Un framework deliberatamente piccolo
Il 31 dicembre 2024 HuggingFace annuncia SmolAgents, un framework per costruire agenti basati su LLM con una filosofia dichiaratamente minimalista. Il progetto — guidato da Aymeric Roucher e dal suo team — nasce come risposta alla complessità crescente dei framework agent concorrenti, proponendo un’astrazione compatta (poche migliaia di righe di codice) e completamente integrata nell’ecosistema HuggingFace Hub. La licenza è Apache 2.0.
L’obiettivo dichiarato è fornire primitive semplici e componibili: un agent è definito da un modello linguistico, un insieme di tool e una strategia di esecuzione. Nessun grafo di stati, nessuna DSL dedicata, nessun abstraction layer intermedio.
CodeAgent e ToolCallingAgent
SmolAgents distingue due modalità operative. Il CodeAgent genera direttamente codice Python che richiama i tool come funzioni ed esegue il codice per produrre risultati intermedi. Il ToolCallingAgent segue invece il paradigma classico basato su JSON: il modello emette chiamate a tool in formato strutturato e il framework le inoltra all’implementazione corrispondente.
La scelta di privilegiare il CodeAgent si basa sul paper “Executable Code Actions Elicit Better LLM Agents” (Wang et al., 2024), che mostra come gli agent che esprimono azioni in codice eseguibile superino quelli basati su JSON in diversi benchmark, grazie alla maggiore espressività del linguaggio di programmazione e alla capacità di comporre chiamate multiple in un’unica azione.
Tool protocol e sandboxing
Il tool protocol di SmolAgents è nativamente integrato con l’HuggingFace Hub: i tool possono essere pubblicati, versionati e condivisi come Space o come repository dedicati. La definizione di un tool richiede un docstring tipizzato — il framework ricava automaticamente lo schema delle argomenti dalla firma Python — e può essere caricata da remoto senza passaggi aggiuntivi di registrazione.
Per l’esecuzione di codice generato da un modello, SmolAgents supporta l’integrazione opzionale con E2B, un ambiente sandbox remoto basato su Firecracker microVM. L’uso di E2B isola l’esecuzione del codice dall’ambiente host, mitigando il rischio di effetti collaterali indesiderati. In assenza di E2B, il framework include un executor Python locale con un set ristretto di moduli autorizzati.
Posizionamento nell’ecosistema
SmolAgents non si propone come sostituto completo di framework più ampi come LangChain o LlamaIndex, ma come strumento essenziale per casi d’uso in cui la superficie d’astrazione deve restare ridotta. Il progetto si inserisce nella tradizione HuggingFace di fornire componenti interoperabili — transformers, datasets, accelerate — e ne estende il modello al dominio agentico.