[i18n-es] Translating docs to spanish

docs/source/es/_config.py

@@ -0,0 +1,14 @@
+# docstyle-ignore
+INSTALL_CONTENT = """
+# Installation
+! pip install smolagents
+# To install from source instead of the last release, comment the command above and uncomment the following one.
+# ! pip install git+https://github.com/huggingface/smolagents.git
+"""
+
+notebook_first_cells = [{"type": "code", "content": INSTALL_CONTENT}]
+black_avoid_patterns = {
+    "{processor_class}": "FakeProcessorClass",
+    "{model_class}": "FakeModelClass",
+    "{object_class}": "FakeObjectClass",
+}

docs/source/es/_toctree.yml

@@ -0,0 +1,54 @@
+- title: Primeros Pasos
+  sections:
+  - local: index
+    title: Introducción
+  - local: installation
+    title: Opciones de instalación
+#   - local: guided_tour
+#     title: Guided tour
+# - title: Tutorials
+#   sections:
+#   - local: tutorials/building_good_agents
+#     title: ✨ Building good agents
+#   - local: tutorials/inspect_runs
+#     title: 📊 Inspect your agent runs using telemetry
+#   - local: tutorials/tools
+#     title: 🛠️ Tools - in-depth guide
+#   - local: tutorials/secure_code_execution
+#     title: 🛡️ Secure code execution
+#   - local: tutorials/memory
+#     title: 📚 Manage your agent's memory
+# - title: Conceptual guides
+#   sections:
+#   - local: conceptual_guides/intro_agents
+#     title: 🤖 What are agents?
+#   - local: conceptual_guides/react
+#     title: 🤔 How do Multi-step agents work?
+# - title: Examples
+#   sections:
+#   - local: examples/text_to_sql
+#     title: Self-correcting Text-to-SQL
+#   - local: examples/rag
+#     title: Master your knowledge base with agentic RAG
+#   - local: examples/multiagents
+#     title: Orchestrate a multi-agent system
+#   - local: examples/web_browser
+#     title: Build a web browser agent using vision models
+#   - local: examples/using_different_models
+#     title: Using different models
+#   - local: examples/plan_customization
+#     title: "Human-in-the-Loop: Customize agent plan interactively"
+#   - local: examples/async_agent
+#     title: Async Applications with Agents
+# - title: Reference
+#   sections:
+#   - local: reference/agents
+#     title: Agent-related objects
+#   - local: reference/models
+#     title: Model-related objects
+#   - title: Tools
+#     sections:
+#     - title: Tool-related objects
+#       local: reference/tools
+#     - title: Built-in Tools
+#       local: reference/default_tools

