Hugging Face mengumumkan peluncuran perpustakaan sumber terbuka baru yang disebut smolagents, yang bertujuan untuk menyederhanakan proses membangun agen cerdas dan memberikan model bahasa kemampuan eksekusi yang lebih kuat. Smolagents memiliki struktur kode yang disederhanakan dan mendukung berbagai model bahasa, termasuk API inferensi gratis milik Hugging Face dan model dari perusahaan seperti OpenAI dan Anthropic. Pengguna dapat dengan mudah menentukan alat dan model serta membuat alat khusus untuk memenuhi kebutuhan spesifik. Pustaka ini juga mendukung eksekusi kode aman di lingkungan sandbox, sehingga menjaga keamanan pengguna. smolagents secara bertahap akan menggantikan transformator pendahulunya.agents dan menjadi alat pembuat agen cerdas yang lebih populer.
HuggingFace telah meluncurkan perpustakaan sumber terbuka baru yang disebut "smolagents", yang bertujuan untuk memberikan model bahasa kemampuan agen cerdas yang lebih kuat. Melalui struktur kode yang disederhanakan, smolagents memudahkan pengguna untuk membangun agen cerdas yang dapat melakukan berbagai tugas.
Dalam sistem kecerdasan buatan modern, model bahasa (LLM) perlu berinteraksi dengan dunia nyata, seperti memanggil alat pencarian untuk memperoleh informasi eksternal, atau menjalankan program tertentu untuk menyelesaikan tugas. Oleh karena itu, sangat penting untuk memberikan kemampuan “agen” pada model bahasa. Agen cerdas memungkinkan keluaran LLM mengontrol alur kerja, mendorong penerapan AI ke depan.
Jadi, kapan sebaiknya Anda menggunakan agen cerdas? Jika pengguna memerlukan alur kerja yang fleksibel untuk menyelesaikan tugas secara efisien, agen cerdas sangatlah penting. Ambil contoh situs web perjalanan yang menangani permintaan pelanggan. Ketika permintaan tersebut relatif jelas, cukup menggunakan alur kerja yang telah ditentukan sebelumnya; ketika permintaan tersebut melibatkan faktor yang lebih tidak pasti, agen cerdas dapat memberikan fleksibilitas dan bantuan yang diperlukan solusi yang paling sesuai.
smolagents mendukung berbagai model bahasa, termasuk API inferensi gratis Hugging Face dan model dari banyak perusahaan seperti OpenAI dan Anthropic. Pengguna dapat dengan mudah membangun agen cerdas mereka sendiri dengan menentukan alat dan model, dan bahkan membuat alat khusus untuk memenuhi kebutuhan spesifik. Kode contoh menunjukkan cara menggunakan Google Maps API untuk mendapatkan waktu perjalanan dan membuat rencana perjalanan. Setelah beberapa perhitungan, agen cerdas akhirnya memberikan rekomendasi perjalanan yang masuk akal kepada pengguna.
Selain kode yang disederhanakan dan dukungan alat yang beragam, smolagents juga mendukung eksekusi kode yang aman di lingkungan sandbox untuk memastikan keamanan pengguna. Di masa depan, agen smolagen secara bertahap akan menggantikan agen transformator pendahulunya dan menjadi pilihan yang lebih populer.
Penelitian menunjukkan bahwa penggunaan kode untuk melakukan operasi lebih efisien dibandingkan format JSON tradisional, dengan komposisi, kemampuan pengelolaan objek, dan ekspresi yang lebih baik. Artinya, smolagen akan membuka pintu baru bagi pengembang untuk mengambil langkah lebih jauh di bidang agen AI.
Pintu masuk: https://huggingface.co/blog/smolagents
Highlight:
smolagents adalah perpustakaan sumber terbuka yang baru dirilis yang dirancang untuk menyederhanakan proses membangun agen cerdas.
Pengguna dapat dengan cepat membuat agen cerdas untuk menyelesaikan tugas tertentu dengan menentukan alat dan model.
Penggunaan kode untuk melakukan operasi lebih efisien dibandingkan metode tradisional dan dapat meningkatkan kinerja dan fleksibilitas agen AI.
Secara keseluruhan, smolagents memberi pengembang alat yang kuat dan mudah digunakan yang menyederhanakan proses pembuatan agen cerdas serta meningkatkan kinerja dan fleksibilitasnya. Pengembangan di masa depan patut dinantikan. Perpustakaan open source baru diharapkan dapat mendorong perkembangan lebih lanjut di bidang kecerdasan buatan.