HuggingFace Tool Builder

HuggingFace Tool Builder 是官方仓库 huggingface/skills 中的 huggingface-tool-builder Skill（Skill 目录）。它不是一次性回答关于 Hub 的问题，而是让智能体写出可复用的命令行脚本，用来获取、补全或处理 Hugging Face 数据，使任务可以重复运行、串联或自动化。

这个 Skill 篇幅不长、立场鲜明，价值在于它定下的规则和附带的示例脚本。

核心功能

• 脚本规则：每个脚本都必须支持 --help；非破坏性脚本交付前先测试；优先用 shell，复杂时再用 Python 或 TSX。
• 认证规范：脚本把 HF_TOKEN 作为 Bearer 请求头发送，获得更高的限流额度，并能访问受限或私有数据。
• 先探索再构建：智能体用小数量参数查看真实 API 返回结构，并通过 jq 查询 https://huggingface.co/.well-known/openapi.json，而不是整份读取。
• 参考脚本：hf_model_papers_auth.sh（热门模型到论文）、find_models_by_paper.sh、hf_model_card_frontmatter.sh（模型卡 YAML 转 NDJSON）、hf_enrich_models.sh（从标准输入读 ID 输出 NDJSON）。
• 最简示例：bash、Python、TypeScript 三种语言的最简认证调用。
• 主要端点：/api/models、/api/datasets、/api/spaces、/api/collections、/api/daily_papers、/api/trending 等。

适用场景

• 每周生成一份热门模型报告，附带许可证和关联论文。
• 团队选型前检查候选模型是否需要申请访问。
• 把 Hub 元数据以 NDJSON 形式喂给其他流水线。

定价

免费开源（仓库为 Apache-2.0）。调用公开的 Hub API 无需付费，使用令牌可提高限流额度。

快速开始

1. 安装 HuggingFace CLI，再运行 hf skills add huggingface-tool-builder。
2. 设置 HF_TOKEN。
3. 描述要重复执行的任务，例如"列出下载量最高的 10 个文本生成模型及其许可证"。
4. 把生成的脚本保存在仓库里，随时重跑。

局限：产出的是智能体写的代码，凡是会写入 Hub 的操作都要先审阅。可组合示例依赖 jq 和 Unix shell。

常见问题

和 CLI Skill 有什么区别？

CLI Skill 执行单条命令；这个 Skill 生成组合多个 API 调用、可重复运行的脚本。

它会构建 MCP 工具吗？

不会，它构建的是命令行脚本。

替代方案

• MCP Builder：把 API 封装成 MCP 服务器，而不是脚本。
• Skill Creator：把可重复的工作流做成新的 Skill。
• HuggingFace Datasets：现成的 Dataset Viewer API 调用。

总结

当某个 Hub 问题会反复出现时就用它，最后得到的是一份测试过的脚本，而不是一段聊天回复。更多见 skills 分类。