Openclaw용 Hugging Face Agent Skill

Hugging Face의 오픈소스 모델과 데이터셋을 경제적이고 안전하게 탐색하고 다중 공급자 추론을 지원하는 AI agent skill입니다.

simonpierreboucher02
v1.0.0
Jun 1, 2026
0
599
0

설치 및 다운로드

1. ClawHub CLI

레지스트리에서 스킬을 바로 설치하는 가장 빠른 방법입니다.

npx clawhub@latest install hugging-face-api

2. 수동 설치

스킬 폴더를 다음 위치 중 하나로 복사하세요

글로벌
~/.openclaw/skills/
워크스페이스
<project>/skills/

우선순위: 워크스페이스 > 로컬 > 번들

3. 프롬프트 설치

이 프롬프트를 OpenClaw에 복사하면 자동으로 설치됩니다.

Clawhub를 사용해서 hugging-face-api 설치를 도와줘. Clawhub가 설치되어 있지 않다면 먼저 설치해 줘 (npm i -g clawhub).

다운로드를 원하시나요?

ZIP 아카이브 형태의 원본 스킬 파일을 받으세요.

Hugging Face Agent Skill란 무엇인가요?

Hugging Face Agent Skill은 AI agents에게 Hugging Face Hub와 직접 상호 작용할 수 있는 포괄적인 플레이북과 7개의 Model Context Protocol (MCP) 도구를 제공합니다. 이 skill을 통해 개발자는 오픈소스 모델(예: Llama, Qwen, Mistral) 및 데이터셋을 검색하고, 기술 사양을 검사하며, 통합된 OpenAI 호환 인터페이스를 통해 다양한 공급자 전반에서 chat completions 또는 text embeddings를 실행할 수 있습니다.

이 skill을 구현함으로써 agents는 Hugging Face 생태계를 지능적으로 탐색할 수 있습니다. 성능과 비용의 균형을 맞추기 위해 agents가 무료 검색 및 검증 작업을 먼저 수행하도록 안내하고, 모델 지원이 확인된 후에만 유료 추론 도구를 호출합니다. 이 워크플로는 견고하고 안전하며 프로덕션 준비가 완료된 오픈소스 모델 통합을 제공하여 Openclaw Skills의 역량을 극대화합니다.

Hugging Face Agent Skill 활용 사례

  • RAG Systems and Semantic Search: 최적의 text embedding 모델을 찾고 데이터베이스 인덱싱을 위해 embeddings를 배치로 생성합니다.
  • Automated Open-Source Evaluation: 자동 배포 전에 작업, 인기도, 라이선스 요구 사항에 따라 모델을 검색하고 필터링합니다.
  • Multi-Provider LLM Inference: 표준화된 인터페이스를 사용하여 다양한 호스팅 오픈소스 모델 전반에서 chat completions를 실행합니다.
  • Dataset Discovery: 지속적인 학습, 검증 또는 분석 파이프라인에 공급하기 위해 Hugging Face Hub에서 데이터셋을 쿼리하고 검색합니다.

Hugging Face Agent Skill 작동 원리

  1. Model & Dataset Discovery (Free): agent는 현재 작업 기준에 따라 hf_search_models 또는 hf_search_datasets를 사용하여 Hugging Face Hub에서 후보 모델이나 데이터셋을 검색합니다.
  2. Information & License Inspection (Free): agent는 hf_model_info를 사용하여 기술 메타데이터, 파이프라인 태그 및 라이선스 준수 여부를 확인합니다.
  3. Inference Support Verification (Free): 유료 추론을 실행하기 전에 agent는 hf_list_inference_models를 쿼리하여 선택한 모델이 라우터에 의해 호스팅되고 실행 가능한지 확인합니다.
  4. Execution (Billed): agent는 텍스트 생성을 위해 미리 정의된 max_tokens 제약 조건과 함께 hf_chat을 실행하거나, 의미 벡터를 위해 배치 입력과 함께 hf_embeddings를 실행합니다.
  5. Monitoring & Reporting: agent는 정확한 모델 ID와 반환된 사용량 지표를 기록하여 다운스트림 리소스 소비를 추적하고 비용 제어를 수행합니다.

Hugging Face Agent Skill 설정 가이드

Openclaw Skills 내에서 이 skill을 사용하려면 Hugging Face API token으로 환경을 구성해야 합니다. Hugging Face 설정 페이지에서 읽기 전용 또는 읽기/쓰기 token을 생성하여 환경 구성에 추가하십시오.

# Export the required token in your terminal environment
export HF_TOKEN="your_hf_token_here"

# Optional configurations to customize behavior
export HF_HUB_BASE_URL="https://huggingface.co"
export HF_ROUTER_BASE_URL="https://api-inference.huggingface.co"
export HF_TIMEOUT_MS=30000
export HF_MAX_RETRIES=3
export LOG_LEVEL="info"

Hugging Face Agent Skill 데이터 스키마 및 분류 체계

Hugging Face agent skill은 7개의 핵심 Model Context Protocol (MCP) 도구를 중심으로 작업을 구성하며, 이를 탐색(무료) 및 추론(유료) 작업으로 분류합니다:

Tool Primary Parameters Output Description Cost Category
hf_search_models query (string), filter (string) Hub 메타데이터가 포함된 일치하는 모델 객체 배열 Free
hf_model_info model_id (string) 포괄적인 모델 카드 메타데이터, 파이프라인 및 라이선스 Free
hf_search_datasets query (string) 검색어와 일치하는 데이터셋 카탈로그 목록 Free
hf_list_inference_models None 추론 라우터에서 지원하는 활성 모델 목록 Free
hf_chat model (string), messages (array), max_tokens (number) OpenAI 호환 채팅 응답 및 token 사용 세부 정보 Billed
hf_embeddings inputs (array of strings), model (string) 텍스트 입력을 위한 다차원 부동 소수점 벡터 Billed
hf_request endpoint (string), params (object) 임의의 엔드포인트에서 발생하는 사용자 정의 원시 HTTP 페이로드 응답 Varied

모든 도구는 엄격한 JSON 경계를 적용하며 민감한 HF_TOKEN이 디버그 출력이나 agent 로그에 절대 유출되지 않도록 합니다.

Hugging Face Agent Skill 고급 기능

  • Optimized Embedding Batching: 단일 항목 쿼리 대신 embedding 요청을 배치( inputs의 배열 사용)하여 API 왕복을 최소화하는 내장 기능입니다.
  • Dynamic Router Failover: 지원되지 않는 모델 오류 발생 시 agents가 프로그래밍 방식으로 hf_list_inference_models를 쿼리하고 다른 모델로 대체할 수 있습니다.
  • Proactive License Inspection: 배포 전 모델 라이선스(예: 상업적 사용 제한)에 대한 규정 준수 검사를 자동화합니다.
  • Arbitrary Endpoint Interoperability: hf_request 도구를 유연한 개발자 탈출구로 사용하여 사용자 정의, 미세 조정 또는 비공개 Hugging Face 엔드포인트에 액세스합니다.

SKILL.md


로드 중

관련 Openclaw 스킬

METADATA

Github Stars: 0
forks: 0

추천*