where-my-hug

Where My Hug At?

AI エージェントに、モデルに何をさせたいか伝えてください。Hugging Face を検索して作業の各部分を調べ、すでにそこに存在するものをお知らせします。ぴったり合うもの、ファインチューニングするもの、トレーニングするもの、単なるコードでよいものがわかります。提示するモデルはすべて実在し、最新で、お使いのハードウェアに適したサイズです。

Claude Code、Codex、Copilot、Cursor、Gemini CLI、Cline、Devin、Open WebUI、その他の MCP クライアントで動作するほか、エージェントスキルとしても使えます。

関連ツールのGit for Me!は、GitHub、GitLab、Codeberg 上のオープンソースリポジトリについて、同じことを行います。

目次

• 試してみる
• 仕組み：4つの質問 · 作業の分割 · 検索 · 判定 · 最新情報の確認 · フラグ · サイズ
• 例：レシピカード
• インストール（すべてのエージェント向けの手順：USAGE.md）
• お使いのマシンから送信される情報 · 制限事項 · セキュリティ
• 開発 · ライセンス

試してみる

エージェントに追加します（ここでは Claude Code を使用します。その他すべての方法は以下を参照してください）。

claude mcp add --scope user where-my-hug -- npx -y where-my-hug

次に、こう尋ねてください。

手書きのレシピカードを文字起こしするには、どんなモデルがいい？

エージェントは、推測できないことをいくつか尋ね、作業を部分ごとに分けて、以下の例のようなレポートを返します。レポートに含まれるモデルやデータセットは、直前に Hugging Face で調べたものです。モデルが担える作業なら何でも対応できます。

餌台のカメラを訪れる鳥を見分けるには、どんなモデルがいい？
サポートメールを緊急度ごとに分類するには、どんなモデルがいい？
スキャンしたレシートから合計金額を取り出すには、どんなモデルがいい？

仕組み

1. まず4つの質問

「手書きを読み取るモデル」と尋ねるだけでは、人気のあるものが提示されます。GPUには大きすぎたり、成果物の配布に使えないライセンスだったり、コードで読み込めない形式だったりすることがよくあります。そのため、モデルを提示する前に、まず4つの詳細を確認します。エージェントは会話やコードベースからすでにわかることを補い、残りを尋ねます。

	質問内容	判断できること
計算資源	どこで実行し、必要であればどこでトレーニングしますか？ 24 GB の GPU 1台、CPU のみ、スマートフォン、レンタル GPU	使用できるモデルのサイズと、そもそもファインチューニングが可能かどうか
ライセンス	成果物をどのような用途に使用できますか？ 商用、オープンソース、個人利用	使用可能なライセンス
スタック	どのような環境からモデルを呼び出しますか？ Python サービス、Node、ブラウザー、モバイルアプリ	使用可能な重みの形式
データ	トレーニングデータはありますか。または用意できますか？ なし、ラベル付き写真が約300枚、さらに収集可能	ファインチューニングやトレーニングが現実的かどうか

「まだわかりません」でも大丈夫です。その場合は幅広い選択肢が提示され、すべてのモデルについて必要なメモリが表示されるので、レポートを参考に判断できます。

2. 作業を分割する

エージェントは、必要な作業をそれぞれ入力と出力のある部分（写真 → テキスト、テキスト → フィールド）に分けます。モデルの仕事ではない部分（ルール、幾何計算、解析、検索）は WRITE と表示されます。これはコードで正確に実行できます。ほとんどの作業には、そうした部分が1つあります。コードで正確にできる処理をモデルに任せるのは、利点ではなくコストです。

3. 各パーツについて Hugging Face を検索する

エージェントが Hugging Face について記憶している内容は、トレーニング時点のもので、ニッチな情報を見落とします。そのため、記憶から選ぶことはありません。それ以外の各パーツについて、エージェントは検索クエリ（Hub のタスクタグ、いくつかのキーワード、数語で表した用途）を書き、次の4つの方法で検索します。

方法	見つかるもの
タスク別のダウンロード数上位	実績のあるもの
タスク別のトレンド	エージェントのトレーニング後にリリースされたモデルを含む、新しいもの
各キーワードを含む名前	ファインチューニングモデルやニッチなモデル
モデルカードとデータセットカードの本文	カードに書かれた内容に基づくニッチな情報。ウェブ検索のような検索です

