LoslegenKostenlos loslegen

Agent-Schritte verfolgen, Aktionen im Blick behalten

Du baust einen smolagents-Assistenten für eine Basketballtrainerin bzw. einen -trainer, die/der Hilfe bei der Analyse von PDF-Berichten mit Spielerstatistiken, Scouting-Insights und Spielstrategien braucht.

Der Coach verlässt sich auf den Agenten, um Fragen wie diese zu beantworten: "Welche Defensiv-Strategien sollten wir gegen ihre Second Unit spielen?"

Aber der Coach möchte nicht nur Antworten – er oder sie will auch Einblick, was der Agent hinter den Kulissen macht.

In dieser Übung schreibst du einen Action-Callback, der jedes Mal ausgeführt wird, wenn der Agent einen Schritt macht, etwa ein Tool aufruft oder das Modell nutzt. Dieser Callback wird:

  • die Anzahl der Schritte anzeigen,
  • und wenn der Agent fertig ist, anzeigen, wie viele Tokens verwendet wurden.

So können der Coach (und du!) verfolgen, wie der Agent vorankommt und wie viel Arbeit er leistet, um zu einem Ergebnis zu kommen.

Diese Übung ist Teil des Kurses

AI-Agents mit Hugging Face smolagents

Kurs anzeigen

Anleitung zur Übung

  • Vervollständige die Funktionssignatur, indem du den Parameter agent_step hinzufügst.
  • Prüfe, ob der aktuelle Schritt eine finale Antwort erzeugt hat, indem du das Attribut .is_final_answer von agent_step verwendest.
  • Wenn es die finale Antwort ist, hole die Gesamtzahl der Tokens aus total_tokens und gib sie aus.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Define an action callback that accepts the agent step and the agent
def action_callback(____, agent):
    step_num = agent_step.step_number
    print(f"Step {step_num}: Analyzing basketball data!")
    
    # Check if the agent step includes token usage
    if agent_step.____:
        total_tokens = agent_step.token_usage.total_tokens
        # Print how many tokens were used
        print(f"Analysis complete! Total tokens used: {____}")
Code bearbeiten und ausführen