Hub 文件
使用 SDK 進行開發
單一登入 (SSO) 稽核記錄 儲存區域 私人資料集資料工作室 (Data Studio) 資源群組(存取控制) 進階運算選項 進階安全性 Token 管理 發布者分析 門控群組集合 (Gating Group Collections) 網路安全 速率限制 部落格文章
PRO 方案 儲存庫 (Repositories) 儲存庫入門 儲存庫設定 儲存空間限制 儲存後端 (Xet) 本地快取 合併請求 (Pull Requests) 與討論 通知 選集 (Collections) Webhooks GitHub Actions 筆記本 後續步驟 授權協議
模型 (Models) 模型中心 (Model Hub) 模型卡片 評估結果 排行榜資料 門控模型 (Gated Models) 上傳模型 下載模型 整合函式庫 模型小工具 (Model Widgets) 模型推論 模型下載統計 模型發布檢查清單 本地應用程式 常見問題集 進階主題
資料集 (Datasets) 資料集概覽 資料集卡 (Dataset Cards) 門控資料集 (Gated Datasets) 上傳資料集 上傳資料集(針對 LLM) 下載資料集 串流資料集 整合函式庫 資料工作室 (Data Studio) 代理追蹤 (Agent Traces) 資料集下載統計
Spaces Spaces 概覽 Spaces GPU 升級 Spaces ZeroGPU Spaces 開發模式 Spaces 磁碟使用量與儲存空間 Spaces 自訂網域 將 Spaces 作為 MCP 伺服器 將 Spaces 作為代理工具 (Agent Tools) 將 Spaces 作為 API 端點 Gradio Spaces Streamlit Spaces 靜態 HTML Spaces Docker Spaces 嵌入您的 Space 使用 Docker 執行 Spaces Spaces 設定參考 使用 HF 按鈕登入 精選 Spaces Spaces 更新日誌 進階主題
儲存桶 全新 Jobs Agent 代理 (Agents) 概覽 適用於 AI 代理的 Hugging Face CLI Hugging Face MCP 伺服器 Hugging Face 代理技能 使用 HF SDK 建構代理 使用 llama.cpp 建立本地代理 代理函式庫
其他 加入 Hugging Face 社群
並獲得增強的文件體驗
開始使用
使用 SDK 進行開發
利用 Hugging Face 代理 (agentic) SDK 構建支援 MCP 的 Agent。huggingface_hub (Python) 和 @huggingface/tiny-agents (JavaScript) 程式庫提供了將 LLM 連接到 MCP 工具所需的一切。
安裝
Python
JavaScript
pip install "huggingface_hub[mcp]"快速入門:執行一個 Agent
最快上手的方法是使用 tiny-agents CLI
Python
JavaScript
tiny-agents run julien-c/flux-schnell-generator
這將從 tiny-agents 集合中載入一個 Agent,連接到其 MCP 伺服器,並啟動一個互動式聊天。
使用 Agent 類別
Agent 類別負責管理聊天迴圈和 MCP 工具執行。它使用 Inference Providers(推理提供者) 來運行 LLM。
Python
JavaScript
from huggingface_hub import Agent
import asyncio
agent = Agent(
model="Qwen/Qwen2.5-72B-Instruct",
provider="novita",
servers=[
{
"type": "sse",
"url": "https://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())請參閱 Agent 參考文件以了解所有選項。
直接使用 MCPClient
若需要更多控制權,請使用 MCPClient 來直接管理 MCP 伺服器與工具呼叫。
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://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())請參閱 MCPClient 參考文件以了解所有選項。
分享您的 Agent
歡迎將 Agent 貢獻至 Hub 上的 tiny-agents 集合。請包含:
agent.json- Agent 設定檔(必填)PROMPT.md或AGENTS.md- 系統提示詞(選填)EXAMPLES.md- 範例提示詞與使用案例(選填)
深入了解
- huggingface_hub MCP 參考文件 - Python API 參考
- tiny-agents 文件 - JavaScript API 參考
- Inference Providers - 可用的 LLM 提供者
- tiny-agents 集合 - 瀏覽社群 Agent
- MCP 伺服器指南 - 連接到 Hugging Face MCP 伺服器