Hugging Face が提供するコード生成エージェントのソースサンプル
1. smolagents GitHub リポジトリ
README やドキュメントにも「最小限のコードでエージェントを実行」「CodeAgent の行動をコードで定義」が強調されています。
2. 公式ブログ「Open-source DeepResearch – Freeing our search agents」
Open Deep Research の再現プロジェクトとして、CodeAgent を使って行動をコードで記述し実行するアプローチを紹介。
コードエージェントにより、JSON ベースのエージェントよりも大幅に高いパフォーマンスが得られる点が示され、コード生成の優位性を裏付けています。
3. 公式導入ブログ「Introducing smolagents」
CodeAgent を使った最小限のコード例が掲載されています：
from smolagents import CodeAgent, DuckDuckGoSearchTool, HfApiModel
agent = CodeAgent(tools=[DuckDuckGoSearchTool()], model=HfApiModel())
agent.run("How many seconds would it take for a leopard at full speed to run through Pont des Arts?")この例でも、LLM がコードを生成し、実行して結果を返す構造であることが示されています。
コード生成・実行フローを確認できるドキュメント例
公式チュートリアル「Let’s See Some Examples」より：
agent = CodeAgent(tools=[DuckDuckGoSearchTool()], model=InferenceClientModel())
agent.run("Search for the best music recommendations for a party at the Wayne's mansion.")実行すると、生成された Python コードとそれが実行される様子が表示されます：
─ Executing parsed code: ───────────────────────────────────────────
results = web_search(query="best music for a Batman party")
print(results)
────────────────────────────────────────────────────────────────────これはまさに「LLM が計画をコードとして出力し、それを実行する」オーケストレーションのフローそのものです。
まとめ：プログラム生成を示すサンプルまとめ
| ソース | 特徴 |
|---|---|
| GitHub（smolagents） リンク +1 |
CodeAgent によるコード生成＋実行が中核。 |
| 公式ブログ（Open-source DeepResearch） リンク |
コードエージェントの性能優位性と設計思想を明示。 |
| 導入ブログ（smolagents紹介） リンク |
シンプルなコード例で、コード生成と実行の構成が確認可能。 |
| チュートリアル／ドキュメント リンク |
生成コードがコンソールで実行される流れをサンプル提示。 |
