Hugging Face Skills: 코딩 에이전트에게 AI/ML 전문 지식을 부여하고 AI 워크플로우 자동화를 위한 스킬 모음 (feat. ACP)

9bow · 2월 24, 2026, 9:30오후

Hugging Face Skills 소개

최근 Claude Code, Cursor, OpenAI Codex, Google Gemini CLI와 같은 AI 코딩 에이전트들이 개발자들의 작업 방식을 혁신하고 있습니다. 그러나 이러한 에이전트들이 대규모 언어 모델(LLM) 파인튜닝, 복잡한 데이터셋 관리, 혹은 AI 모델 평가와 같이 고도로 전문화된 AI/ML 작업을 수행할 때는 도메인 특화 지식이나 최신 모범 사례(Best Practices)가 부족하여 한계에 부딪히는 경우가 많습니다. Hugging Face Skills는 이러한 간극을 메우기 위해 등장한 프로젝트로, AI 및 머신러닝 워크플로우에 특별히 맞춰진 구조화된 지침(Guidance)과 컨텍스트를 코딩 에이전트에게 제공합니다. 이를 통해 개발자들은 복잡한 프롬프트 엔지니어링 없이도 에이전트가 Hugging Face 생태계의 도구들을 정확하고 효율적으로 활용하도록 만들 수 있습니다.

본질적으로 Hugging Face Skills는 AI/ML 작업을 위한 Agent Context Protocol(ACP) 정의의 모음입니다. 여기서 'Skill(스킬)'이라는 용어는 원래 Anthropic의 Claude AI 및 Claude Code 생태계에서 사용되는 용어입니다. 하지만 Hugging Face는 이 개념을 확장하여 하나의 스킬 저장소가 거의 모든 주요 코딩 에이전트와 상호 운용될 수 있도록 세심하게 설계했습니다. 즉, 개발자가 특정 플랫폼에 종속되지 않고 OpenAI Codex의 AGENTS.md 방식이나 Google Gemini의 gemini-extension.json 방식 등을 모두 지원하는 범용적인 형태의 스킬 포맷을 사용할 수 있다는 것을 의미합니다.

실제 사용 환경에서 이 스킬들을 도입하면, 코딩 에이전트는 Hugging Face의 전문적인 도구와 API에 대한 깊은 이해도를 갖추게 됩니다. 예를 들어, 사용자가 에이전트에게 "HF LLM trainer 스킬을 사용해서 70B 모델 학습에 필요한 GPU 메모리를 추정해줘"라고 자연어로 지시하기만 하면 됩니다. 그러면 에이전트는 해당 스킬 폴더에 포함된 명확한 가이드라인(SKILL.md), 템플릿, 헬퍼 스크립트, 그리고 안전장치(Guardrails)를 자동으로 로드하여 작업을 정확하게 완수합니다. 결과적으로 이는 수많은 시행착오를 줄여주며, 일반 소프트웨어 엔지니어도 고급 ML 운영을 쉽게 수행할 수 있도록 AI 애플리케이션 개발을 가속화합니다.

특히, Hugging Face Skills는 단순한 API 엔드포인트 제공을 넘어 **포괄적인 컨텍스트(Agent Context)**를 제공하는 데 집중합니다. 하나의 스킬 폴더 안에는 스크립트뿐만 아니라 작업의 목적, 사용 시기, 예제, 주의사항 등이 담긴 SKILL.md 문서가 포함되어 있습니다. 이러한 풍부한 배경 지식은 에이전트가 단순히 코드를 실행하는 것을 넘어, 여러 단계로 이루어진 복잡한 ML 파이프라인을 논리적으로 추론하고 올바르게 구성할 수 있도록 돕습니다.

또한, Hugging Face Skills는 Claude Code, Gemini CLI, Codex 등, 여러 코딩 에이전트이 사용하는 다양한 규격들을 단일 표준화된 구조 안에서 모두 호환되도록 묶어냈습니다. 따라서 개발자는 단일 저장소를 유지하면서도 Claude Code, Cursor, Codex, Gemini CLI 등 다양한 도구를 넘나들며 일관된 AI/ML 작업 지침을 에이전트에게 부여할 수 있습니다.

