에이전트

Hugging Face는 AI 에이전트를 Hub에 직접 연결하는 도구와 프로토콜을 제공합니다. Claude와 대화하든, Codex로 개발하든, 또는 맞춤형 에이전트를 구축하든 모델, 데이터셋, Spaces, 커뮤니티 도구에 접근할 수 있습니다. 이 페이지에서는 채팅 에이전트와 코딩 에이전트를 Hub에 연결하는 방법을 다룹니다.

Hugging Face와 대화하기

Model Context Protocol(MCP)을 사용하여 AI 어시스턴트를 Hugging Face Hub에 직접 연결하세요. 연결이 완료되면 채팅 인터페이스 안에서 모델을 검색하고, 데이터셋을 탐색하고, 이미지를 생성하고, 커뮤니티 도구를 사용할 수 있습니다.

지원되는 어시스턴트

HF MCP Server는 모든 MCP 호환 클라이언트와 함께 작동합니다:

• ChatGPT (플러그인을 통해)
• Claude Desktop
• 사용자 지정 MCP 클라이언트

설정

1. MCP 설정 열기

로그인 상태에서 huggingface.co/settings/mcp를 방문하세요.

2. 클라이언트 선택

목록에서 MCP 호환 클라이언트를 선택하세요. 페이지에는 클라이언트별 사용 방법과 복사해서 바로 사용할 수 있는 구성 스니펫이 표시됩니다.

3. 구성 및 재시작

설정 스니펫을 클라이언트의 MCP 설정에 복사한 후 저장하고 클라이언트를 다시 시작하세요.

설정 페이지는 클라이언트가 기대하는 정확한 구성을 생성합니다. 구성을 수동으로 작성하는 대신 이 페이지를 사용하세요.

실현 가능한 것

연결이 완료되면, 구성에서 선택한 도구 중 Hugging Face 도구를 사용하도록 어시스턴트에게 요청하세요:

어시스턴트는 Hugging Face 서버가 노출하는 MCP 도구를 호출하고 메타데이터, 링크, 컨텍스트와 함께 결과를 반환합니다.

커뮤니티 도구 추가

MCP 호환 Gradio Spaces로 설정을 확장하세요:

1. MCP 지원 Spaces 둘러보기
2. MCP 설정에 추가하세요
3. 새 도구를 적용하려면 클라이언트를 다시 시작하세요

Gradio MCP 앱은 함수를 인자와 설명을 가진 도구로 노출하므로, 어시스턴트가 이를 직접 호출할 수 있습니다.

자세히 알아보기

• MCP 서버 가이드 - 상세한 설정 및 구성
• HF MCP 설정 - 클라이언트 구성
• MCP 호환 Spaces - 커뮤니티 도구

코딩 에이전트

MCP Server와 Skills를 사용하여 Hugging Face를 코딩 워크플로에 통합하세요. IDE 또는 코딩 에이전트에서 모델, 데이터셋, ML 도구에 직접 접근할 수 있습니다. 예를 들어, MCP와/또는 Skills를 통해 다음 코딩 에이전트 등을 다룹니다:

빠른 설정

MCP 서버

MCP Server는 코딩 에이전트가 Hub 검색, Spaces 및 커뮤니티 도구에 액세스할 수 있도록 합니다.

Cursor / VS Code / Zed:

1. huggingface.co/settings/mcp를 방문하세요
2. 목록에서 IDE를 선택하세요
3. 설정 스니펫 복사
4. IDE의 MCP 설정에 추가
5. IDE를 다시 시작합니다

Claude Code:

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

스킬

Skills는 AI/ML 워크플로우에 대한 작업별 지침을 제공합니다. MCP와 함께 사용하거나 단독으로 사용할 수 있습니다.

# start claude 
claude

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

그런 다음, Skill 사양을 설치하려면:

/plugin install hf-cli@huggingface-skills

사용 가능한 스킬과 사용법에 대해 Skills Guide를 참조하세요.

실현 가능한 것

구성된 후, 코딩 에이전트는 다음을 수행할 수 있습니다:

환경 구성

인증

Hugging Face 토큰을 환경 변수로 설정하세요:

export HF_TOKEN="hf_..."

또는 CLI를 통해 인증할 수 있습니다:

hf auth login

커뮤니티 도구 추가

MCP 호환 Gradio Spaces로 설정을 확장하세요:

1. MCP 지원 Spaces 둘러보기
2. MCP 설정에 추가하세요
3. IDE를 다시 시작하세요

예시 워크플로

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!")

에이전트 하네스 등록

Hugging Face는 Hub와 상호작용하는 코딩 에이전트 및 도구, 즉 에이전트 하네스의 공개 레지스트리를 관리합니다(Claude Code, Codex, Cursor 등). huggingface_hub가 등록된 하네스 내에서 실행되는 것을 감지하면, Hub 요청의 user agent를 통해 이를 보고합니다. 하네스를 등록하면 해당 활동이 도구 이름으로 귀속되며, 프로젝트에 친근한 표시 레이블, 문서 및 저장소로 돌아가는 링크, 그리고 공개 에이전트 사용 데이터셋에 대한 진입권이 부여됩니다. 등록되지 않은 도구는 집계된 unknown 비율에만 집계됩니다.

Harness를 등록하려면 @huggingface/tasks 패키지에서 agent-harnesses.ts에 항목을 추가하는 Pull Request를 생성하세요:

• harness id(엔트리 키)는 소문자 및 하이픈으로 구분되어야 합니다(예: "claude-code").
• prettyLabel을 사용자 친화적인 대소문자 표기로 설정합니다(예: Claude Code).
• (선택 사항) repoUrl에 하네스 소스 코드 링크(보통 GitHub 저장소)를 설정합니다.
• (선택 사항) docsUrl에 하네스 문서 또는 웹사이트 링크를 설정합니다.
• (선택 사항) description에 하네스에 대한 짧은 한 줄 설명을 설정합니다.
• 환경에서 하네스가 감지되는 방식을 정의합니다:
  • harness가 표준 환경 변수(AI_AGENT 또는 AGENT) 중 하나를 설정한 경우, 해당 값이 식별자로 직접 사용되며 추가 구성이 필요하지 않습니다.
  • 그렇지 않은 경우, envVars를 환경 변수 이름과 값 패턴을 매핑하도록 설정합니다. 비어 있지 않은 모든 값을 일치시키려면 "*"를, 정확한 문자열을 일치시키려면 해당 문자열을, 접두사 매칭을 하려면 "<prefix>*"를 사용합니다.

그리고 끝입니다! PR이 병합되면, 에이전트 하네스에서 발생하는 huggingface_hub 트래픽(hf CLI 포함)은 이름으로 해당 에이전트에 귀속되며, 다음 월간 업데이트부터 에이전트 사용 데이터셋에 표시됩니다.

다음 단계

• CLI - Hub 작업을 위한 명령줄 인터페이스
• MCP Server - Hub에 MCP 호환 AI 어시스턴트를 연결
• 스킬 - 코딩 에이전트를 위한 사전 구축된 기능
• SDK - 에이전트를 구축하기 위한 Python 및 JavaScript 라이브러리