huggingface/ml-intern

요약

huggingface/ml-intern은 사용자가 원하는 ML 관련 목표(예: 모델 파인튜닝)를 제시하면, 이를 자율적으로 조사하고, 계획하며, 고품질의 실행 가능한 코드를 생성 및 배포하는 AI 에이전트입니다. 이 도구는 Hugging Face 생태계에 깊숙이 통합되어 있어 문서 검색, 최신 논문 분석, 데이터셋 접근, 클라우드 컴퓨팅 작업을 모두 처리할 수 있습니다. 개발자는 복잡한 ML 워크플로우를 명령어 한 줄로 실행하며, 내부적으로 에이전트 루프와 툴 라우터(ToolRouter)를 통해 체계적인 작업 흐름을 경험할 수 있어

핵심 포인트

ML 연구부터 코드 배포까지 전 과정을 자동화하는 AI 에이전트 'ml-intern'을 Hugging Face에서 제공합니다.
Anthropic Claude Opus 등 최신 LLM과 연동하여, 문서 검색, GitHub 코드 탐색, 데이터셋 관리 등 다차원적인 작업을 수행합니다.
에이전트는 ContextManager를 통해 대화 기록 및 작업 결과를 자동 압축(Auto-compaction)하고, 최대 300회 반복을 지원하는 강력한 에이전트 루프를 가집니다.
사용자는 `ml-intern` 명령어만으로 복잡한 파인튜닝 같은 작업을 헤드리스 모드(`ml-intern "fine-tune llama on my dataset"`)로 실행할 수 있습니다.

Hugging Face 생태계 내에서 문서를 깊이 활용하고 논문(papers), 데이터셋(datasets), 클라우드 컴퓨팅(cloud compute)에 접근하여 고품질의 ML 관련 코드를 자율적으로 연구, 작성 및 배포하는 ML 인턴입니다.

git clone git@github.com:huggingface/ml-intern.git
cd ml-intern
uv sync
uv tool install -e .
ml-intern

프로젝트 루트에 .env 파일을 생성하거나(또는 쉘에서 다음 환경 변수를 내보내기 하십시오):
ANTHROPIC_API_KEY=<사용자-anthropic-api-key> # anthropic 모델 사용 시
HF_TOKEN=<hugging-face-token>
GITHUB_TOKEN=<github-personal-access-token>

HF_TOKEN이 설정되지 않은 경우, CLI는 첫 실행 시 붙여넣도록 요청합니다. GITHUB_TOKEN을 얻으려면 여기의 튜토리얼(tutorial)을 따르십시오.

대화형 모드 (채팅 세션 시작):
ml-intern

헤드리스 모드 (단일 프롬프트, 자동 승인):
ml-intern "my dataset에 llama 파인튜닝하기"

옵션:

ml-intern --model anthropic/claude-opus-4-6 "프롬프트 내용"
ml-intern --max-iterations 100 "프롬프트 내용"
ml-intern --no-stream "프롬프트 내용"

┌─────────────────────────────────────────────────────────────┐
│ 사용자/CLI │
└────────────┬─────────────────────────────────────┬──────────┘
│ 작업(Operations) │ 이벤트(Events)
↓ (user_input, exec_approval, ↑ submission_queue interrupt, compact, ...) event_queue
│ │
↓ │
┌────────────────────────────────────────────────────┐ │
│ submission_loop (agent_loop.py) │ │
│ ┌──────────────────────────────────────────────┐ │
│ │ 1. 큐에서 작업 수신 │ │
│ │ 2. 핸들러로 라우팅 (run_agent/compact/...) │ │
│ └──────────────────────────────────────────────┘ │
│ ↓ │ │
┌────────────────────────────────────────────────────┐ │
│ Handlers.run_agent() │ ├──┤
│ │ │ │ │
│ │ ┌────────────────────────────────────────┐ │ │ │
│ │ │ 에이전트 루프 (Agentic Loop) (최대 300회 반복) │ │ │ │
│ │ │ │ │ │ │
│ │ │ ┌──────────────────────────────────┐ │ │ │ │ │
│ │ │ │ 세션(Session) │ │ │ │ │ │
│ │ │ │ ┌────────────────────────────┐ │ │ │ │ │
│ │ │ │ │ ContextManager │ │ │ │ │ │
│ │ │ │ │ • 메시지 기록 (Message history)
│ │ │ │ │ (litellm.Message[]) │ │ │ │ │ │
│ │ │ │ │ • 자동 압축(Auto-compaction) (170k) │ │ │ │ │ │
│ │ │ │ │ • HF에 세션 업로드 │ │ │ │ │ │
│ │ │ └────────────────────────────┘ │ │ │ │ │ │
│ │ │ │ │ │ │ │
│ │ │ │ ┌────────────────────────────────────────┐ │ │ │ │ │
│ │ │ │ │ ToolRouter │ │ │ │ │ │
│ │ │ │ │ ├─ HF 문서 및 연구 (HF docs & research) │ │ │ │ │ │
│ │ │ │ │ ├─ HF 리포지토리, 데이터셋, 작업(jobs), 논문 (papers) │ │ │ │ │ │
│ │ │ │ │ ├─ GitHub 코드 검색 (GitHub code search) │ │ │ │ │ │
│ │ │ │ │ ├─ 샌드박스 및 로컬 도구 (Sandbox & local tools) │ │ │ │ │ │
│ │ │ │ │ ├─ 계획 수립 (Planning) │ │ │ │ │ │
│ │ │ │ │ └─ MCP 서버 도구 (MCP server tools) │ │ │ │ │ │

AI 자동 생성 콘텐츠

원문 바로가기

huggingface/ml-intern

요약

핵심 포인트

댓글