把大模型和「真的動手」連在一起，過去總得在框架的抽象層裡繞上好幾圈：定義節點、描述工具、設定狀態流轉。等東西真的跑起來，熱情已經少了一半。這裡要談的程式庫站在相反的位置，而那個位置就是它的全部重點：代理不需要一個框架，它需要一個能動手的辦法。

smolagents 是一個小型的開源程式庫，核心邏輯大約一千行，由那個大多數人繞著它轉的模型社群所屬團隊發布。它的核心主張是：模型不必學會一種專門用來呼叫工具的格式，讓它寫程式就好——用它本來最擅長的語言，然後把那段程式跑起來。

用程式碼思考，而不是填一張表

慣常的做法是請模型輸出一段結構化指令：呼叫哪個工具、傳什麼參數，格式固定，框架才解析得動。這裡的替代方案是請它寫一小段能跑的 Python，由程式庫執行，再把輸出交回模型繼續推理。程式天生有迴圈、條件與巢狀呼叫，於是一個原本要好幾趟結構化往返的多步任務，常常一段短腳本就講完了。

伴隨這個做法公布的數字顯示，在可比的任務上，步驟與模型呼叫大約比結構化那條路少三分之一。對於按呼叫次數計費的服務來說，這不是四捨五入的誤差，而是「可以反覆跑」與「跑不起」之間的差別。宣告一個能力也一樣樸素：一個普通函式、一段清楚的說明，代理自己決定什麼時候用。不必寫膠水程式，也不必預先編排好每一步呼叫。

模型由你決定

這個程式庫對模型保持中立，這也是它用起來比較舒服的地方之一。託管的推理服務、透過一層路由接上的商業廠商、跑在自己機器上的本機模型，從代理的角度看形狀都一樣；切換通常只是改一行初始化，而不是重寫邏輯。

模型的能力決定天花板。它越會寫程式，這種做法表現越好——這一點社群反覆提到，也值得在採用之前認真對待：一個靠寫程式行動的代理，同時繼承了它所用模型在寫程式上的長處與短處。

誰在執行，在哪裡執行

產生程式再拿去跑，馬上會碰到那個明顯的問題，而專案回答得毫不含糊：本機執行器只適合開發與除錯，它不是安全邊界。重要的任務應該在隔離環境裡跑，取得隔離有幾條路：託管的沙箱，或者你自己控制的容器，在定義代理時用一個參數選定。

另外兩道節制也很合理。產生的程式預設只能使用語言的標準模組，要用第三方套件必須明確授權，這就擋掉了隨手 import 一個會連上網路的東西。程式若出錯，代理會讀錯誤訊息、修正後重試，而嘗試次數由一個預設值很小的步數上限控制，糊塗的代理不會在你的帳單上無限打轉。

身處生態系的好處

由一個大型模型社群所屬團隊製作，帶來一個很難複製的好處：做好的工具或代理可以發布到那個社群，別人像裝依賴一樣拉下來重用；甚至可以把一個線上示範應用整個當成一個工具交給代理。在那個生態之外，來自一套開放協定與另一個熱門框架的工具也能接進來，而輸入不限於文字——影像、影片、音訊都支援。

對於想弄懂代理怎麼運作的人，最有價值的性質是可讀性。一千行短到可以靠讀原始碼診斷問題，而不是跟層層抽象搏鬥。這種尺度的透明、以程式碼行動的效率，加上模型與工具隨意替換的自由，三樣疊起來，是一個意外順手的起點。

適合誰

想一次只改一個部分、其餘固定不動的研究者；想把代理放進既有程式、而不是在它外面再長一個應用程式的開發者；以及被「抽象省下的時間比它花掉的少」的框架惹毛過的人。它免費且開源，一千行短到一個下午就能讀完。