docs/source/es/index.md

@@ -0,0 +1,125 @@
+# `smolagents`
+
+<div class="flex justify-center">
+    <img src="https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/smolagents/license_to_call.png" style="max-width:700px"/>
+</div>
+
+## ¿Qué es smolagents?
+
+`smolagents` es una biblioteca de código abierto en Python, diseñada para facilitar al máximo la construcción y ejecución de agentes con solo unas pocas líneas de código.
+
+Algunos aspectos clave de `smolagents` incluyen:
+
+✨ **Simplicidad**: La lógica de los agentes se implementa en aproximadamente unas mil líneas de código. ¡Lo hemos mantenido simple, sin agregar complejidad innecesaria!
+
+🧑‍💻 **Soporte avanzado para Agentes de Código**: [`CodeAgent`](reference/agents#smolagents.CodeAgent) ejecuta acciones directamente en código (en lugar de que los agentes generen código), lo que permite usar varias herramientas o realizar cálculos de manera flexible. Esto hace posible combinar de manera sencilla funciones anidadas, bucles, condicionales y mucho más. Para garantizar la seguridad, el agente puede [ejecutarse en un entorno aislado](tutorials/secure_code_execution) usando [E2B](https://e2b.dev/) o Docker.
+
+📡 **Integración nativa con agentes de herramientas**: además de los CodeAgent,  [`ToolCallingAgent`](reference/agents#smolagents.ToolCallingAgent) es compatible con el esquema tradicional basado en JSON/texto para casos en los que se prefiera este formato.
+
+🤗 **Integraciones con el Hub**: mediante Gradio Spaces es posible compartir y cargar múltiples agentes junto con herramientas desde o hacia el Hub de manera sencilla.
+
+🌐 **Independencia respecto al modelo**: integra fácilmente grandes modelos de lenguaje (LLM) alojados en el Hub mediante los [proveedores de inferencia](https://huggingface.co/docs/inference-providers/index), APIs externas como OpenAI, Anthropic y muchos otros a través de la integración con LiteLLM. Además, es posible ejecutar localmente estos sistemas utilizando Transformers u Ollama. Es sencillo y flexible potenciar un agente con tu LLM preferido.
+
+👁️ **Independencia respecto a la modalidad**: los agentes pueden procesar diferentes tipos de entrada (_inputs_) como texto, visión, video y audio, ampliando considerablemente el rango de aplicaciones posibles. Consulta este [tutorial](https://huggingface.co/docs/smolagents/v1.21.0/en/examples/web_browser) sobre el área de visión.
+
+🛠️ **Independencia respecto a las herramientas**: existe una gran variedad de herramientas en cualquier [Servidor MCP](reference/tools#smolagents.ToolCollection.from_mcp), marcos de orquestación como [LangChain](reference/tools#smolagents.Tool.from_langchain) e incluso existe la posibilidad de usar el [Hub Space](reference/tools#smolagents.Tool.from_space) como herramienta.
+
+💻 **Herramientas de CLI**: incluye utilidades en línea de comandos (smolagent, webagent) para ejecutar agentes rápidamente sin código repetitivo.
+
+## Inicio Rápido
+
+[[open-in-colab]]
+
+¡Comienza a usar smolagents en solo unos minutos! Esta guía te mostrará cómo crear y ejecutar tu primer agente.
+
+### Instalación
+
+Instala smolagents usando pip:
+
+```bash
+pip install smolagents[toolkit]  # Incluye herramientas básicas como búsqueda web.
+```
+
+### Crea tu Primer Agente
+
+A continuación se detalla un ejemplo básico para crear y ejecutar un agente:
+
+
+```python
+from smolagents import CodeAgent, InferenceClientModel
+
+# Iniciar el modelo (utilizando la API de Hugging Face Inference)
+model = InferenceClientModel()  # Utiliza el modelo por defecto
+
+# Crear un agente sin herramientas
+agent = CodeAgent(tools=[], model=model)
+
+# Ejecuta el agente con una tarea específica
+result = agent.run("Calculate the sum of numbers from 1 to 10")
+print(result)
+```
+¡Eso es todo! El agente usará Python para completar la tarea y entregar el resultado.
+
+### Agregar Herramientas
+
+Mejoremos las capacidades de nuestro agente añadiendo algunas herramientas:
+
+```python
+from smolagents import CodeAgent, InferenceClientModel, DuckDuckGoSearchTool
+
+model = InferenceClientModel()
+agent = CodeAgent(
+    tools=[DuckDuckGoSearchTool()],
+    model=model,
+)
+
+# ¡Ahora el agente puede buscar información en Internet!
+result = agent.run("What is the current weather in Paris?")
+print(result)
+```
+
+### Usar Modelos Diferentes
+
+Puedes usar diferentes modelos con los agentes:
+
+```python
+# Usar un modelo específico de Hugging Face
+model = InferenceClientModel(model_id="meta-llama/Llama-2-70b-chat-hf")
+
+# Usar la API de OpenAI/Anthropic (requiere smolagents[litellm])
+from smolagents import LiteLLMModel
+model = LiteLLMModel(model_id="gpt-4")
+
+# Utilizar modelos locales (requiere smolagents[transformers])
+from smolagents import TransformersModel
+model = TransformersModel(model_id="meta-llama/Llama-2-7b-chat-hf")
+```
+
+## Próximos Pasos
+
+- Aprende a configurar smolagents con diferentes modelos y herramientas en la [Guía de Instalación](installation).
+- Revisa el [Tutorial Guiado](guided_tour) y aprende a usar funciones más avanzadas.
+- Aprende a construir [herramientas personalizadas](tutorials/tools).
+- Conoce más sobre la [ejecución segura de código](tutorials/secure_code_execution).
+- Explora el desarrollo de [sistemas multiagente](tutorials/building_good_agents).
+
+<div class="mt-10">
+  <div class="w-full flex flex-col space-y-4 md:space-y-0 md:grid md:grid-cols-2 md:gap-y-4 md:gap-x-5">
+    <a class="!no-underline border dark:border-gray-700 p-5 rounded-lg shadow hover:shadow-lg" href="./guided_tour"
+      ><div class="w-full text-center bg-gradient-to-br from-blue-400 to-blue-500 rounded-lg py-1.5 font-semibold mb-5 text-white text-lg leading-relaxed">Tutorial Guiado</div>
+      <p class="text-gray-700">Domina los conceptos básicos y aprende a manejar agentes. Empieza aquí si nunca los has utilizado.</p>
+    </a>
+    <a class="!no-underline border dark:border-gray-700 p-5 rounded-lg shadow hover:shadow-lg" href="./examples/text_to_sql"
+      ><div class="w-full text-center bg-gradient-to-br from-indigo-400 to-indigo-500 rounded-lg py-1.5 font-semibold mb-5 text-white text-lg leading-relaxed">Guías prácticas</div>
+      <p class="text-gray-700">Ejemplos prácticos para guiarte en diferentes proyectos. ¡Desarrolla un agente que genere y valide consultas SQL!</p>
+    </a>
+    <a class="!no-underline border dark:border-gray-700 p-5 rounded-lg shadow hover:shadow-lg" href="./conceptual_guides/intro_agents"
+      ><div class="w-full text-center bg-gradient-to-br from-pink-400 to-pink-500 rounded-lg py-1.5 font-semibold mb-5 text-white text-lg leading-relaxed">Guías Conceptuales</div>
+      <p class="text-gray-700">Conceptos avanzados para profundizar en la comprensión de temas clave.</p>
+   </a>
+    <a class="!no-underline border dark:border-gray-700 p-5 rounded-lg shadow hover:shadow-lg" href="./tutorials/building_good_agents"
+      ><div class="w-full text-center bg-gradient-to-br from-purple-400 to-purple-500 rounded-lg py-1.5 font-semibold mb-5 text-white text-lg leading-relaxed">Tutoriales</div>
+      <p class="text-gray-700">Tutoriales completos que cubren aspectos clave para el desarrollo de agentes.</p>
+    </a>
+  </div>
+</div>