Ключевые моменты
1. AI-агент:
Обеспечивает автономное принятие решений, выходя за рамки жёстких, предопределённых рабочих процессов.
Использует итеративное рассуждение, адаптивное выполнение и непрерывное обучение.
2. Smolagents:
Лёгкая библиотека Python (~1 000 строк), упрощающая создание AI-агентов.
Напрямую генерирует исполняемые фрагменты кода Python, которые безопасно выполняются в изолированных средах.
Поддерживает различные модели, модальности (текст, изображения, аудио, видео) и интеграцию внешних инструментов.
3. Novita AI:
Совместима с Smolagents, поддерживает мощные модели, такие как DeepSeek R1 Turbo, с повышенной производительностью и доступной ценой.
Искусственный интеллект эволюционировал от распознавания образов до генерации креативного контента. Следующий значительный скачок — появление agentic AI, систем, способных к автономному принятию решений и действиям для решения сложных многошаговых задач. В этой статье мы рассмотрим концепцию AI-агентов, углубимся в особенности кодовых агентов, опишем, как их можно построить, обсудим производительность различных базовых моделей и ответим на часто задаваемые вопросы об этой преобразующей технологии.
Что такое AI-агент?
Agentic AI решает задачи, с которыми традиционные жёсткие рабочие процессы справляются неэффективно. Многие реальные сценарии включают сложные, многообразные процессы, которые невозможно полностью описать статическими, предопределёнными структурами if-else. Agentic AI вносит гибкость и адаптивность в рабочие процессы, позволяя системам динамически определять и выполнять оптимальную последовательность действий в зависимости от изменяющегося контекста.
Как это работает?
Agentic AI работает через итеративный, динамический цикл восприятия, рассуждения, действия и обучения. В своей основе AI-агенты используют большие языковые модели (LLM) как механизмы рассуждения для анализа ситуаций, планирования ответов, координации специализированных моделей и выполнения задач. Рабочий процесс обычно включает следующие шаги:
- Получение и восприятие данных: Агенты собирают и обрабатывают данные из нескольких источников, получая контекстную осведомлённость для принятия решений.
- Рассуждение и планирование: Используя LLM, агенты интерпретируют данные, обдумывают возможные решения, разрабатывают стратегические планы и определяют необходимые действия для достижения целей.
- Действие и выполнение: Агенты интегрируются с внешними инструментами и предопределёнными функциями, выполняя задачи на основе результатов рассуждений. Они итеративно выполняют действия, наблюдают за результатами и корректируют их до достижения желаемого результата.
- Непрерывное обучение: Через обратную связь и такие методы, как генерация с дополненным поиском (RAG), агенты получают доступ к собственным источникам данных, уточняют своё понимание и непрерывно улучшают производительность, точность и релевантность.
Объединяя эти возможности — автономное принятие решений, итеративное рассуждение, интеграцию внешних инструментов и непрерывное улучшение — Agentic AI эффективно соединяет рассуждения на основе LLM с выполнением в реальном мире и адаптацией.
из Nvidia
Что такое smolagents?
Smolagents — это лёгкая библиотека Python, созданная для упрощения построения мощных AI-агентов. Благодаря минималистичному подходу её основная логика умещается примерно в 1 000 строк кода, предоставляя минимальные абстракции и больше прямого контроля для разработчиков. Smolagents позиционируется как преемник transformers.agents, который со временем будет устаревшим. Подробнее можно узнать на GitHub!
Ключевые особенности и ключевой механизм
✨ Простота
- Smolagents реализует мощную логику AI-агентов примерно в 1 000 строк кода, сохраняя минимальное количество абстракций для большей гибкости разработчиков (см.
agents.py).
🧑💻 Поддержка код-агентов высшего уровня
- CodeAgent от Smolagents напрямую выводит действия агента как фрагменты кода Python, а не JSON или текст, что повышает эффективность и производительность. Он безопасно выполняет код в изолированных средах (E2B, Docker) и сохраняет поддержку традиционных агентов на основе JSON/текста.
🤗 Интеграция с Hugging Face Hub
- Smolagents позволяет легко делиться и загружать повторно используемые инструменты на Python через Hugging Face Hub, упрощая совместную работу и повторное использование.
🌐 Независимость от модели
- Smolagents поддерживает практически любые большие языковые модели (LLM) — локальные модели transformers или ollama, модели, размещённые на Hugging Face, и внешние провайдеры, такие как OpenAI или Anthropic, через LiteLLM.
👁️ Независимость от модальности
- Агенты, созданные с помощью Smolagents, могут легко обрабатывать различные входные модальности, включая текст, изображения, видео и аудио.
🛠️ Независимость от инструментов
- Smolagents гибко интегрирует инструменты из различных экосистем, таких как LangChain, Anthropic MCP или Hugging Face Hub Spaces.
Как создать агента с помощью smolagents и API Novita AI?
Novita AI — это облачная AI-платформа, которая предоставляет разработчикам простой способ развёртывания AI-моделей через наш простой API, а также предлагает доступный и надёжный GPU-облачный сервис для построения и масштабирования.
