculate_cargo_travel_time],
    managed_agents=[web_agent],
    additional_authorized_imports=[
        "geopandas",
        "plotly",
        "shapely",
        "json",
        "pandas",
        "numpy",
    ],
    planning_interval=5,
    verbosity_level=2,
    final_answer_checks=[check_reasoning_and_plot],
    max_steps=15,
)

带图像视觉的

log就是执行的所有细节，包括过程，参数，结果等等。每一步最后都要callback，截个图，保留一定步数内的截图。