Hugging Face Skills의 주요 특징

Skill의 작동 원리 및 기본 구조

Hugging Face Skills 내의 각 스킬은 특정 사용 사례(Use case)에 대해 AI 에이전트가 사용할 수 있도록 지시사항, 스크립트, 리소스가 한데 묶인 독립적인 폴더(Self-contained folders) 형태로 구성됩니다:

SKILL.md 파일: 모든 스킬 폴더의 핵심으로, YAML 프런트매터(스킬의 이름과 설명)로 시작합니다. 그 아래에는 코딩 에이전트가 해당 스킬을 활성화했을 때 따라야 하는 세부 지침, 모범 사례, 예제, 그리고 안전장치(Guardrails)가 마크다운 형식으로 정의되어 있습니다.
헬퍼(helper) 스크립트 및 템플릿: 단순 텍스트 지침 외에도 데이터셋 쿼리나 모델 변환(convert_to_gguf.py 등)에 필요한 실제 파이썬 스크립트 코드들이 스킬과 함께 패키징되어 있어 에이전트가 즉각적으로 활용할 수 있습니다.

지원되는 코딩 에이전트 및 설치 방법

Hugging Face Skills는 다양한 주요 코딩 에이전트와 매끄럽게 연동되며, MCP(Model Context Protocol)와 함께 사용하거나 독립적으로 사용할 수도 있습니다. 또한, 아래 소개된 에이전트들 외에도 Cursor, Windsurf, Continue 등의 통합도 지원하거나 진행 중입니다.

Claude Code를 사용하는 경우, 먼저 저장소를 플러그인 마켓플레이스에 등록한 후 특정 스킬을 설치하고 사용할 수 있습니다:

# Claude Code 실행 후 Marketplace 설치합니다.
/plugin marketplace add huggingface/skills

# 다음과 같이 <skill-name>의 스킬을 설치할 수 있습니다.
/plugin install <skill-name>@huggingface/skills

# Hugging Face CLI 스킬 설치 예시:
/plugin install hugging-face-cli@huggingface/skills

OpenAI Codex를 사용하는 경우, Codex는 저장소 내의 AGENTS.md 파일을 통해 스킬을 자동으로 식별합니다. 다음 명령어로 지시사항이 제대로 로드되었는지 확인할 수 있습니다:

codex --ask-for-approval never "Summarize the current instructions."

더 상세한 내용은 Codex AGENTS guide를 참고해주세요.

Google Gemini CLI에서 사용하기 위해서는 Hugging Face Skills 저장소를 직접 설치하면 됩니다. Hugging Face Skills에는 Gemini CLI 통합을 위한 gemini-extension.json이 포함되어 있으므로, 다음과 같이 GitHub URL을 사용하여 설치할 수 있습니다:

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

Hugging Face Skills가 제공하는 주요 스킬 및 사용법

제공하는 주요 스킬 목록

Hugging Face Skills 저장소에는 도메인 특화 작업이나 도구 활용을 돕기 위한 다양한 공식 스킬들이 준비되어 있습니다:

