Hub documentation
SDK를 활용한 빌드
단일 로그인(SSO) 감사 로그 스토리지 리전 비공개 데이터셋용 Data Studio 리소스 그룹(액세스 제어) 고급 컴퓨트 옵션 고급 보안 토큰 관리 서비스 계정 발행자 분석 게이팅 그룹 컬렉션 네트워크 보안 다운로드 분석 속도 제한 블로그 글
PRO 플랜 리포지토리 레포지토리 시작하기 저장소 설정 저장 용량 제한 스토리지 백엔드(Xet) 로컬 캐시 Pull Requests & Discussions 알림 컬렉션 Webhooks GitHub Actions 노트북 다음 단계 라이선스
모델 모델 허브 모델 카드 평가 결과 리더보드 데이터 게이트된 모델 모델 업로드 모델 다운로드 통합 라이브러리 모델 위젯 모델 추론 모델 다운로드 통계 모델 릴리스 체크리스트 하드웨어 로컬 앱 자주 묻는 질문 고급 주제
데이터셋 Datasets 개요 Dataset Cards 게이트된 데이터셋 데이터셋 업로드 데이터셋 업로드 (LLM용) 데이터셋 다운로드 스트리밍 데이터셋 통합 라이브러리 Data Studio Agent Traces 데이터셋 다운로드 통계
Spaces Spaces 개요 Spaces GPU 업그레이드 Spaces ZeroGPU Spaces Dev Mode Spaces 디스크 사용량 및 저장소 Spaces 사용자 지정 도메인 MCP 서버로 사용 가능한 Spaces Spaces를 에이전트 도구로 API 엔드포인트로 사용하는 Spaces Gradio Spaces Streamlit Spaces Static HTML Spaces Docker Spaces Space 임베드하기 Docker로 Spaces 실행 Spaces 구성 참조 HF로 로그인 버튼 주요 Spaces Spaces 변경 이력 고급 주제
Storage Buckets new 컨테이너 이미지 new Jobs Jobs 개요 빠른 시작 Pricing and Billing 작업 관리 구성 Docker 이미지 사용 모델 서빙 모델 학습 예제 및 튜토리얼 대규모 데이터셋 처리 Schedule Jobs Webhook 자동화 참고
에이전트 에이전트 개요 AI 에이전트를 위한 Hugging Face CLI Hugging Face MCP 서버 Hugging Face Agent Skills HF SDK를 사용하여 에이전트 구축하기 llama.cpp를 활용한 로컬 에이전트 에이전트 라이브러리 세션 추적 형식
기타 SDK를 활용한 빌드
Hugging Face의 에이전틱 SDK를 사용하여 MCP 기반 에이전트를 구축합니다. huggingface_hub(Python) 및 @huggingface/tiny-agents(JavaScript) 라이브러리는 LLM을 MCP 도구에 연결하는 데 필요한 모든 것을 제공합니다.
설치
Python
JavaScript
pip install "huggingface_hub[mcp]"npm install @huggingface/tiny-agents
# or
pnpm add @huggingface/tiny-agents빠른 시작: 에이전트 실행
가장 빠르게 시작하는 방법은 tiny-agents CLI를 사용하는 것입니다:
Python
JavaScript
tiny-agents run julien-c/flux-schnell-generator
npx @huggingface/tiny-agents run "julien-c/flux-schnell-generator"이것은 tiny-agents collection에서 에이전트를 로드하고, 해당 MCP 서버에 연결한 후, 대화형 채팅을 시작합니다.
Agent 클래스 사용
Agent 클래스는 채팅 루프와 MCP 도구 실행을 관리합니다. LLM 실행에 Inference Providers를 사용합니다.
Python
JavaScript
from huggingface_hub import Agent
import asyncio
agent = Agent(
model="Qwen/Qwen2.5-72B-Instruct",
provider="novita",
servers=[
{
"type": "sse",
"url": "https://huggingface.co/proxy/evalstate-flux1-schnell.hf.space/gradio_api/mcp/sse"
}
]
)
async def main():
async for chunk in agent.run("Generate an image of a sunset"):
if hasattr(chunk, 'choices'):
delta = chunk.choices[0].delta
if delta.content:
print(delta.content, end="")
asyncio.run(main())모든 옵션은 Agent reference를 참조하세요.
import { Agent } from "@huggingface/tiny-agents";
const agent = new Agent({
model: "Qwen/Qwen2.5-72B-Instruct",
provider: "novita",
apiKey: process.env.HF_TOKEN,
servers: [
{
type: "sse",
url: "https://huggingface.co/proxy/evalstate-flux1-schnell.hf.space/gradio_api/mcp/sse"
}
]
});
await agent.loadTools();
for await (const chunk of agent.run("Generate an image of a sunset")) {
if ("choices" in chunk) {
const delta = chunk.choices[0]?.delta;
if (delta.content) {
console.log(delta.content);
}
}
}모든 옵션에 대한 내용은 tiny-agents 문서를 참조하세요.
MCPClient 직접 사용
더 세밀한 제어가 필요하면 MCPClient를 사용하여 MCP 서버와 도구 호출을 직접 관리하세요.
Python
JavaScript
import asyncio
from huggingface_hub import MCPClient
async def main():
async with MCPClient(
model="Qwen/Qwen2.5-72B-Instruct",
provider="novita",
) as client:
# Connect to an MCP server
await client.add_mcp_server(
type="sse",
url="https://huggingface.co/proxy/evalstate-flux1-schnell.hf.space/gradio_api/mcp/sse"
)
# Process a request with tools
messages = [{"role": "user", "content": "Generate an image of a sunset"}]
async for chunk in client.process_single_turn_with_tools(messages):
if hasattr(chunk, 'choices'):
delta = chunk.choices[0].delta
if delta.content:
print(delta.content, end="")
asyncio.run(main())모든 옵션은 MCPClient 참조를 확인하세요.
JavaScript SDK는 MCP 상호작용에 Agent 클래스를 사용합니다. 더 낮은 수준의 제어가 필요하면 @huggingface/mcp-client 패키지를 참고하세요.
에이전트 공유하기
Hub의 tiny-agents collection에 에이전트를 기여하세요. 다음을 포함하세요:
agent.json- 에이전트 구성 (필수)PROMPT.md또는AGENTS.md- 시스템 프롬프트 (선택 사항)EXAMPLES.md- 샘플 프롬프트 및 사용 사례 (선택 사항)
자세히 알아보기
- huggingface_hub MCP Reference - Python API 참조
- tiny-agents 문서 - JavaScript API 참조
- 추론 제공자 - 사용 가능한 LLM 제공자
- tiny-agents 컬렉션 - 커뮤니티 에이전트 둘러보기
- MCP 서버 가이드 - Hugging Face MCP 서버에 연결