smolagents 代码优先 AI Agent 库

它解决什么问题

主流 Agent 框架大多沿用 ReAct 范式：LLM 输出结构化的 JSON 动作，模型只能在「JSON 能表达什么」的框里推理。这个约束在三个地方暴露问题：多步推理时 schema 写得僵硬、一次动作通常只能调一个工具、稍复杂的流程被强行拆碎后推理链反而变长。smolagents 的选择是直接替换动作空间——让 Agent 写 Python。

核心机制

• 动作即代码：CodeAgent 的每一步动作都是一段 Python 代码片段，LLM 引擎负责产出代码而非 JSON。工具调用随之退化为普通的 Python 函数调用。
• 一次动作编排多个工具：由于动作是完整的代码块，Agent 可以在一段代码里连续调用多个工具、处理中间结果。例如一次动作即可在多个站点上完成搜索并汇总。
• 沙箱执行：生成的代码不会在当前进程里裸跑，后端可选 E2B、Docker（自托管容器隔离）或 WebAssembly。

怎么用起来

流程很轻：把工具封装成 Python 函数 → 定义 CodeAgent → 交给它任务 → 运行。几行代码就能拉起一个会写代码来推理的 Agent。

适用边界与注意点

• 它是极简库（barebones），不含平台级能力：编排、监控、持久化都要自己接。
• CodeAgent 的心智模型仍接近经典 ReAct 循环，只是动作表示从 JSON 换成了代码——别指望换表示法就能补上模型推理能力的短板。
• 模型直接产出可执行代码，沙箱隔离是硬前提，不是可选配置。
• 工具需要以 Python 函数形式提供，非 Python 生态的工具要自己封装。