SDK로 빌드하기

SDK로 빌드하기

Hugging Face 에이전트 SDK로 MCP 기반 에이전트를 빌드해요. huggingface_hub(Python)와 @huggingface/tiny-agents(JavaScript) 라이브러리는 LLM을 MCP 도구에 연결하는데 필요한 모든 것을 제공해요.

출처: 문서

본문

설치

pip install "huggingface_hub[mcp]"

npm install @huggingface/tiny-agents
# or
pnpm add @huggingface/tiny-agents

빠른 시작: 에이전트 실행

가장 빠른 시작 방법은 tiny-agents CLI예요:

tiny-agents run julien-c/flux-schnell-generator

npx @huggingface/tiny-agents run "julien-c/flux-schnell-generator"

이것은 tiny-agents 컬렉션에서 에이전트를 불러와 MCP 서버에 연결하고 대화형 채팅을 시작해요.

Agent 클래스 사용하기

Agent 클래스는 채팅 루프와 MCP 도구 실행을 관리해요. LLM 실행에는 Inference Providers를 사용해요.

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())

모든 옵션은 Agent 레퍼런스를 참고하세요.

import { Agent } from "@huggingface/tiny-agents";

const agent = new Agent({
    model: "Qwen/Qwen2.5-72B-Instruct",
    provider: "novita",
    apiKey: proces...KEN,
    servers: [
        {
            type: "sse",
            url: "https://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 옵션은 tiny-agents 문서를 참고하세요.

MCPClient 직접 사용하기

더 많은 제어가 필요하면 MCPClient로 MCP 서버와 도구 호출을 직접 관리하세요.

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())

모든 옵션은 MCPClient 레퍼런스를 참고하세요.

JavaScript SDK는 MCP 상호작용에 Agent 클래스를 사용해요. 더 낮은 수준의 제어는 @huggingface/mcp-client 패키지를 참고하세요.

에이전트 공유하기

Hub의 tiny-agents 컬렉션에 에이전트를 기여하세요. 다음을 포함하세요:

  • agent.json - 에이전트 구성 (필수)
  • PROMPT.md 또는 AGENTS.md - 시스템 프롬프트 (선택)
  • EXAMPLES.md - 샘플 프롬프트와 사용 사례 (선택)

더 알아보기 (Learn more)