Smolagents поддерживает различные большие языковые модели (LLM), включая Novita AI! Далее мы используем deepseek r1 turbo в качестве примера, чтобы продемонстрировать возможности smolagents и Novita AI!
Важно: Novita AI запускает Turbo-версию с 3-кратной пропускной способностью и временной скидкой 60%!
Попробуйте DeepSeek R1 Turbo сейчас!
Пример
Входные данные:
import os
from smolagents import OpenAIServerModel, CodeAgent, DuckDuckGoSearchTool
model = OpenAIServerModel(
model_id="deepseek/deepseek-r1-turbo",
api_base="https://api.novita.ai/v3/openai",
api_key="Your API Key" # Замените на ключ API вашего сервера.
)
agent = CodeAgent(tools=[DuckDuckGoSearchTool()], model=model)
agent.run("Спланируйте поездку на выходные из Шанхая в Пекин, включая варианты транспорта, маршрут и список необходимых вещей")
Вывод:
transport = web_search(query="Shanghai to Beijing transportation weekend trip 2024")
print("Transportation options:", transport)
attractions = web_search(query="Beijing 2-day itinerary top attractions 2024")
print("Attraction recommendations:", attractions)
details = web_search(query="Beijing travel must-haves 2024")
print("Essential items and tips:", details)
weekend_plan = {
"Transportation": {
"Recommended Option": "Friday evening G12 train (18:00-22:30) from Shanghai Hongqiao to Beijing South",
"Alternative": "Saturday morning flight (07:00-09:00+transit time)"
},
"Itinerary": {
"Day 1 (Saturday)": [
"08:30 - Tiananmen Square (free entry)",
"10:00 - Forbidden City (booked ticket, 3-4hr tour)",
"14:00 - Temple of Heaven",
"Evening: Houhai Lake dinner + hutongs exploration"
],
"Day 2 (Sunday)": [
"07:00 - Depart for Mutianyu Great Wall (book shuttle/taxi)",
"09:00-12:00 - Great Wall visit (cable car recommended)",
"14:00 - Summer Palace",
"18:00 - Return to city, take G27 train (19:00-23:18) back to Shanghai"
]
},
"Must-Haves": [
"Pre-booked Forbidden City ticket (¥60)",
"Comfortable walking shoes",
"Layered clothing (check weather forecast)",
"Portable WiFi/power bank",
"WeChat Pay/Alipay balance",
"ID/passport for train ticket collection"
]
}
final_answer(weekend_plan)
Финальный ответ
Final answer: {'Transportation': {'Recommended Option': 'Friday evening G12 train (18:00-22:30) from Shanghai Hongqiao to Beijing South', 'Alternative': 'Saturday morning flight (07:00-09:00+transit time)'}, 'Itinerary': {'Day 1 (Saturday)': ['08:30 - Tiananmen Square (free entry)', '10:00 - Forbidden City (booked ticket, 3-4hr tour)', '14:00 - Temple of Heaven', 'Evening: Houhai Lake dinner + hutongs exploration'], 'Day 2 (Sunday)': ['07:00 - Depart for Mutianyu Great Wall (book shuttle/taxi)', '09:00-12:00 - Great Wall visit (cable car recommended)', '14:00 - Summer Palace', '18:00 - Return to city, take G27 train (19:00-23:18) back to Shanghai']},
'Must-Haves': ['Pre-booked Forbidden City ticket (¥60)', 'Comfortable walking shoes', 'Layered clothing (check weather forecast)', 'Portable WiFi/power bank', 'WeChat Pay/Alipay balance', 'ID/passport for train ticket collection']}
Сравнение производительности моделей в smolagents
Подробнее можно узнать на Hugging Face
Agentic AI представляет собой значительный прорыв в области искусственного интеллекта, обеспечивая автономное решение проблем и выполнение задач. Библиотека Smolagents предоставляет лёгкий, но мощный фреймворк, специально предназначенный для создания интеллектуальных агентов, с акцентом на прямые действия на основе кода и совместимость с широким спектром больших языковых моделей (LLM). Поскольку open-source модели продолжают быстро совершенствоваться, Smolagents предлагает разработчикам доступный и универсальный инструментарий для исследования и реализации захватывающего потенциала agentic AI в различных областях.
Часто задаваемые вопросы
В чём ключевое различие между agentic AI и генеративным AI?
Генеративный AI фокусируется на создании нового контента, такого как текст и изображения, в то время как agentic AI сосредоточен на принятии решений и выполнении автономных задач для достижения целей.
Безопасно ли выполнение кода в smolagents?
smolagents предоставляет возможности для безопасного выполнения кода, включая изолированную среду с использованием E2B или Docker, что устраняет риск для вашей локальной системы.
Где можно найти дополнительную информацию о smolagents?
Полную документацию, руководства и примеры можно найти в репозитории smolagents на GitHub и на Hugging Face Space, посвящённой этой библиотеке.
Novita AI — это универсальная облачная платформа, которая расширяет ваши AI-амбиции. Интегрированные API, бессерверные решения, GPU-инстансы — экономически эффективные инструменты, которые вам нужны. Устраните инфраструктурные заботы, начните бесплатно и воплотите своё AI-видение в реальность.
