# Ajanlar

Hugging Face, yapay zeka ajanlarını doğrudan Hub'a bağlayan araçlar ve protokoller sunar. Claude ile sohbet edip, Codex ile geliştirme yapıyor ya da özel ajanlar geliştiriyor olsanız da modellere, veri setlerine, Spaces'lere ve topluluk araçlarına erişebilirsiniz. Bu sayfa, [sohbet ajanlarınızı](#chat-with-hugging-face) ve [kodlama ajanlarınızı](#coding-agents) Hub'a bağlamayı kapsar.

| Sayfa | Açıklama |
| ---- | ----------- |
| [CLI](./agents-cli) | Ajanınıza yerleşik bir Skill ile `hf` CLI verin |
| [MCP Sunucusu](./agents-mcp) | Herhangi bir MCP uyumlu istemcisi Hub'a bağlayın |
| [Yetenekler](./agents-skills) | Yapay zeka/makine öğrenmesi iş akışları için görev bazlı yönlendirme |
| [SDK](./agents-sdk) | Ajanları Python veya JavaScript ile programatik olarak oluşturun |
| [Yerel Ajanlar](./agents-local) | llama.cpp ve Pi ile tamamen yerel ajanlar çalıştırın |
| [Ajan İzleri](./agent-traces) | Hub'da Claude Code, Codex ve Pi oturumlarını görüntüleyin |

## Hugging Face ile Sohbet

Model Context Protocol (MCP) kullanarak yapay zeka asistanınızı doğrudan Hugging Face Hub'a bağlayın. Bağlantı kurulduktan sonra modelleri arayabilir, veri kümelerini keşfedebilir, görseller üretebilir ve topluluk araçlarını kullanabilirsiniz—bunların hepsini sohbet arayüzünüzün içinden yapabilirsiniz.

### Desteklenen Asistanlar

HF MCP Server, herhangi bir MCP uyumlu istemciyle çalışır:
- **ChatGPT** (eklentiler aracılığıyla)
- **Claude Desktop**
- **Özel MCP istemcileri**

### Kurulum

#### 1. MCP Ayarlarını açın

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

Giriş yapılmışken [huggingface.co/settings/mcp](https://huggingface.co/settings/mcp) adresini ziyaret edin.

#### 2. Müvekkilinizi Seçin

Listeden MCP uyumlu istemcinizi seçin. Sayfa, istemciye özel talimatları ve kopyalamaya hazır bir yapılandırma parçasını gösterir.

#### 3. Yapılandır ve Yeniden Başlat

Yapılandırma parçasını istemcinizin MCP ayarlarına kopyalayın, kaydedin ve istemcinizi yeniden başlatın.

> [!TIP]
> Ayarlar sayfası, istemcinizin beklediği tam yapılandırmayı oluşturur. Yapılandırmayı elle yazmak yerine bunu kullanın.

### Yapabilecekleriniz

Bağlantı kurulduktan sonra, asistanınızdan yapılandırmanızda seçtiğinizler arasında Hugging Face araçlarını kullanmasını isteyin:

| Görev | Örnek İstek |
| ---- | -------------- |
| Modelleri ara | Hugging Face'te Qwen 3 kuantizasyonlarını bulun |
| Veri kümelerini keşfedin | "Hava durumu zaman serisi hakkında veri kümelerini göster" |
| Spaces Bul | Ses dosyalarını transkribe edebilen bir Space bulun |
| Görseller oluşturun | "Ghibli tarzında bir kedi içeren 1024x1024 boyutunda bir görüntü oluşturun" |
| Makaleleri ara | "vision-language modelleri hakkında son makaleleri bulun" |

Asistanınız, Hugging Face sunucusu tarafından açığa çıkarılan MCP araçlarını çağırır ve sonuçları meta veriler, bağlantılar ve bağlamla birlikte döndürür.

