Agen

Hugging Face menyediakan alat dan protokol yang menghubungkan agen AI secara langsung ke Hub. Baik Anda sedang berinteraksi dengan Claude, membangun dengan Codex, atau mengembangkan agen kustom, Anda dapat mengakses model, dataset, Spaces, dan alat komunitas. Halaman ini membahas cara menghubungkan agen chat dan agen coding Anda ke Hub.

Chat dengan Hugging Face

Hubungkan asisten AI Anda langsung ke Hugging Face Hub menggunakan Model Context Protocol (MCP). Setelah terhubung, Anda dapat mencari model, menjelajahi dataset, menghasilkan gambar, dan menggunakan alat komunitas—semuanya dari dalam antarmuka obrolan Anda.

Asisten yang Didukung

HF MCP Server bekerja dengan klien yang kompatibel dengan MCP apa pun:

• ChatGPT (melalui plugin)
• Claude Desktop
• Klien MCP kustom

Setup

1. Buka Pengaturan MCP

Kunjungi huggingface.co/settings/mcp saat sudah masuk.

2. Pilih Klien Anda

Pilih klien yang kompatibel dengan MCP dari daftar. Halaman menampilkan instruksi khusus klien dan potongan konfigurasi yang siap disalin.

3. Konfigurasi dan Mulai Ulang

Salin potongan konfigurasi ke pengaturan MCP klien Anda, simpan, dan mulai ulang klien Anda.

Halaman pengaturan menghasilkan konfigurasi persis yang diharapkan oleh klien Anda. Gunakan halaman ini alih-alih menulis konfigurasi secara manual.

Yang Bisa Anda Lakukan

Setelah terhubung, minta asisten Anda untuk menggunakan alat Hugging Face di antara yang Anda pilih dalam konfigurasi Anda:

Asisten Anda memanggil alat MCP yang diungkap oleh server Hugging Face dan mengembalikan hasil dengan metadata, tautan, dan konteks.

Tambahkan Alat Komunitas

Perluas setup Anda dengan Gradio Spaces yang kompatibel dengan MCP:

1. Jelajahi Spaces dengan dukungan MCP
2. Tambahkan mereka di pengaturan MCP Anda
3. Mulai ulang klien Anda untuk mengambil alat baru

Aplikasi Gradio MCP mengekspos fungsinya sebagai alat dengan argumen dan deskripsi, sehingga asisten Anda dapat memanggilnya secara langsung.

Pelajari Lebih Lanjut

• Panduan Server MCP - Pengaturan dan konfigurasi terperinci
• Pengaturan HF MCP - Konfigurasikan klien Anda
• Spaces yang kompatibel dengan MCP - Alat komunitas

Agen Coding

Integrasikan Hugging Face ke dalam alur kerja pemrograman Anda dengan MCP Server dan Skills. Akses model, dataset, dan alat ML langsung dari IDE atau coding agent Anda. Sebagai contoh, kami membahas coding agent berikut dan lainnya dengan MCP dan/atau Skills:

Pengaturan Cepat

MCP Server

MCP Server memberikan agen coding Anda akses ke pencarian Hub, Spaces, dan alat komunitas.

Cursor / VS Code / Zed:

1. Kunjungi huggingface.co/settings/mcp
2. Pilih IDE Anda dari daftar
3. Salin potongan konfigurasi
4. Tambahkan ke pengaturan MCP IDE Anda
5. Mulai ulang IDE

Claude Code:

claude mcp add hf-mcp-server -t http "https://huggingface.co/mcp?login"

Keterampilan

Skills menyediakan panduan khusus tugas untuk alur kerja AI/ML. Mereka bekerja berdampingan dengan MCP atau secara mandiri.

# start claude 
claude

# install the skills marketplace plugin
/plugin marketplace add huggingface/skills

Lalu, untuk menginstal spesifikasi Skill:

/plugin install hf-cli@huggingface-skills

Lihat Panduan Keterampilan untuk keterampilan yang tersedia dan cara penggunaannya.

