# 스킬

> [!TIP]
> `hf` CLI Skill을 찾고 계신가요? 에이전트를 Hugging Face Hub 및 생태계에 연결하는 가장 빠른 방법입니다. [Hugging Face CLI for AI Agents](./agents-cli) 가이드를 참고하세요.

Hugging Face는 AI 개발자를 위해 큐레이션된 Skills 세트를 제공합니다. 모델을 학습하고, 데이터셋을 생성하고, 평가를 실행하고, 실험을 추적합니다. 각 Skill은 에이전트가 작업을 수행하는 동안 따르는 자체 완결형 `SKILL.md`입니다.

Skills는 Claude Code, OpenAI Codex, Google Gemini CLI, Cursor 등 주요 코딩 에이전트와 모두 호환됩니다. 포맷에 대한 자세한 내용은 [agentskills.io](https://agentskills.io)에서 확인하세요.

## 설치

```bash
# install a specific Skill with the hf CLI (use --global to install it for all projects)
hf skills add <skill-name> --global
```

`hf-cli` Skill은 Claude Code 플러그인으로도 사용할 수 있습니다:

```bash
/plugin marketplace add huggingface/skills
/plugin install hf-cli@huggingface-skills
```

[저장소](https://github.com/huggingface/skills)에서 스킬을 복사하거나 심볼릭 링크를 만들어 Codex의 표준 `.agents/skills` 위치 중 하나(예: `$REPO_ROOT/.agents/skills` 또는 `$HOME/.agents/skills`)에 배치합니다. Codex는 Agent Skills 표준을 통해 이를 자동으로 감지합니다.

대신 번들된 [`agentsmd/AGENTS.md`](https://github.com/huggingface/skills/blob/main/agentsmd/AGENTS.md)를 폴백으로 사용할 수 있습니다.

```bash
gemini extensions install https://github.com/huggingface/skills.git --consent
```

[저장소 URL](https://github.com/huggingface/skills)을 사용하여 Cursor 플러그인 플로우를 통해 설치합니다. 저장소에는 `.cursor-plugin/plugin.json` 및 `.mcp.json` 매니페스트가 포함되어 있습니다.

## 사용 가능한 스킬

| 스킬 | 기능 |
| ----- | ------------ |
| [`hf-cli`](https://github.com/huggingface/skills/tree/main/skills/hf-cli) | `hf` CLI를 통한 Hub 작업: 다운로드, 업로드, 저장소 관리, 작업 실행 |
| [`huggingface-datasets`](https://github.com/huggingface/skills/tree/main/skills/huggingface-datasets) | 데이터셋 탐색, 행 페이지네이션, 텍스트 검색, 필터 적용 |
| [`huggingface-llm-trainer`](https://github.com/huggingface/skills/tree/main/skills/huggingface-llm-trainer) | HF Jobs에서 TRL(SFT, DPO, GRPO)로 LLM을 학습하거나 파인튜닝 |
| [`huggingface-vision-trainer`](https://github.com/huggingface/skills/tree/main/skills/huggingface-vision-trainer) | 객체 감지 및 이미지 분류 모델 학습 |
| [`huggingface-community-evals`](https://github.com/huggingface/skills/tree/main/skills/huggingface-community-evals) | 로컬 하드웨어에서 Hugging Face Hub의 모델에 대해 평가를 실행합니다 |
| [`huggingface-trackio`](https://github.com/huggingface/skills/tree/main/skills/huggingface-trackio) | Trackio로 ML 학습 실험 추적 및 시각화 |
| [`huggingface-papers`](https://github.com/huggingface/skills/tree/main/skills/huggingface-papers) | Markdown 형식으로 Hugging Face 논문 페이지를 검색하고 읽기 |
| [`huggingface-paper-publisher`](https://github.com/huggingface/skills/tree/main/skills/huggingface-paper-publisher) | Hub에서 연구 논문을 게시하고 관리합니다 |
| [`huggingface-tool-builder`](https://github.com/huggingface/skills/tree/main/skills/huggingface-tool-builder) | HF API 작업을 위한 재사용 가능한 스크립트 만들기 |
| [`gradio`](https://github.com/huggingface/skills/tree/main/skills/huggingface-gradio) | Gradio 웹 UI 및 데모 구축 |
| [`transformers-js`](https://github.com/huggingface/skills/tree/main/skills/transformers-js) | WebGPU/WASM를 사용하여 JavaScript/TypeScript에서 ML 모델을 실행 |

## Skills 사용

설치 후 프롬프트에서 Skill을 직접 언급하세요:

- HF 모델 트레이너 Skill을 사용하여 Capybara 데이터셋에서 SFT로 Qwen3-0.6B를 파인튜닝합니다
- HF evaluation Skill을 사용하여 모델 카드에 벤치마크 결과를 추가합니다
- 이 예제에서 새 데이터셋을 생성하려면 HF datasets Skill을 사용하세요

에이전트는 해당 `SKILL.md` 지침과 헬퍼 스크립트를 자동으로 로드합니다.

## 리소스

- [스킬 저장소](https://github.com/huggingface/skills) - 탐색 및 기여
- [Agent Skills 형식](https://agentskills.io/home) - 사양 및 문서
- [CLI 가이드](./agents-cli) - AI 에이전트를 위한 Hugging Face CLI
- [MCP 가이드](./agents-mcp) - Skills와 함께 사용

