这个 Skill 能做什么，适合哪些场景？
该技能通过 Hugging Face MCP 服务器连接 Hugging Face Hub。它可以搜索模型、数据集、Spaces 和论文，读取仓库详情与文档，并运行 Hugging Face Jobs 计算任务。它还可以将支持 MCP 的 Gradio Spaces 调用为 AI 工具。只有在智能体已连接 Hugging Face MCP 服务器时，该技能才可用。
调用 model_search、dataset_search、space_search 和 paper_search 查找 Hub 资源；使用 hub_repo_details 获取仓库详情和 README；通过 hf_doc_search 与 hf_doc_fetch 查询和读取库文档；通过 hf_jobs 运行、查看状态和读取日志；通过 dynamic_space 发现、查看参数并调用 Gradio Spaces；使用 hf_whoami 检查身份信息；还可调用 gr1_flux1_schnell_infer 生成图像。
- 需要为代码生成或其他任务筛选模型的开发者，可按任务、作者、下载量或趋势分数搜索并查看模型资料。
- 进行英文情感分析等机器学习项目的数据团队，可搜索带有语言和任务标签的数据集并读取其文档。
- 希望把现成 AI 应用作为工具使用的开发者，可查找支持 MCP 的 Gradio Space、查看参数并发起调用。
- 需要快速验证 GPU 可用性或运行训练脚本的工程师，可提交 Hugging Face Jobs 任务并查看运行状态与日志。
- 学习 PEFT、LoRA 等库用法的开发者，可搜索并获取 Hugging Face 文档。
- 进行模型或强化学习研究的研究人员，可搜索论文及其关联的 Hub 资源。
如何安装这个 Skill？
- 使用 hf_jobs 或 dynamic_space 前应明确获得用户授权，审查脚本、镜像、参数、输入文件和 secrets，避免将敏感数据发送到远程服务。
- 核心能力依赖 Hugging Face MCP 及海外网络服务；在中国大陆网络环境中可能不可达，应准备本地或可访问的替代方案。
- 建议补充认证失败、工具不可用、作业失败、成本控制、取消/回滚和输出格式说明，并为关键工具路径提交测试。
- 网络访问
- MCP Server
Hugging Face MCP server
先在 https://huggingface.co/settings/mcp 配置并连接 Hugging Face MCP 服务器。按照仓库 README，将 hf-mcp/skills/hf-mcp/ 复制或符号链接到 Codex 标准的 .agents/skills 位置，例如 $REPO_ROOT/.agents/skills 或 $HOME/.agents/skills。来源没有提供该单项技能的专用安装命令。
tmp="$(mktemp -d)"
git clone --depth 1 https://github.com/huggingface/skills.git "$tmp"
mkdir -p ~/.claude/skills
cp -R "$tmp/hf-mcp/skills/hf-mcp" ~/.claude/skills/
rm -rf "$tmp"根据源仓库地址和 Skill 路径自动生成，只复制这个 Skill 的文件夹。如果上文有作者提供的安装方式，请优先按作者说明操作；想只在当前项目中使用，把 ~/.claude/skills 换成项目里的 .claude/skills。
如何使用这个 Skill？
在已加载技能且连接 MCP 服务器的智能体中直接提出任务，例如：Find the best model for code generation、Find datasets for sentiment analysis in English、What's happening with my training job? 或 Create an image of a robot reading a book。技能会根据目标选择相应的 Hugging Face MCP 工具。
这个 Skill 有哪些优点和局限？
- 覆盖模型、数据集、Spaces、论文、文档和计算任务等 Hub 操作。
- 可以读取仓库 README，帮助用户获得更完整的模型或数据集背景。
- 支持发现并调用 Gradio Spaces 作为 AI 工具。
- 支持提交任务、查询状态和读取日志，包含一次性与定时任务示例。
- 必须连接 Hugging Face MCP 服务器；未连接时技能不可用。
- 来源没有说明费用、权限范围或失败重试策略。
- 来源未提供该技能的测试套件或平台测试证据。
- 该技能聚焦 MCP 工具调用，不是完整的 Hugging Face CLI 工作流。
这个 Skill 与同类方案有什么区别？
与相关 Skills 并排比较；分数均按同一 FSRS 标准得出。
| Skill | FS 评分 | Star 数 | 最近更新 | License |
|---|---|---|---|---|
| Hugging Face MCP 助手 本页 | 36 · 不推荐 | ★ 11k | 19 天前 | Apache-2.0 |
| Hugging Face CLI 技能 | 55 · 谨慎使用 | ★ 38k | 14 天前 | MIT |
| Hugging Face ZeroGPU 开发指南 | 56 · 谨慎使用 | ★ 11k | 19 天前 | Apache-2.0 |
| HF 论文发布助手 | 45 · 不推荐 | ★ 38k | 14 天前 | MIT |
| Hugging Face 本地模型运行器 | 44 · 不推荐 | ★ 11k | 19 天前 | Apache-2.0 |
README 将 hf-cli 描述为核心 Hub 操作的推荐首个技能；hf-mcp 则通过 MCP 服务器提供搜索、文档、Spaces 和 Jobs 等工具调用能力。来源没有给出其他竞品比较。
FollowSkills 如何评估这个 Skill？
技能明确依赖连接的 Hugging Face MCP 服务器，并示例涉及云端作业、动态 Space 调用和 HF_TOKEN secrets；但未规定最小权限、用户确认、敏感数据处理、数据流、回滚或外部副作用控制，因此扣分。未发现凭证窃取、恶意软件或破坏性默认行为。
工具选择和示例流程总体一致，且声明必须连接 HF MCP 服务器；但没有覆盖工具不可用、认证失败、参数错误、远程作业失败或异常输入的诊断反馈，也没有提交针对该技能关键路径的测试。按静态校准不超过10。
覆盖模型、数据集、Space、论文、文档和作业等明确场景，受众为可使用 MCP 的 AI 助手；但触发条件、非适用边界、输入输出约定和环境兼容性不足，且核心功能依赖远程 Hugging Face 服务，未说明中文支持或中国大陆网络可达性。
SKILL.md 结构清晰，包含 frontmatter、用例、工具选择表和提示；仓库提供 Apache-2.0、生成校验 CI、安全报告渠道及发布说明。但该技能自身缺少安装与依赖细节、版本/变更记录、已知限制、维护责任和具体更新路径，因此扣分。
示例直接映射到搜索、仓库详情、文档获取、Space 调用和作业管理等任务，具有明显工具化价值；但结果格式、成功标准、失败处理和代表性输出未定义，且远程服务、认证及成本影响未说明。静态证据只能支持有限的核心任务完成度，按校准不超过7。
源文件提供了可审阅的工具调用示例，仓库 CI 能验证生成产物和技能索引；但没有针对 hf-mcp 关键路径的测试、运行记录或第三方复核，主要结论来自文档声明。按静态校准不超过5。
点击维度查看打分理由
证据充分度：低 — 主要依赖静态检查、作者材料或有限演示；适合发现线索，不适合做高风险决策。
查看完整评分方法 →