Replace DuckDuckGoSearchTool with WebSearchTool in docs (huggingface#1303)

Author: albertvillanova

README.md

@@ -57,10 +57,10 @@ pip install smolagents[toolkit]
 ```
 Then define your agent, give it the tools it needs and run it!
 ```py
-from smolagents import CodeAgent, DuckDuckGoSearchTool, InferenceClientModel
+from smolagents import CodeAgent, WebSearchTool, InferenceClientModel
 
 model = InferenceClientModel()
-agent = CodeAgent(tools=[DuckDuckGoSearchTool()], model=model)
+agent = CodeAgent(tools=[WebSearchTool()], model=model)
 
 agent.run("How many seconds would it take for a leopard at full speed to run through Pont des Arts?")
 ```

docs/source/en/examples/multiagents.mdx

@@ -46,9 +46,9 @@ model_id = "Qwen/Qwen2.5-Coder-32B-Instruct"
 
 ## 🔍 Create a web search tool
 
-For web browsing, we can already use our pre-existing [`DuckDuckGoSearchTool`](https://github.com/huggingface/smolagents/blob/main/src/smolagents/default_tools.py#L151-L176) tool to provide a Google search equivalent.
+For web browsing, we can already use our native [`WebSearchTool`] tool to provide a Google search equivalent.
 
-But then we will also need to be able to peak into the page found by the `DuckDuckGoSearchTool`.
+But then we will also need to be able to peak into the page found by the `WebSearchTool`.
 To do so, we could import the library's built-in `VisitWebpageTool`, but we will build it again to see how it's done.
 
 So let's create our `VisitWebpageTool` tool from scratch using `markdownify`.
@@ -109,14 +109,14 @@ from smolagents import (
     CodeAgent,
     ToolCallingAgent,
     InferenceClientModel,
-    DuckDuckGoSearchTool,
+    WebSearchTool,
     LiteLLMModel,
 )
 
 model = InferenceClientModel(model_id=model_id)
 
 web_agent = ToolCallingAgent(
-    tools=[DuckDuckGoSearchTool(), visit_webpage],
+    tools=[WebSearchTool(), visit_webpage],
     model=model,
     max_steps=10,
     name="web_search_agent",

docs/source/en/guided_tour.mdx

@@ -291,9 +291,9 @@ You can manually use a tool by calling it with its arguments.
 
 ```python
 # !pip install smolagents[toolkit]
-from smolagents import DuckDuckGoSearchTool
+from smolagents import WebSearchTool
 
-search_tool = DuckDuckGoSearchTool()
+search_tool = WebSearchTool()
 print(search_tool("Who's the current president of Russia?"))
 ```
 
@@ -424,15 +424,15 @@ You can easily build hierarchical multi-agent systems with `smolagents`.
 To do so, just ensure your agent has `name` and`description` attributes, which will then be embedded in the manager agent's system prompt to let it know how to call this managed agent, as we also do for tools.
 Then you can pass this managed agent in the parameter managed_agents upon initialization of the manager agent.
 
-Here's an example of making an agent that managed a specific web search agent using our [`DuckDuckGoSearchTool`]:
+Here's an example of making an agent that managed a specific web search agent using our native [`WebSearchTool`]:
 
 ```py
-from smolagents import CodeAgent, InferenceClientModel, DuckDuckGoSearchTool
+from smolagents import CodeAgent, InferenceClientModel, WebSearchTool
 
 model = InferenceClientModel()
 
 web_agent = CodeAgent(
-    tools=[DuckDuckGoSearchTool()],
+    tools=[WebSearchTool()],
     model=model,
     name="web_search",
     description="Runs web searches for you. Give it your query as an argument."

docs/source/en/reference/tools.mdx

@@ -42,6 +42,10 @@ contains the API docs for the underlying classes.
 
