Hub documentation

Membangun dengan SDK

Hugging Face's logo
Join the Hugging Face community

and get access to the augmented documentation experience

to get started

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

Python
JavaScript
pip install "huggingface_hub[mcp]"

Mulai Cepat: Menjalankan Agen

Cara tercepat untuk memulai adalah dengan CLI tiny-agents:

Python
JavaScript
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.

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())

Lihat Referensi Agent untuk semua opsi.

Menggunakan MCPClient Secara Langsung

Untuk kontrol lebih lanjut, gunakan MCPClient untuk mengelola server MCP dan panggilan tool secara langsung.

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())

Lihat referensi MCPClient untuk semua opsi.

Bagikan Agen Anda

Kontribusikan agen ke koleksi tiny-agents di Hub. Sertakan:

  • agent.json - Konfigurasi agen (wajib)
  • PROMPT.md atau AGENTS.md - Prompt sistem (opsional)
  • EXAMPLES.md - Prompt dan kasus penggunaan contoh (opsional)

Pelajari Lebih Lanjut

Update on GitHub