SmolAgents

讓開發者僅用幾行程式碼即可構建和執行強大的AI智慧體

Vibe Coding

https://github.com/huggingface/smolagents

前往官網

深度報告

SmolAgents是Hugging Face開發的開源輕量級AI Agent框架，旨在讓開發者僅用幾行程式碼即可構建和執行強大的智慧體。該框架採用“小而精”的設計哲學，核心程式碼僅約1000行，卻實現了強大的智慧代理功能。SmolAgents的核心創新在於其“程式碼優先”（Code Agents）方法——智慧體透過編寫和執行Python程式碼來完成任務，而非生成傳統的JSON或文字格式動作。這一設計顯著提升了執行效率，相比標準工具呼叫方法可減少約30%的執行步驟和LLM呼叫次數。在2025年的基準測試中，基於SmolAgents構建的開源模型智慧體在GAIA評測中成功登頂，標誌著開源模型在複雜任務處理能力上已具備與商業閉源模型相媲美的實力。SmolAgents支援40多種大語言模型，包括Hugging Face Hub上的模型、OpenAI、Anthropic等第三方模型，以及本地部署的Transformers和Ollama模型。目前該框架在GitHub上已獲得超過27000顆星標，顯示出開發者社群的高度認可。
SmolAgents由Hugging Face團隊於2025年1月正式釋出，是該公司在大語言模型應用領域的重要產品。Hugging Face作為開源機器學習社群的領導者，一直致力於降低AI技術的使用門檻。SmolAgents的誕生源於團隊對現有Agent框架過於複雜的反思——傳統框架往往需要大量程式碼和複雜配置才能實現基本功能，這與AI技術民主化的理念相悖。該框架的設計理念強調“極簡主義”，將Agent的核心邏輯壓縮至約1000行程式碼。這種設計使得框架易於理解和修改，開發者可以深入瞭解Agent的工作原理，而非被複雜的抽象層所困擾。2025年9月，SmolAgents增加了視覺支援，進一步擴充套件了其應用範圍。 SmolAgents由Hugging Face的核心團隊成員主導開發，包括Aymeric Roucher、Albert Villanova del Moral、Thomas Wolf、Leandro von Werra和Erik Kaunismäki等。這些開發者都是開源社群的活躍貢獻者，在大語言模型和Agent技術領域擁有豐富的經驗。Hugging Face作為開源機器學習領域的領軍企業，擁有強大的技術積累和社群資源，為SmolAgents的發展提供了堅實的技術基礎和生態支援。
SmolAgents提供了多項核心特性，使其在眾多Agent框架中脫穎而出。首先是程式碼代理（CodeAgent）功能，這是框架的一級支援特性，允許智慧體用Python程式碼編寫操作，而非生成JSON或文字格式的動作。這種方法更加自然和靈活，程式碼的表達能力遠超結構化的JSON格式。框架支援多種模型接入方式。InferenceClientModel支援Hugging Face Hub上的模型，LiteLLMModel支援超過100種LLM（包括OpenAI、Anthropic等），OpenAIModel支援任何OpenAI相容的API，TransformersModel支援本地模型推理，AzureOpenAIModel和AmazonBedrockModel則支援企業級雲服務。這種模型無關的設計讓開發者可以根據需求靈活選擇。SmolAgents還支援與Hugging Face Hub深度整合，開發者可以方便地在Hub上分享和拉取工具或代理。此外，框架支援多種輸入形態，包括文字、視覺、影片和音訊。在工具整合方面，框架支援MCP伺服器工具、LangChain工具以及Hub Space作為工具。框架還提供了命令列工具（CLI），包括smolagent和webagent命令，方便快速開發和測試。SmolAgents的技術架構非常簡潔。框架的核心是Agent迴圈，智慧體接收使用者任務後，透過大語言模型生成程式碼或工具呼叫，然後在執行境中執行程式碼或呼叫工具，最後將結果返回給使用者。這種設計與傳統的ReAct框架類似，但更加簡潔和直接。框架提供了兩種Agent型別：CodeAgent和ToolCallingAgent。CodeAgent用Python程式碼編寫操作，支援多種安全執行環境，包括E2B、Blaxel、Modal、Docker和Pyodide+Deno WebAssembly。ToolCallingAgent則是傳統的工具呼叫Agent，用JSON或文字格式生成動作。這種雙軌設計讓開發者可以根據場景靈活選擇。安裝SmolAgents非常簡單，只需一行命令：`pip install "smolagents[toolkit]"`建立第一個Agent同樣簡潔，只需要幾行Python程式碼即可建立一個功能完整的智慧體。框架還提供了豐富的預置工具，包括網頁搜尋工具、文件檢索工具等，開發者可以快速構建各種應用場景。SmolAgents採用程式碼優先的方法，在多個基準測試中展現出色。核心優勢在於其執行效率——相比傳統的JSON格式工具呼叫，程式碼執行可以減少約30%的執行步驟和LLM呼叫次數。這一改進源於程式碼的天然優勢：程式碼可以自然地支援函式巢狀和物件複用，而JSON格式需要複雜的解析和處理。在GAIA基準測試中，基於SmolAgents和開源模型的智慧體表現尤為突出。開源模型配合SmolAgents能夠達到與閉源模型相當的效能水平，這標誌著開源模型在複雜任務處理能力上的重大突破。
SmolAgents是開源免費框架，主要透過Hugging Face的生態系統盈利。開發者可以免費使用框架的全部功能，並透過Hugging Face Hub分享和獲取工具。收費模式主要包括Hugging Face的付費模型服務、企業級技術支援、以及雲端部署服務。
開發者社群對SmolAgents的簡潔設計給予高度認可。許多開發者表示，框架的易用性是其最大優勢——只需幾行程式碼即可構建一個功能完整的智慧體。程式碼優先方法受到一致好評，開發者認為這種方法更加直觀和高效。開源模型在基準測試中的出色表現也引發了社群的熱烈討論，許多人認為這標誌著開源模型的重大突破。部分開發者對框架的侷限性表示不滿。缺乏多智慧體支援是主要的批評點，許多需要構建複雜系統的開發者不得不選擇其他框架。此外，文件和示例不夠豐富也受到批評，新手學習曲線較高。企業級功能不足是另一個被頻繁提及的問題。
SmolAgents在AI Agent框架領域建立了獨特的市場定位。其核心競爭力在於簡潔性和透明度，適合追求快速原型開發和程式碼可控性的開發者。框架的開源特性使其獲得了廣泛的社群支援，同時也面臨著來自LangChain、AutoGen等成熟框架的競爭。從行業趨勢來看，程式碼優先的Agent方法正在獲得越來越多的關注。SmolAgents的成功證明了這種方法的有效性，可能會引領一波新的框架設計潮流。
SmolAgents缺乏多智慧體協作支援，在需要多Agent協作的複雜場景下不適用。框架不支援內建記憶體功能，缺少持久化記憶體支援，需要整合外部方案。 LangChain、AutoGen、CrewAI等成熟框架的競爭壓力日益增加，企業級功能生態相對薄弱。
SmolAgents適合追求快速原型開發的開發者、重視程式碼透明度和可控性的技術團隊、研究Agent技術的學者和學生、使用開源模型的開發者、以及需要簡單任務自動化的個人使用者。框架的簡潔設計使其特適學習和實驗目的。以下人群可能不適合使用SmolAgents：需要構建多智慧體系統的團隊、需要複雜工作流編排的企業應用、重視生產級工具和生態的團隊、以及需要持久化記憶體支援的應用。對於這些場景，建議選擇LangChain、AutoGen或CrewAI。
SmolAgents作為Hugging Face推出的輕量級Agent框架，在簡潔性和效率方面表現出色。其程式碼優先的設計理念代表了Agent框架的一個重要發展方向。框架的核心理念——用程式碼思考——正在獲得越來越多的關注和認可。對於追求簡潔、透明和高效開發的團隊和個人，SmolAgents是一個值得考慮的選擇。

