Agents

Hugging Face fournit des outils et des protocoles qui connectent directement les agents IA au Hub. Que vous discutiez avec Claude, que vous construisiez avec Codex ou que vous développiez des agents personnalisés, vous pouvez accéder aux modèles, aux jeux de données, aux Spaces et aux outils de la communauté. Cette page aborde la connexion de vos agents de chat et de vos agents de codage au Hub.

Discuter avec Hugging Face

Connectez votre assistant IA directement au Hugging Face Hub à l’aide du Model Context Protocol (MCP). Une fois la connexion établie, vous pouvez rechercher des modèles, explorer des jeux de données, générer des images et utiliser des outils de la communauté, le tout depuis votre interface de chat.

Assistants pris en charge

Le serveur HF MCP fonctionne avec tout client compatible MCP :

• ChatGPT (via des plugins)
• Claude Desktop
• Clients MCP personnalisés

Configuration

1. Ouvrir les paramètres MCP

Visitez huggingface.co/settings/mcp en étant connecté.

2. Sélectionnez votre client

Choisissez votre client compatible MCP dans la liste. La page affiche les instructions spécifiques au client et un extrait de configuration prêt à être copié.

3. Configurer et redémarrer

Copiez l’extrait de configuration dans les paramètres MCP de votre client, enregistrez puis redémarrez votre client.

La page de paramètres génère la configuration exacte attendue par votre client. Utilisez-la plutôt que d’écrire la configuration à la main.

Ce que vous pouvez faire

Une fois connecté, demandez à votre assistant d’utiliser les outils Hugging Face parmi ceux que vous avez sélectionnés dans votre configuration :

Votre assistant appelle les outils MCP exposés par le serveur Hugging Face et renvoie des résultats avec des métadonnées, des liens et du contexte.

Ajouter des outils communautaires

Étendez votre configuration avec des Gradio Spaces compatibles MCP :

1. Parcourir les Spaces avec prise en charge de MCP
2. Ajoutez-les dans vos paramètres MCP
3. Redémarrez votre client pour prendre en compte les nouveaux outils

Les applications Gradio MCP exposent leurs fonctions sous forme d’outils avec des arguments et des descriptions, ce qui permet à votre assistant de les appeler directement.

En savoir plus

• Guide du serveur MCP - Configuration et paramétrage détaillés
• Paramètres de HF MCP - Configurez votre client
• Espaces compatibles MCP - Outils de la communauté

Agents de codage

Intégrez Hugging Face à votre flux de travail de codage grâce au MCP Server et aux Skills. Accédez aux modèles, aux jeux de données et aux outils de ML directement depuis votre IDE ou votre agent de codage. Par exemple, nous couvrons ces agents de codage et d’autres avec MCP et/ou Skills :

Installation rapide

Serveur MCP

Le serveur MCP donne à votre agent de codage un accès à la recherche sur le Hub, aux Spaces et aux outils de la communauté.

Cursor / VS Code / Zed :

1. Visitez huggingface.co/settings/mcp
2. Sélectionnez votre IDE dans la liste
3. Copier l'extrait de configuration
4. Ajoutez-le aux paramètres MCP de votre IDE
5. Redémarrer l'IDE

Claude Code :

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

Compétences

Les compétences fournissent des conseils spécifiques à la tâche pour les flux de travail IA/ML. Elles fonctionnent en complément de MCP ou de manière autonome.

# start claude 
claude

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

Ensuite, pour installer une spécification de Skill :

/plugin install hf-cli@huggingface-skills

Consultez le Guide des compétences pour les compétences disponibles et leur utilisation.

Ce que vous pouvez faire

Une fois configuré, votre agent de codage peut :

Configuration de l'environnement

Authentification

Définissez votre jeton Hugging Face en tant que variable d’environnement :

export HF_TOKEN="hf_..."

Ou authentifiez-vous via le CLI :

hf auth login

Ajout d'outils communautaires

Étendez votre configuration avec des Gradio Spaces compatibles MCP :

1. Parcourir les Spaces avec prise en charge de MCP
2. Ajoutez-les dans vos paramètres MCP
3. Redémarrez votre IDE

Exemple de flux de travail

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!")

Enregistrez votre harnais d'agent

Hugging Face maintient un registre public des harnais d’agents, c’est-à-dire des agents de codage et des outils qui interagissent avec le Hub (Claude Code, Codex, Cursor, etc.). Lorsque huggingface_hub détecte qu’il s’exécute à l’intérieur d’un harnais enregistré, il le signale via l’agent utilisateur lors des requêtes au Hub. Enregistrer votre harnais permet d’attribuer cette activité à votre outil par son nom, d’afficher un libellé convivial pour votre projet, de renvoyer vers votre documentation et votre dépôt, et d’obtenir une place dans le jeu de données public d’utilisation des agents — les outils non enregistrés ne sont comptabilisés que dans la part agrégée unknown.

Pour enregistrer un harnais, ouvrez une Pull Request ajoutant une entrée à agent-harnesses.ts dans le package @huggingface/tasks :

• l'identifiant du harnais (la clé d'entrée) doit être en minuscules et séparé par des tirets (exemple : "claude-code").
• Définissez prettyLabel avec une casse conviviale (exemple : Claude Code).
• (facultatif) définissez repoUrl avec un lien vers le code source du harnais (généralement un dépôt GitHub).
• (facultatif) définissez docsUrl avec un lien vers la documentation ou le site Web du harnais.
• (facultatif) définir description avec une explication brève, en une seule ligne, du harnais.
• définir comment votre harnais est détecté à partir de l'environnement :
  • Si votre harnais définit l’une des variables d’environnement standard (AI_AGENT ou AGENT), sa valeur est utilisée directement comme identifiant et aucune configuration supplémentaire n’est nécessaire.
  • Sinon, définissez envVars pour associer les noms de variables d’environnement à des motifs de valeurs. Utilisez "*" pour correspondre à toute valeur non vide, une chaîne exacte pour une correspondance exacte, ou "<prefix>*" pour une correspondance par préfixe.

Et c’est tout ! Une fois la PR fusionnée, le trafic de huggingface_hub (y compris le CLI hf) provenant de votre agent harness lui est attribué par son nom, et il apparaît dans le jeu de données d’utilisation des agents à partir de la prochaine mise à jour mensuelle.

Étapes suivantes

• CLI - Interface en ligne de commande pour les opérations du Hub
• Serveur MCP - Connectez tout assistant IA compatible MCP au Hub
• Compétences - Capacités préconstruites pour les agents de codage
• SDK - Bibliothèques Python et JavaScript pour créer des agents