### Topluluk Araçlarını Ekle

Kurulumunuzu MCP uyumlu Gradio Spaces ile genişletin:

1. MCP destekli [Spaces'leri görüntüle](https://huggingface.co/spaces?filter=mcp-server)
2. Bunları [MCP ayarlarınıza](https://huggingface.co/settings/mcp) ekleyin
3. Yeni araçları almak için istemcinizi yeniden başlatın

Gradio MCP uygulamaları, fonksiyonlarını argüman ve açıklamalarla birlikte araçlar olarak açığa çıkarır; böylece asistanınız bunları doğrudan çağırabilir.

### Daha Fazla Bilgi Al

- [MCP Sunucusu Kılavuzu](./agents-mcp) - Ayrıntılı kurulum ve yapılandırma
- [HF MCP Ayarları](https://huggingface.co/settings/mcp) - İstemcinizi yapılandırın
- [MCP uyumlu Spaces](https://huggingface.co/spaces?filter=mcp-server) - Topluluk araçları

## Kodlama Ajanları

MCP Sunucusu ve Beceriler ile Hugging Face'i kodlama iş akışınıza entegre edin. Modellere, veri setlerine ve ML araçlarına doğrudan IDE'nizden veya kodlama ajanınızdan erişin. Örneğin, MCP ve/veya Beceriler ile bu kodlama ajanlarını ve daha fazlasını ele alıyoruz:

| Kodlama Ajanı | Entegrasyon Yöntemi |
| ------------ | ------------------ |
| [Claude Code](https://code.claude.com/docs) | MCP Sunucusu + Beceriler |
| [OpenAI Codex](https://openai.com/codex/) | MCP Sunucusu + Beceriler |
| [Açık Kod](https://opencode.ai/) | MCP Sunucusu + Beceriler |
| [Cursor](https://www.cursor.com/) | MCP Sunucusu + Beceriler |
| [VS Code](https://code.visualstudio.com/) | MCP Sunucusu |
| [Gemini CLI](https://geminicli.com/) | MCP Sunucusu |
| [Zed](https://zed.dev/) | MCP Sunucusu |

### Hızlı Kurulum

#### MCP Sunucusu

MCP Sunucusu, kodlama aracınıza Hub arama, Spaces ve topluluk araçlarına erişim sağlar.

**Cursor / VS Code / Zed:**

1. [huggingface.co/settings/mcp](https://huggingface.co/settings/mcp) adresini ziyaret edin
2. Listeden IDE'nizi seçin
3. Yapılandırma parçasını kopyalayın
4. Bunu IDE'nizin MCP ayarlarına ekleyin
5. IDE'yi yeniden başlatın

**Claude Code:**

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

#### Yetenekler

Skills, AI/ML iş akışları için görev bazlı yönlendirme sağlar. MCP ile birlikte veya bağımsız olarak çalışırlar.

```bash
# start claude 
claude

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

Ardından, bir Skill spesifikasyonunu yüklemek için:
```bash
/plugin install hf-cli@huggingface-skills
```

Mevcut beceriler ve kullanım için [Beceriler Kılavuzu](./agents-skills)'na bakın.

### Yapabilecekleriniz

Yapılandırıldıktan sonra kodlama aracınız şunları yapabilir:

| Yetenek | Örnek |
| ---------- | ------- |
| Hub'da Ara | 7B parametrenin altında bir kod üretme modeli bulun |
| Görseller oluşturun | "Transformer mimarisi diyagramı oluşturun" |
| Veri kümelerini keşfedin | "Duygu analizi için hangi veri kümeleri mevcuttur?" |
| Spaces'leri Çalıştır | Bu ses dosyasını transkribe etmek için Whisper Space'i kullanın |
| Belgelere eriş | Transformers ile bir model nasıl ince ayarlanır? |

### Ortam Yapılandırması

#### Kimlik Doğrulama

Hugging Face token'ınızı bir ortam değişkeni olarak ayarlayın:

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

Veya [CLI](./agents-cli) üzerinden kimlik doğrulaması yapın:

