ML Intern は、Claude（LLM）をバックエンドとして動く 自律型MLエンジニアリングエージェント。ユーザーが「このデータセットでLlamaをfine-tuneして」と一言指示するだけで、論文調査・コード生成・GPU ジョブ投入・HF Hub へのアップロードまでを自律的に実行する。
Hugging Face のエコシステム（Hub・Spaces・Datasets・MCP サーバー・GitHub）への深いアクセス権を持ち、hf_jobs ツールで T4〜A100 の GPU を選択してトレーニングジョブを直接サブミットできる点が他のエージェントと一線を画す。
| 観点 | ml-intern | 汎用コーディングエージェント（Copilot等） | MLflow / Kubeflow 等のMLOps基盤 |
|---|---|---|---|
| 論文調査 | hf_papers ツールで自律実行 |
なし | なし |
| HF Hub 操作 | 組み込みツールで直接実行 | プロンプト補完のみ | なし |
| GPU ジョブ投入 | hf_jobs で T4/A10G/A100 を選択可 |
なし | 要インフラ設定 |
| コンテキスト管理 | 170k tokens で自動圧縮・セッション永続化 | 都度リセット | 無関係 |
| 操作単位 | 自然言語1文 | ファイル単位の補完 | YAML定義のワークフロー |
一番の強み： 「HFエコシステムに特化した道具立て（16ツール）」と「反復エージェントループ（最大300ステップ）」を組み合わせ、人間が介入せずにML作業を完結できること。yolo_mode を有効にすれば承認ダイアログも省略可。
git clone git@github.com:huggingface/ml-intern.git
cd ml-intern
uv sync
uv tool install -e .
.env に3つのトークンを設定する：
ANTHROPIC_API_KEY=... # Claude API
HF_TOKEN=... # Hugging Face
GITHUB_TOKEN=... # GitHub
| モード | コマンド | 用途 |
|---|---|---|
| 対話型 | ml-intern |
会話を続けながら作業 |
| ヘッドレス | ml-intern "fine-tune llama on my dataset" |
CI/スクリプトから呼び出し |
| モデル指定 | ml-intern --model anthropic/claude-opus-4-6 "..." |
モデル切替 |
ユーザー入力
└→ submission_queue（非同期キュー）
└→ AgentLoop（Session + ContextManager）
└→ LLM呼び出し（LiteLLM経由 / AWS Bedrock対応）
└→ ツール呼び出しをパース
└→ 要確認操作は承認プロンプト表示
└→ ToolRouter → 各ツール実行（MCP含む）
└→ 結果をコンテキストに追加 → ループ継続
"Write a training script for image classification and run it on T4" → スクリプト生成＋GPU ジョブ投入"Find recent LoRA papers and summarize key ideas" → hf_papers で論文取得・要約"Upload my model to Hub as a private repo" → hf_repo_files + hf_repo_git で自動プッシュconfigs/main_agent_config.json で挙動を制御：
yolo_mode: true → 全操作を自動承認（CI向け）confirm_cpu_jobs: false → CPUジョブの承認スキップsave_sessions: true → HF Hub にセッションを永続化reasoning_effort: "max" → Claude の思考量を最大化