Hugging Face merancang ulang CLI-nya untuk agent yang sudah lebih dulu memakainya

Hugging Face merombak command line mereka dan merilisnya sebagai hf, dan menjelaskan bahwa keputusan desainnya didorong oleh seberapa banyak trafik agent yang sudah masuk ke Hub. Per April 2026, Claude Code mencatat 48,6 juta request dari 39.500 pengguna unik, dan Codex 36,4 juta dari 34.800 pengguna. Tooling lama merugikan keduanya. Agent terpaksa merangkai curl sendiri atau menavigasi Python SDK, dan tim Hugging Face mengukur ongkos token-nya bisa sampai enam kali lipat dibanding menjalankan perintah CLI yang setara pada tugas multi-langkah. Desain baru ini mengatasinya dengan memberikan satu perintah dua tampilan. Ketika CLI mendeteksi lingkungan agent lewat variabel seperti CLAUDECODE atau CODEX_SANDBOX, ia beralih dari tabel berwarna yang terpotong ke TSV yang padat, lengkap dengan timestamp utuh, daftar tag penuh, tanpa kode ANSI.

Benchmark-nya yang membuat argumennya konkret. Pada 18 tugas Hub yang tidak sepele dan sekitar 520 run per agent, Claude Code dengan Sonnet 4.6 mencapai 94 persen tingkat keberhasilan memakai hf, dibanding 84 persen lewat curl atau SDK, sambil memakai token 1,3 sampai 1,6 kali lebih sedikit. Codex dengan GPT-5.5 naik dari 92 ke 93 persen dan 1,6 sampai 1,8 kali lebih hemat token. Selisihnya melebar di pekerjaan multi-langkah. Rangkaian bucket create, sync, dan prune lewat curl menghabiskan token enam kali lebih banyak ketimbang lewat CLI. Ada juga perintah hf skills add yang menaruh referensi auto-generate ke Claude Code, Codex, Cursor, OpenCode, dan Pi; setelah skill terpasang, rata-rata pemanggilan perintah per run turun dari 10,4 ke 6,9 untuk Claude Code dan dari 10,1 ke 7,3 untuk Codex.

Kenapa ini penting

Kalau agent buatanmu memanggil layanan eksternal, perbaikan paling murah biasanya adalah menyediakan CLI yang memang dirancang untuk agent, bukan membiarkan model berimprovisasi memanggil HTTP, dan hf sekarang jadi referensi yang rapi soal seperti apa wujudnya. Bagi penulis tool yang lain, bacaan yang lebih luas: mendeteksi lingkungan agent lalu mengganti format output adalah perubahan kecil yang, menurut angka Hugging Face, benar-benar menghemat biaya dan menaikkan tingkat keberhasilan sepuluh poin.