Hub documentation

Construindo com o SDK

Hugging Face's logo
Join the Hugging Face community

and get access to the augmented documentation experience

to get started

Construindo com o SDK

Crie agentes com suporte a MCP usando os SDKs agênticos da Hugging Face. As bibliotecas huggingface_hub (Python) e @huggingface/tiny-agents (JavaScript) fornecem tudo o que você precisa para conectar LLMs a ferramentas MCP.

Instalação

Python
JavaScript
pip install "huggingface_hub[mcp]"

Início rápido: Execute um agente

A maneira mais rápida de começar é com o CLI tiny-agents:

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

Isso carrega um agente da coleção tiny-agents, conecta-se aos seus servidores MCP e inicia um chat interativo.

Usando a Classe Agent

A classe Agent gerencia o loop de chat e a execução de ferramentas MCP. Ela usa Inference Providers para executar o 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())

Consulte a referência do Agent para todas as opções.

Usando o MCPClient diretamente

Para mais controle, use MCPClient para gerenciar servidores MCP e chamadas de ferramentas diretamente.

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())

Consulte a referência do MCPClient para todas as opções.

Compartilhe Seu Agente

Contribua com agentes para a coleção tiny-agents no Hub. Inclua:

  • agent.json - Configuração do agente (obrigatório)
  • PROMPT.md ou AGENTS.md - Prompt de sistema (opcional)
  • EXAMPLES.md - Prompts de exemplo e casos de uso (opcional)

Saiba Mais

Update on GitHub