이름 (Name)	설명 (Description)	문서 (Documentation)
hugging-face-cli	`hf` CLI를 사용하여 Hugging Face Hub 작업을 실행합니다. 모델/데이터셋 다운로드, 파일 업로드, 저장소 관리 및 클라우드 컴퓨팅 작업 실행을 지원합니다.	SKILL.md
hugging-face-datasets	Hugging Face Hub에서 데이터셋을 생성하고 관리합니다. 저장소 초기화, 설정(config)/시스템 프롬프트 정의, 스트리밍 행 업데이트, SQL 기반 데이터셋 쿼리 및 변환을 지원합니다.	SKILL.md
hugging-face-evaluation	Hugging Face 모델 카드에 평가 결과를 추가하고 관리합니다. README 콘텐츠에서 평가 테이블 추출, Artificial Analysis API에서 점수 가져오기, vLLM/lighteval을 사용한 사용자 정의 평가 실행을 지원합니다.	SKILL.md
hugging-face-jobs	Hugging Face 인프라에서 컴퓨팅 작업을 실행합니다. Python 스크립트 실행, 예약된 작업 관리, 작업 상태 모니터링을 지원합니다.	SKILL.md
hugging-face-model-trainer	Hugging Face Jobs 인프라에서 TRL을 사용하여 언어 모델을 학습하거나 파인튜닝합니다. SFT, DPO, GRPO 및 보상 모델링(reward modeling) 학습 방법과 로컬 배포를 위한 GGUF 변환을 다룹니다. 하드웨어 선택, 비용 추정, Trackio 모니터링 및 Hub 저장(persistence) 기능을 포함합니다.	SKILL.md
hugging-face-paper-publisher	Hugging Face Hub에 연구 논문을 게시하고 관리합니다. 논문 페이지 생성, 논문과 모델/데이터셋 연결, 저자 권한 주장, 전문적인 마크다운 기반 리서치 아티클 생성을 지원합니다.	SKILL.md
hugging-face-tool-builder	Hugging Face API 작업을 위한 재사용 가능한 스크립트를 빌드합니다. API 호출을 연결(chaining)하거나 반복적인 작업을 자동화하는 데 유용합니다.	SKILL.md
hugging-face-trackio	Trackio를 사용하여 ML 학습 실험을 추적하고 시각화합니다. Python API를 통해 지표(metric)들을 기록하고 CLI를 통해 검색합니다. HF Spaces와 동기화되는 실시간 대시보드를 지원합니다.	SKILL.md

에이전트 프롬프트 활용 예시 (What You Can Do)

스킬이 설치된 후에는 에이전트에게 자연어로 작업을 요청하면서 특정 스킬을 언급하기만 하면 됩니다. 다음은 GitHub 저장소에 소개된 몇 가지 활용 예시입니다:

모델 학습: "Train an LLM with SFT using the Qwen/Qwen3-0.6B model and the trl-lib/Capybara dataset" 또는 "Use the HF LLM trainer skill to estimate the GPU memory needed for a 70B model run."
데이터셋 쿼리: "Tell me about the evalstate/mcp-clients dataset from the last 2 days" 또는 "Use the HF dataset creator skill to draft new few-shot classification templates."
평가 및 논문: "Use the HF model evaluation skill to launch run_eval_job.py on the latest checkpoint" 또는 "Use the HF paper publisher skill to index my arXiv paper and link it to my model."

커스텀 Skill 제작 및 기여 방법

조직 내 고유의 ML 워크플로우를 자동화하기 위해 사용자 정의 스킬을 직접 만들 수 있습니다. 코딩 에이전트 자체를 활용해 새로운 스킬을 정의하는 것도 훌륭한 방법입니다.

기존 스킬 폴더(예: hf_dataset_creator/)를 복사하고 이름을 변경합니다.
폴더 내 SKILL.md의 프런트매터(name, description)를 수정하고, 새로운 지침과 가이드라인을 작성합니다.
스킬에 필요한 템플릿, 스크립트를 추가하거나 편집합니다.
.claude-plugin/marketplace.json에 스킬 설명을 추가한 뒤, 저장소 내의 ./scripts/publish.sh 스크립트를 실행하여 메타데이터를 재생성하고 유효성을 검사합니다.
에이전트 환경에서 스킬을 재설치하거나 리로드하여 사용합니다.

라이선스

Hugging Face Skills 프로젝트는 Apache-2.0 라이선스로 공개 및 배포되고 있습니다.

Hugging Face Skills 공식 홈페이지

Hugging Face Skills 관련 문서

Hugging Face Skills 프로젝트 GitHub 저장소

더 읽어보기

이 글은 GPT 모델로 정리한 글을 바탕으로 한 것으로, 원문의 내용 또는 의도와 다르게 정리된 내용이 있을 수 있습니다. 관심있는 내용이시라면 원문도 함께 참고해주세요! 읽으시면서 어색하거나 잘못된 내용을 발견하시면 덧글로 알려주시기를 부탁드립니다.

파이토치 한국 사용자 모임이 정리한 이 글이 유용하셨나요? 회원으로 가입하시면 주요 글들을 이메일로 보내드립니다! (기본은 Weekly지만 Daily로 변경도 가능합니다.)

아래쪽에 좋아요를 눌러주시면 새로운 소식들을 정리하고 공유하는데 힘이 됩니다~