Hugging Face 推出了一个千行代码的 Agent 框架，别再死磕 LangChain 了

做 AI Agent 开发，很多人第一反应是 LangChain/LangGraph——功能确实全，但抽象层太厚，改一行代码要翻半天文档。

今天想聊一个「反着来」的框架：smolagents，来自 Hugging Face 官方。

它的核心理念就一句话：让 Agent 用代码思考，而不是用文本思考。

先说最离谱的点：代码量

整个 Agent 核心逻辑大约 1,000 行代码。对，你没看错。LangChain 的 agent 核心少说上万行，smolagents 直接砍到千行以内。

结果是什么？透明、可控、容易改。 你不需要是个框架专家也能看懂它在干什么。

CodeAgent：用代码做动作

smolagents 主推的是 CodeAgent——和「让 Agent 写代码」完全不是一回事。

它的意思是：Agent 的每一步动作都是一段可执行的代码，而不是一个 JSON 指令或字符串。这个设计让 Agent 的推理过程完全可视化，你能看到它在想什么、打算做什么、为什么做这个选择。

执行安全怎么办？支持 E2B、Modal、Docker、Blaxel 沙箱隔离，安全地跑不受信的代码。

模型随便换

这是我觉得最有意思的地方——smolagents 是彻底模型无关的。

你可以用：

• 本地 transformers / ollama 模型
• Hugging Face Hub 上任何推理 provider
• OpenAI、Anthropic 系模型（通过 LiteLLM）
• OpenRouter、Together AI 等 OpenAI 兼容接口

切换模型只需要改一行配置，Agent 代码本身不用动。这个设计对需要对比不同模型效果的人来说非常友好。

工具生态

工具接入也很广：

• MCP 服务器（Model Context Protocol）
• LangChain 工具
• 直接把 Hugging Face Space 当工具用

也就是说，现有的很多工具生态是可以直接复用的，不需要重新造轮子。

适合谁用

如果你：

• 想快速跑一个可用的 Agent 原型
• 对 LangChain 感到信息过载
• 需要精确控制 Agent 行为、方便调试
• 在多个模型之间做对比评测

smolagents 值得试试。它的设计哲学很明确：少即是多，把复杂度留给用户，不留给框架。

GitHub 开源，28.7k Star，Hugging Face 官方维护，生态还在快速扩张中。

👉 GitHub：huggingface/smolagents

GitHub: https://github.com/huggingface/smolagents