 [[autodoc]] UserInputTool
 
+### WebSearchTool
+
+[[autodoc]] WebSearchTool
+
 ### DuckDuckGoSearchTool
 
 [[autodoc]] DuckDuckGoSearchTool

docs/source/en/tutorials/building_good_agents.mdx

@@ -397,15 +397,15 @@ This also works with the [`ToolCallingAgent`].
 We provide a model for a supplementary planning step, that an agent can run regularly in-between normal action steps. In this step, there is no tool call, the LLM is simply asked to update a list of facts it knows and to reflect on what steps it should take next based on those facts.
 
 ```py
-from smolagents import load_tool, CodeAgent, InferenceClientModel, DuckDuckGoSearchTool
+from smolagents import load_tool, CodeAgent, InferenceClientModel, WebSearchTool
 from dotenv import load_dotenv
 
 load_dotenv()
 
 # Import tool from Hub
 image_generation_tool = load_tool("m-ric/text-to-image", trust_remote_code=True)
 
-search_tool = DuckDuckGoSearchTool()
+search_tool = WebSearchTool()
 
 agent = CodeAgent(
     tools=[search_tool, image_generation_tool],

docs/source/en/tutorials/inspect_runs.mdx

@@ -54,15 +54,15 @@ Then you can run your agents!
 from smolagents import (
     CodeAgent,
     ToolCallingAgent,
-    DuckDuckGoSearchTool,
+    WebSearchTool,
     VisitWebpageTool,
     InferenceClientModel,
 )
 
 model = InferenceClientModel()
 
 search_agent = ToolCallingAgent(
-    tools=[DuckDuckGoSearchTool(), VisitWebpageTool()],
+    tools=[WebSearchTool(), VisitWebpageTool()],
     model=model,
     name="search_agent",
     description="This is an agent that can do web search.",
@@ -143,7 +143,7 @@ SmolagentsInstrumentor().instrument(tracer_provider=trace_provider)
 from smolagents import (
     CodeAgent,
     ToolCallingAgent,
-    DuckDuckGoSearchTool,
+    WebSearchTool,
     VisitWebpageTool,
     InferenceClientModel,
 )
@@ -153,7 +153,7 @@ model = InferenceClientModel(
 )
 
 search_agent = ToolCallingAgent(
-    tools=[DuckDuckGoSearchTool(), VisitWebpageTool()],
+    tools=[WebSearchTool(), VisitWebpageTool()],
     model=model,
     name="search_agent",
     description="This is an agent that can do web search.",

docs/source/en/tutorials/memory.mdx

@@ -83,7 +83,7 @@ Then you should pass this function in the `step_callbacks` argument upon initial
 
 ```py
 CodeAgent(
-    tools=[DuckDuckGoSearchTool(), go_back, close_popups, search_item_ctrl_f],
+    tools=[WebSearchTool(), go_back, close_popups, search_item_ctrl_f],
     model=model,
     additional_authorized_imports=["helium"],
     step_callbacks=[update_screenshot],

docs/source/hi/examples/multiagents.mdx

@@ -49,9 +49,9 @@ model_id = "Qwen/Qwen2.5-Coder-32B-Instruct"
 
 ## 🔍 एक वेब सर्च टूल बनाएं
 
-वेब ब्राउज़िंग के लिए, हम पहले से मौजूद [`DuckDuckGoSearchTool`](https://github.com/huggingface/smolagents/blob/main/src/smolagents/default_tools.py#L151-L176) टूल का उपयोग कर सकते हैं जो Google search के समान सुविधा प्रदान करता है।
+वेब ब्राउज़िंग के लिए, हम पहले से मौजूद [`WebSearchTool`] टूल का उपयोग कर सकते हैं जो Google search के समान सुविधा प्रदान करता है।
 
-लेकिन फिर हमें `DuckDuckGoSearchTool` द्वारा खोजे गए पेज को देखने में भी सक्षम होने की आवश्यकता होगी।
+लेकिन फिर हमें `WebSearchTool` द्वारा खोजे गए पेज को देखने में भी सक्षम होने की आवश्यकता होगी।
 ऐसा करने के लिए, हम लाइब्रेरी के बिल्ट-इन `VisitWebpageTool` को इम्पोर्ट कर सकते हैं, लेकिन हम इसे फिर से बनाएंगे यह देखने के लिए कि यह कैसे किया जाता है।
 
