Agents Course documentation
将操作编写为代码片段或 JSON 结构
将操作编写为代码片段或 JSON 结构
工具调用智能体（Tool Calling Agents）是 smolagents 中提供的第二种智能体类型。与使用 Python 代码片段的代码智能体（Code Agents）不同，这类智能体利用 LLM 提供商的内置工具调用能力来生成 JSON 结构的工具调用指令。这是 OpenAI、Anthropic 等主流提供商采用的标准方法。
当 Alfred 想要搜索餐饮服务和派对创意时，CodeAgent 会生成并运行如下 Python 代码：
for query in [
"Best catering services in Gotham City",
"Party theme ideas for superheroes"
]:
print(web_search(f"Search for: {query}"))而 ToolCallingAgent 则会创建 JSON 结构：
[
{"name": "web_search", "arguments": "Best catering services in Gotham City"},
{"name": "web_search", "arguments": "Party theme ideas for superheroes"}
]该 JSON 结构随后会被用于执行工具调用。
尽管 smolagents 主要专注于 CodeAgents（因为它们整体表现更好），但对于不需要变量处理或复杂工具调用的简单系统，ToolCallingAgents 仍然可以高效工作。
工具调用智能体的工作原理
工具调用智能体遵循与代码智能体相同的多步骤工作流程（详见前一章节）。关键区别在于操作结构方式：智能体不再生成可执行代码，而是生成指定工具名称和参数的 JSON 对象，系统随后解析这些指令来执行相应工具。
示例：运行工具调用智能体
让我们重新审视 Alfred 开始筹备派对的示例，这次使用 ToolCallingAgent 来展示区别。我们将构建一个能够使用 DuckDuckGo 进行网页搜索的智能体，与代码智能体示例的唯一区别在于智能体类型——框架会处理其他所有细节：
from smolagents import ToolCallingAgent, DuckDuckGoSearchTool, InferenceClientModel
agent = ToolCallingAgent(tools=[DuckDuckGoSearchTool()], model=InferenceClientModel())
agent.run("Search for the best music recommendations for a party at the Wayne's mansion.")当查看智能体的执行跟踪时，您将看到类似以下内容而非 Executing parsed code:：
╭─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╮
│ Calling tool: 'web_search' with arguments: {'query': "best music recommendations for a party at Wayne's │
│ mansion"} │
╰─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯智能体生成结构化的工具调用指令，系统通过处理这些指令来生成输出，而非像 CodeAgent 那样直接执行代码。
现在我们已经了解两种智能体类型，可以根据需求选择合适的一种。让我们继续探索 smolagents，让 Alfred 的派对大获成功！🎉
资源
- ToolCallingAgent 文档 - ToolCallingAgent 的官方文档