Les ToolCallingAgent sont le deuxième type d’agent disponible dans smolagents. Contrairement aux CodeAgent qui utilisent des extraits de code en Python, ces agents utilisent les capacités d’appel d’outils intégrées des fournisseurs de LLM pour générer des appels d’outils sous forme de structures JSON. C’est l’approche standard utilisée par OpenAI, Anthropic et de nombreux autres fournisseurs.
Regardons un exemple. Quand Alfred veut rechercher des services de restauration et des idées de fête, un CodeAgent générerait et exécuterait du code Python comme ceci :
for query in [
"Meilleurs services de restauration à Gotham City",
"Idées de thème de fête pour super-héros"
]:
print(web_search(f"Rechercher : {query}"))Un ToolCallingAgent créerait plutôt une structure JSON :
[
{"name": "web_search", "arguments": "Meilleurs services de restauration à Gotham City"},
{"name": "web_search", "arguments": "Idées de thème de fête pour super-héros"}
]Ce blob JSON est ensuite utilisé pour exécuter les appels d’outils.
Bien que smolagents se concentre principalement sur les CodeAgent puisqu’ils performent mieux dans l’ensemble, les ToolCallingAgent peuvent être efficaces pour des systèmes simples qui ne nécessitent pas de gestion de variables ou d’appels d’outils complexes.

Les ToolCallingAgent suivent le même workflow multi-étapes que les CodeAgent (voir la section précédente pour plus de détails).
La différence clé est dans la façon dont ils structurent leurs actions : au lieu de code exécutable, ils génèrent des objets JSON qui spécifient les noms d’outils et les arguments. Le système analyse ensuite ces instructions pour exécuter les outils appropriés.
Revisitions l’exemple précédent où Alfred a commencé les préparatifs de la fête, mais cette fois nous utiliserons un ToolCallingAgent pour mettre en évidence la différence. Nous allons construire un agent qui peut rechercher sur le web en utilisant DuckDuckGo, tout comme dans notre exemple de CodeAgent. La seule différence est le type d’agent ; le framework gère tout le reste :
from smolagents import ToolCallingAgent, DuckDuckGoSearchTool, InferenceClientModel
agent = ToolCallingAgent(tools=[DuckDuckGoSearchTool()], model=InferenceClientModel())
agent.run("Recherche les meilleures recommandations musicales pour une fête au manoir des Wayne.")Lorsque vous examinez la trace de l’agent, au lieu de voir Executing parsed code:, vous verrez quelque chose comme :
╭─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╮
│ Calling tool: 'web_search' with arguments: {'query': "meilleures recommandations musicales pour une fête au │
│ manoir des Wayne"} │
╰─────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯L’agent génère un appel d’outil structuré que le système traite pour produire la sortie, plutôt que d’exécuter directement du code.
Maintenant que nous comprenons les deux types d’agents, nous pouvons choisir celui adapté à nos besoins. Continuons à explorer smolagents pour faire de la fête d’Alfred un succès ! 🎉
ToolCallingAgent