Yang Bisa Anda Lakukan

Setelah dikonfigurasi, agen coding Anda dapat:

Konfigurasi Lingkungan

Autentikasi

Atur token Hugging Face Anda sebagai variabel lingkungan:

export HF_TOKEN="hf_..."

Atau autentikasi melalui CLI:

hf auth login

Menambahkan Alat Komunitas

Perluas setup Anda dengan Gradio Spaces yang kompatibel dengan MCP:

1. Jelajahi Spaces dengan dukungan MCP
2. Tambahkan mereka di pengaturan MCP Anda
3. Mulai ulang IDE Anda

Alur Kerja Contoh

You: Find a text classification model that works well on short texts

Agent: [Searches Hugging Face Hub]
       Found several options:
       - distilbert-base-uncased-finetuned-sst-2-english (sentiment)
       - facebook/bart-large-mnli (zero-shot)
       ...

You: Show me how to use the first one

Agent: [Fetches documentation]
       Here's how to use it with transformers:
       
       from transformers import pipeline
       classifier = pipeline("sentiment-analysis", 
                            model="distilbert-base-uncased-finetuned-sst-2-english")
       result = classifier("I love this product!")

Daftarkan harness agen Anda

Hugging Face memelihara registri publik untuk harness agen, yaitu agen coding dan alat yang berinteraksi dengan Hub (Claude Code, Codex, Cursor, dan lainnya). Ketika huggingface_hub mendeteksi bahwa ia berjalan di dalam harness yang terdaftar, ia melaporkannya melalui user agent pada permintaan Hub. Mendaftarkan harness Anda berarti aktivitas ini diatribusikan ke alat Anda berdasarkan nama, dan memberikan proyek Anda label tampilan yang ramah, tautan kembali ke dokumentasi dan repositori Anda, serta tempat dalam dataset penggunaan agen publik — alat yang tidak terdaftar hanya dihitung dalam bagian agregat unknownnya.

Untuk mendaftarkan harness, buka Pull Request yang menambahkan entri ke agent-harnesses.ts di paket @huggingface/tasks:

• id harness (kunci entri) harus menggunakan huruf kecil dan dipisahkan dengan tanda hubung (contoh: "claude-code").
• Setel prettyLabel dengan kapitalisasi yang ramah pengguna (contoh: Claude Code).
• (opional) setel repoUrl dengan tautan ke kode sumber harness (biasanya repositori GitHub).
• (opional) setel docsUrl dengan tautan ke dokumentasi atau situs web harness.
• (opional) atur description dengan penjelasan singkat satu baris tentang harness.
• tentukan bagaimana harness Anda dideteksi dari lingkungan:
  • Jika harness Anda mengatur salah satu variabel lingkungan standar (AI_AGENT atau AGENT), nilainya digunakan langsung sebagai identifier dan tidak diperlukan konfigurasi tambahan.
  • Jika tidak, atur envVars untuk memetakan nama variabel lingkungan ke pola nilai. Gunakan "*" untuk mencocokkan nilai apa pun yang tidak kosong, string persis untuk kecocokan persis, atau "<prefix>*" untuk pencocokan prefiks.

Dan selesai! Setelah PR digabungkan, lalu lintas huggingface_hub (termasuk CLI hf) dari agen harness Anda akan dikaitkan dengannya berdasarkan nama, dan akan muncul dalam dataset penggunaan agen mulai dari pembaruan bulanan berikutnya.

Langkah Selanjutnya

• CLI - Antarmuka baris perintah untuk operasi Hub
• Server MCP - Hubungkan asisten AI mana pun yang kompatibel dengan MCP ke Hub
• Keterampilan - Kemampuan bawaan untuk agen pemrograman
• SDK - pustaka Python dan JavaScript untuk membangun agen