# Agen

Hugging Face menyediakan alat dan protokol yang menghubungkan agen AI secara langsung ke Hub. Baik Anda sedang berinteraksi dengan Claude, membangun dengan Codex, atau mengembangkan agen kustom, Anda dapat mengakses model, dataset, Spaces, dan alat komunitas. Halaman ini membahas cara menghubungkan [agen chat](#chat-with-hugging-face) dan [agen coding](#coding-agents) Anda ke Hub.

| Halaman | Deskripsi |
| ---- | ----------- |
| [CLI](./agents-cli) | Beri agen Anda CLI `hf` dengan Skill bawaan |
| [Server MCP](./agents-mcp) | Hubungkan klien yang kompatibel dengan MCP apa pun ke Hub |
| [Keterampilan](./agents-skills) | Panduan khusus tugas untuk alur kerja AI/ML |
| [SDK](./agents-sdk) | Bangun agen secara programatik dengan Python atau JavaScript |
| [Agen Lokal](./agents-local) | Jalankan agen sepenuhnya lokal dengan llama.cpp dan Pi |
| [Jejak Agen](./agent-traces) | Lihat sesi Claude Code, Codex, dan Pi di Hub |

## Chat dengan Hugging Face

Hubungkan asisten AI Anda langsung ke Hugging Face Hub menggunakan Model Context Protocol (MCP). Setelah terhubung, Anda dapat mencari model, menjelajahi dataset, menghasilkan gambar, dan menggunakan alat komunitas—semuanya dari dalam antarmuka obrolan Anda.

### Asisten yang Didukung

HF MCP Server bekerja dengan klien yang kompatibel dengan MCP apa pun:
- **ChatGPT** (melalui plugin)
- **Claude Desktop**
- **Klien MCP kustom**

### Setup

#### 1. Buka Pengaturan MCP

![MCP Settings Example](https://huggingface.co/huggingface/documentation-images/resolve/main/agents-docs/mcp-settings.png)

Kunjungi [huggingface.co/settings/mcp](https://huggingface.co/settings/mcp) saat sudah masuk.

#### 2. Pilih Klien Anda

Pilih klien yang kompatibel dengan MCP dari daftar. Halaman menampilkan instruksi khusus klien dan potongan konfigurasi yang siap disalin.

#### 3. Konfigurasi dan Mulai Ulang

Salin potongan konfigurasi ke pengaturan MCP klien Anda, simpan, dan mulai ulang klien Anda.

> [!TIP]
> Halaman pengaturan menghasilkan konfigurasi persis yang diharapkan oleh klien Anda. Gunakan halaman ini alih-alih menulis konfigurasi secara manual.

### Yang Bisa Anda Lakukan

Setelah terhubung, minta asisten Anda untuk menggunakan alat Hugging Face di antara yang Anda pilih dalam konfigurasi Anda:

| Tugas | Contoh Prompt |
| ---- | -------------- |
| Cari model | "Temukan kuantisasi Qwen 3 di Hugging Face" |
| Jelajahi dataset | "Menampilkan dataset tentang deret waktu cuaca" |
| Cari Spaces | "Temukan Space yang dapat mentranskripsi file audio" |
| Generate gambar | "Create a 1024x1024 image of a cat in Ghibli style" |
| Cari makalah | "Temukan makalah terbaru tentang model bahasa-visi" |

Asisten Anda memanggil alat MCP yang diungkap oleh server Hugging Face dan mengembalikan hasil dengan metadata, tautan, dan konteks.

### Tambahkan Alat Komunitas

Perluas setup Anda dengan Gradio Spaces yang kompatibel dengan MCP:

1. Jelajahi [Spaces dengan dukungan MCP](https://huggingface.co/spaces?filter=mcp-server)
2. Tambahkan mereka di [pengaturan MCP](https://huggingface.co/settings/mcp) Anda
3. Mulai ulang klien Anda untuk mengambil alat baru

Aplikasi Gradio MCP mengekspos fungsinya sebagai alat dengan argumen dan deskripsi, sehingga asisten Anda dapat memanggilnya secara langsung.

### Pelajari Lebih Lanjut

- [Panduan Server MCP](./agents-mcp) - Pengaturan dan konfigurasi terperinci
- [Pengaturan HF MCP](https://huggingface.co/settings/mcp) - Konfigurasikan klien Anda
- [Spaces yang kompatibel dengan MCP](https://huggingface.co/spaces?filter=mcp-server) - Alat komunitas

## Agen Coding

Integrasikan Hugging Face ke dalam alur kerja pemrograman Anda dengan MCP Server dan Skills. Akses model, dataset, dan alat ML langsung dari IDE atau coding agent Anda. Sebagai contoh, kami membahas coding agent berikut dan lainnya dengan MCP dan/atau Skills:

| Agen Coding | Metode Integrasi |
| ------------ | ------------------ |
| [Claude Code](https://code.claude.com/docs) | MCP Server + Skills |
| [OpenAI Codex](https://openai.com/codex/) | MCP Server + Skills |
| [Buka Kode](https://opencode.ai/) | MCP Server + Skills |
| [Cursor](https://www.cursor.com/) | MCP Server + Skills |
| [VS Code](https://code.visualstudio.com/) | MCP Server |
| [Gemini CLI](https://geminicli.com/) | MCP Server |
| [Zed](https://zed.dev/) | MCP Server |

### Pengaturan Cepat

#### MCP Server

MCP Server memberikan agen coding Anda akses ke pencarian Hub, Spaces, dan alat komunitas.

