Hub documentation
Membangun dengan SDK
Membangun dengan SDK
Bangun agen yang didukung MCP dengan SDK agentic Hugging Face. Perpustakaan huggingface_hub (Python) dan @huggingface/tiny-agents (JavaScript) menyediakan semua yang Anda butuhkan untuk menghubungkan LLM ke alat MCP.
Instalasi
pip install "huggingface_hub[mcp]"npm install @huggingface/tiny-agents
# or
pnpm add @huggingface/tiny-agentsMulai Cepat: Menjalankan Agen
Cara tercepat untuk memulai adalah dengan CLI tiny-agents:
tiny-agents run julien-c/flux-schnell-generator
npx @huggingface/tiny-agents run "julien-c/flux-schnell-generator"Ini memuat agen dari koleksi tiny-agents, terhubung ke server MCP-nya, dan memulai chat interaktif.
Menggunakan Kelas Agent
Kelas Agent mengelola loop obrolan dan eksekusi alat MCP. Kelas ini menggunakan Inference Providers untuk menjalankan LLM.
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())Lihat Referensi Agent untuk semua opsi.
import { Agent } from "@huggingface/tiny-agents";
const agent = new Agent({
model: "Qwen/Qwen2.5-72B-Instruct",
provider: "novita",
apiKey: process.env.HF_TOKEN,
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);
}
}
}Lihat dokumentasi tiny-agents untuk semua opsi.
Menggunakan MCPClient Secara Langsung
Untuk kontrol lebih lanjut, gunakan MCPClient untuk mengelola server MCP dan panggilan tool secara langsung.
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())Lihat referensi MCPClient untuk semua opsi.
SDK JavaScript menggunakan kelas Agent untuk interaksi MCP. Untuk kontrol tingkat yang lebih rendah, lihat paket @huggingface/mcp-client.
Bagikan Agen Anda
Kontribusikan agen ke koleksi tiny-agents di Hub. Sertakan:
agent.json- Konfigurasi agen (wajib)PROMPT.mdatauAGENTS.md- Prompt sistem (opsional)EXAMPLES.md- Prompt dan kasus penggunaan contoh (opsional)
Pelajari Lebih Lanjut
- Referensi MCP huggingface_hub - Referensi API Python
- Dokumentasi tiny-agents - Referensi API JavaScript
- Penyedia Inferensi - Penyedia LLM yang tersedia
- Koleksi tiny-agents - Jelajahi agen komunitas
- Panduan Server MCP - Hubungkan ke Server MCP Hugging Face