 तो आइए `markdownify` का उपयोग करके शुरू से अपना `VisitWebpageTool` टूल बनाएं।
@@ -113,14 +113,14 @@ from smolagents import (
     ToolCallingAgent,
     InferenceClientModel,
     ManagedAgent,
-    DuckDuckGoSearchTool,
+    WebSearchTool,
     LiteLLMModel,
 )
 
 model = InferenceClientModel(model_id=model_id)
 
 web_agent = ToolCallingAgent(
-    tools=[DuckDuckGoSearchTool(), visit_webpage],
+    tools=[WebSearchTool(), visit_webpage],
     model=model,
     max_steps=10,
 )

docs/source/hi/guided_tour.mdx

@@ -152,9 +152,9 @@ agent.run("Could you get me the title of the page at url 'https://huggingface.co
 आप मैन्युअल रूप से एक टूल का उपयोग उसके आर्ग्यूमेंट्स के साथ कॉल करके कर सकते हैं।
 
 ```python
-from smolagents import DuckDuckGoSearchTool
+from smolagents import WebSearchTool
 
-search_tool = DuckDuckGoSearchTool()
+search_tool = WebSearchTool()
 print(search_tool("Who's the current president of Russia?"))
 ```
 
@@ -283,14 +283,14 @@ Microsoft के फ्रेमवर्क [Autogen](https://huggingface.co/pa
 
 ऐसा करने के लिए, एजेंट को [`ManagedAgent`] ऑब्जेक्ट में समाहित करें। यह ऑब्जेक्ट `agent`, `name`, और एक `description` जैसे तर्कों की आवश्यकता होती है, जो फिर मैनेजर एजेंट की सिस्टम प्रॉम्प्ट में एम्बेड किया जाता है  
 
-यहां एक एजेंट बनाने का उदाहरण दिया गया है जो हमारे [`DuckDuckGoSearchTool`] का उपयोग करके एक विशिष्ट वेब खोज एजेंट को प्रबंधित करता है।
+यहां एक एजेंट बनाने का उदाहरण दिया गया है जो हमारे [`WebSearchTool`] का उपयोग करके एक विशिष्ट वेब खोज एजेंट को प्रबंधित करता है।
 
 ```py
-from smolagents import CodeAgent, InferenceClientModel, DuckDuckGoSearchTool, ManagedAgent
+from smolagents import CodeAgent, InferenceClientModel, WebSearchTool, ManagedAgent
 
 model = InferenceClientModel()
 
-web_agent = CodeAgent(tools=[DuckDuckGoSearchTool()], model=model)
+web_agent = CodeAgent(tools=[WebSearchTool()], model=model)
 
 managed_web_agent = ManagedAgent(
     agent=web_agent,

docs/source/hi/tutorials/building_good_agents.mdx

@@ -397,15 +397,15 @@ This also works with the [`ToolCallingAgent`].
 हम पूरक योजना चरण के लिए एक मॉडल प्रदान करते हैं, जिसे एजेंट सामान्य क्रियाओं के चरणों के बीच नियमित रूप से चला सकता है। इस चरण में कोई टूल कॉल नहीं होती है, LLM से केवल उन तथ्यों की सूची को अपडेट करने के लिए कहा जाता है जो उसे ज्ञात हैं और इन तथ्यों के आधार पर उसे अगले कदमों के बारे में विचार करना होता है।
 
 ```py
-from smolagents import load_tool, CodeAgent, InferenceClientModel, DuckDuckGoSearchTool
+from smolagents import load_tool, CodeAgent, InferenceClientModel, WebSearchTool
 from dotenv import load_dotenv
 
 load_dotenv()
 
 # Import tool from Hub
 image_generation_tool = load_tool("m-ric/text-to-image", trust_remote_code=True)
 
-search_tool = DuckDuckGoSearchTool()
+search_tool = WebSearchTool()
 
 agent = CodeAgent(
     tools=[search_tool],