**Cursor / VS Code / Zed:**

1. Kunjungi [huggingface.co/settings/mcp](https://huggingface.co/settings/mcp)
2. Pilih IDE Anda dari daftar
3. Salin potongan konfigurasi
4. Tambahkan ke pengaturan MCP IDE Anda
5. Mulai ulang IDE

**Claude Code:**

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

#### Keterampilan

Skills menyediakan panduan khusus tugas untuk alur kerja AI/ML. Mereka bekerja berdampingan dengan MCP atau secara mandiri.

```bash
# start claude 
claude

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

Lalu, untuk menginstal spesifikasi Skill:
```bash
/plugin install hf-cli@huggingface-skills
```

Lihat [Panduan Keterampilan](./agents-skills) untuk keterampilan yang tersedia dan cara penggunaannya.

### Yang Bisa Anda Lakukan

Setelah dikonfigurasi, agen coding Anda dapat:

| Kemampuan | Contoh |
| ---------- | ------- |
| Cari di Hub | "Temukan model generasi kode di bawah 7B parameter" |
| Generate gambar | "Create a diagram of a transformer architecture" |
| Jelajahi dataset | "Dataset apa saja yang tersedia untuk analisis sentimen?" |
| Jalankan Spaces | Gunakan Whisper Space untuk mentranskripsi file audio ini |
| Dapatkan dokumentasi | Bagaimana cara melakukan fine-tuning model dengan transformers? |

### Konfigurasi Lingkungan

#### Autentikasi

Atur token Hugging Face Anda sebagai variabel lingkungan:

```bash
export HF_TOKEN="hf_..."
```

Atau autentikasi melalui [CLI](./agents-cli):

```bash
hf auth login
```

#### Menambahkan Alat Komunitas

Perluas setup Anda dengan Gradio Spaces yang kompatibel dengan MCP:

1. Jelajahi [Spaces dengan dukungan MCP](https://huggingface.co/spaces?filter=mcp-server)
2. Tambahkan mereka di [pengaturan MCP](https://huggingface.co/settings/mcp) Anda
3. Mulai ulang IDE Anda

### Alur Kerja Contoh

```text
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!")
```

## Daftarkan harness agen Anda

Hugging Face memelihara registri publik untuk harness agen, yaitu agen coding dan alat yang berinteraksi dengan Hub (Claude Code, Codex, Cursor, dan lainnya). Ketika `huggingface_hub` mendeteksi bahwa ia berjalan di dalam harness yang terdaftar, ia melaporkannya melalui user agent pada permintaan Hub. Mendaftarkan harness Anda berarti aktivitas ini diatribusikan ke alat Anda berdasarkan nama, dan memberikan proyek Anda label tampilan yang ramah, tautan kembali ke dokumentasi dan repositori Anda, serta tempat dalam [dataset penggunaan agen](https://huggingface.co/datasets/huggingface/agent-usage) publik — alat yang tidak terdaftar hanya dihitung dalam bagian agregat `unknown`nya.

Untuk mendaftarkan harness, buka Pull Request yang menambahkan entri ke [`agent-harnesses.ts`](https://github.com/huggingface/huggingface.js/blob/main/packages/tasks/src/agent-harnesses.ts) di paket `@huggingface/tasks`:

- id harness (kunci entri) harus menggunakan huruf kecil dan dipisahkan dengan tanda hubung (contoh: `"claude-code"`).
- Setel `prettyLabel` dengan kapitalisasi yang ramah pengguna (contoh: `Claude Code`).
- (opional) setel `repoUrl` dengan tautan ke kode sumber harness (biasanya repositori GitHub).
- (opional) setel `docsUrl` dengan tautan ke dokumentasi atau situs web harness.
- (opional) atur `description` dengan penjelasan singkat satu baris tentang harness.
- mendeteksi bagaimana harness Anda dideteksi dari lingkungan:
  - Jika harness Anda mengatur salah satu variabel lingkungan standar (`AI_AGENT` atau `AGENT`), nilainya digunakan langsung sebagai identifier dan tidak diperlukan konfigurasi tambahan.
  - Jika tidak, atur `envVars` untuk memetakan nama variabel lingkungan ke pola nilai. Gunakan `"*"` untuk mencocokkan nilai apa pun yang tidak kosong, string persis untuk kecocokan persis, atau `"<prefix>*"` untuk pencocokan prefiks.

Dan selesai! Setelah PR digabungkan, lalu lintas `huggingface_hub` (termasuk CLI `hf`) dari agen harness Anda akan diatribusikan berdasarkan nama, dan akan muncul dalam [dataset penggunaan agen](https://huggingface.co/datasets/huggingface/agent-usage) mulai dari pembaruan bulanan berikutnya.

## Langkah Selanjutnya

- [CLI](./agents-cli) - Antarmuka baris perintah untuk operasi Hub
- [Server MCP](./agents-mcp) - Hubungkan asisten AI mana pun yang kompatibel dengan MCP ke Hub
- [Keterampilan](./agents-skills) - Kemampuan bawaan untuk agen pemrograman
- [SDK](./agents-sdk) - pustaka Python dan JavaScript untuk membangun agen