使用者評論

墨染103

—

最近在做RAG專案，試了試SmolAgents，真的太香了！幾百行程式碼就能跑起來，比LangChain輕量太多。

Bobby.Morgan_7

—

吹爆CodeAgent，用Python程式碼執行的方式比傳統JSON Agent效率高30%不是吹的，實測確實香。

TaylorBerg

—

HF家的東西確實好用，生態完善，文件清晰，就是企業級功能還是欠缺一點點。

BlocaDex

—

免費開源還還要啥腳踏車，小型專案完全夠用，大型專案建議上LangChain。

Alan.Thompson_Max

—

好奇害死貓。

JoanMorris_2020

—

裝了試試，幾行程式碼就跑起來了，文件也挺詳細的，適合快速原型。

Joan.Parker_724

—

和AutoGen對比了下，SmolAgents更適合簡單場景，複雜多Agent還是AutoGen更強。

Carl332

—

程式碼優先的方法確實更高效，減少了API呼叫次數，降本效果明顯。

Grace_JacksonSr86

—

HF的東西確實對開發者友好，simplicity拉滿。

EvaReyes

—

用了一下午，基礎的搜尋和API呼叫已經跑通了，就是缺少內建memory有點麻煩。

ThomasGarcia_88

—

支援本地的Transformers模型，對隱私敏感的專案很友好。

Brandon_JamesSr

—

用E2B沙箱執行程式碼，安全方面還算靠譜。

MsCathrionaGrant_88

—

支援Vision以後可以處理圖片了，適用範圍更廣了。

逍遙_12

—

團隊技術強，程式碼質量高，維護也及時，提issue很快就回了。

松濤_9

—

GitHub Star數漲得挺快的，社群在成長。

SaraCampbell369062

—

想問問怎麼加自定義tool，有大佬知道嗎？

JocelynPerry

—

適合學習Agent原理，程式碼少看得懂，生產用還是LangChain穩。

Anna_Reed0070

—

用了兩個月，真香，但想搞複雜工作流時發現不支援有點難受。

C_oinAnalystWalker

—

支援100+LLM這點很爽，換模型很方便。

Cynthia_RodriguezII

—

CLI工具方便，快速測試很實用。

SmolAgents

深度報告

使用者評論

相關連結

同類產品