```bash
hf auth login
```

#### Topluluk Araçları Ekleme

Kurulumunuzu MCP uyumlu Gradio Spaces ile genişletin:

1. MCP destekli [Spaces'leri görüntüle](https://huggingface.co/spaces?filter=mcp-server)
2. Bunları [MCP ayarlarınıza](https://huggingface.co/settings/mcp) ekleyin
3. IDE'nizi yeniden başlatın

### Örnek İş Akışı

```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!")
```

## Ajan iskeletinizi kaydedin

Hugging Face, Hub ile etkileşime giren kodlama ajanlarını ve araçlarını (Claude Code, Codex, Cursor ve diğerleri) içeren herkese açık bir agent harness kayıt defteri sürdürür. `huggingface_hub`, kayıtlı bir harness içinde çalıştığını algıladığında, Hub isteklerindeki user agent üzerinden bunu raporlar. Harness'inizi kaydetmek, bu etkinliğin aracınızın adıyla size atfedilmesini sağlar; projenize dostça bir görüntüleme etiketi, belgelerinize ve repozituarınıza geri bağlantılar ve herkese açık [agent kullanım veri setinde](https://huggingface.co/datasets/huggingface/agent-usage) bir yer verir — kayıtlı olmayan araçlar yalnızca bu veri setindeki `unknown` payında toplanır.

Bir harness kaydetmek için, `@huggingface/tasks` paketindeki [`agent-harnesses.ts`](https://github.com/huggingface/huggingface.js/blob/main/packages/tasks/src/agent-harnesses.ts) dosyasına bir giriş ekleyen bir Pull Request açın:

- harness kimliği (giriş anahtarı) küçük harf ve tire ile ayrılmış olmalıdır (örnek: `"claude-code"`).
- Kullanıcı dostu büyük/küçük harf kullanımına sahip `prettyLabel` ayarlayın (örnek: `Claude Code`).
- (isteğe bağlı) `repoUrl` alanını, test platformunun kaynak koduna (genellikle bir GitHub deposu) giden bağlantıyla doldurun.
- (isteğe bağlı) `docsUrl` alanını, test platformu (harness) belgelerine veya web sitesine giden bir bağlantıyla doldurun.
- (isteğe bağlı) `description` alanını, test çerçevesinin kısa, tek satırlık açıklamasıyla doldurun.
- ortamdan nasıl algılandığını tanımlayın:
  - Eğer harness'iniz standart ortam değişkenlerinden birini (`AI_AGENT` veya `AGENT`) ayarlıyorsa, değeri doğrudan tanımlayıcı olarak kullanılır ve ek yapılandırma gerekmez.
  - Aksi takdirde, `envVars` değerini, ortam değişkeni adlarını değer kalıplarına eşleyecek şekilde ayarlayın. Herhangi bir boş olmayan değeri eşleştirmek için `"*"`, tam bir eşleşme için tam bir dize veya önek eşleştirmesi için `"<prefix>*"` kullanın.

Ve bu kadar! PR birleştirildiğinde, ajan iskeletinizden gelen `huggingface_hub` trafiği (`hf` CLI dahil) adıyla ona atfedilir ve sonraki aylık güncellemeden itibaren [agent usage dataset](https://huggingface.co/datasets/huggingface/agent-usage) içinde görünür.

## Sonraki Adımlar

- [CLI](./agents-cli) - Hub işlemleri için komut satırı arayüzü
- [MCP Sunucusu](./agents-mcp) - Hub'a herhangi bir MCP uyumlu yapay zeka asistanını bağlayın
- [Yetenekler](./agents-skills) - Kodlama ajanları için önceden oluşturulmuş yetenekler
- [SDK](./agents-sdk) - Ajanlar oluşturmak için Python ve JavaScript kütüphaneleri