検索方法ごとに順番に結果へ反映されるため、ニッチなファインチューニングモデルが、タスクで人気のあるモデルに埋もれることはありません。

4. 見つかった情報から各パーツを決める

判定	意味
USE	検索で見つかったモデルが、そのままこの用途に使えます。
TUNE	近いものがあるため、ファインチューニングします。できれば検索で見つかったデータセットを使います。
TRAIN	近いものが見つからないため、見つかったデータセットを初期データとしてモデルをトレーニングします。
WRITE	モデルの役割ではないため、コードを記述します。

エージェントは、タスク、カード、ダウンロード数、経過年数など、各結果に記載された情報をもとに判断します。検索で見つからなかった、エージェントが知っているモデルを追加することもありますが、その場合は検索で見つかった候補より下位に順位付けされ、レポートには 記憶から と記されます。

5. すべての候補を確認する

すべての候補を Hugging Face でリアルタイムに検索します。存在しない候補は除外し、エージェントはほかの候補を探すために再び検索します。残った候補には、後で問題になりそうな点のフラグを付け、利用可能な計算リソースに照らして規模を評価し、その結果をレポートとして表示します。検索で見つかったものの選ばれなかった候補も一覧表示するため、検索結果が隠されることはありません。検索でモデルが見つかった TRAIN パーツについては、モデルをトレーニングする前に、見つかったモデルを確認するよう案内します。レポート内のすべての情報（ライセンス、サイズ、ダウンロード数、更新状況）は Hugging Face から取得します。

内部では、3つのツールを備えた MCP サーバーが動作します。手順1、2、4を担当する where_my_hug、手順3を担当する where_my_hug_search、手順5を担当する where_my_hug_verify です。

フラグ

フラグ	条件
UNCHECKED	Hugging Face から応答がありませんでした（ダウン中、またはレート制限中）。ID は保持され、次回に再度確認されます。
GATED	ダウンロードする前に、Hugging Face で利用規約に同意する必要があります。
NO_LICENSE	カードにライセンスが記載されていません。
NON_COMMERCIAL	非商用、または研究目的のみの利用規約です（cc-by-nc-*、*-research など）。
OWN_TERMS	独自の規約、利用制限、または派生物の作成禁止に関する規約です（other、Llama、Gemma、RAIL、-nd-）。NON_COMMERCIAL と併記される場合があります。cc-by-nc-nd は両方に該当します。
STALE	2年間更新されていません。
LITTLE_USED	直近1か月のダウンロード数が100未満です。

サイズ：ここで実行できるものと、より高い性能が期待できるもの

すべてのモデルについて、実行に必要なメモリを表示します。パラメーターあたり2.4バイトで、半精度にアクティベーション用の領域を加えた値です。ファインチューニングするモデルについては、そのために必要なメモリも表示します。QLoRA ならパラメーターあたり約1バイト、フルファインチューニングなら16バイトです。これらを、指定した計算リソース（最初に示す「N GB」）と比較します。

• 最初に 収まる モデルを、そのパーツの最上位に配置します。
• より大きなモデルは「動作させられる場合」に続きます。まず検索で見つかった候補を並べ、その後に記憶から追加した候補を並べます。 無理をすれば実行可能 なモデルは、4ビット量子化（パラメーターあたり0.6バイト）にするか、より大きな GPU があれば収まります。クラウド が必要なモデルは、それ以上のリソースを必要とします。レポートには、Hugging Face 上でそのモデルを提供しているプロバイダーを記載するか、レンタル GPU が必要と記載します。
• 収まるモデルがないパーツについても、より大きな候補を表示します。ハードウェアを用意できる可能性があるため、代替候補の検索には戻りません。

データセットとして指定されたモデル（またはその逆）は、適切な種類の中で検索されます。ライセンスはカードのメタデータから取得します。具体的には、license、独自規約の場合の license_name（other (qwen-research) として報告）、または license: タグです。

例：レシピカード

上記のプロンプトを使用した、2026-10-14 の24 GB GPU 1台での実行例（抜粋）：

_Searched and checked on Hugging Face just now: 7 named, 1 from memory rather than the search, 0 not there and dropped._

## USE  ·  Read the card
**Model: zai-org/GLM-OCR**
license mit · 1.3B parameters (~3.2 GB to run) · 1.7M downloads a month · found: name has ocr, most downloaded for image-to-text
If you can make it work, bigger than one 24 GB GPU:
- Qwen/Qwen3.8-27B: a stretch: ~66.7 GB to run, ~16.7 GB quantized to 4 bits, hosted by novita, cerebras, …
- google/gemma-4-31B-it: a stretch: ~75.1 GB to run, ~18.8 GB quantized to 4 bits, hosted by novita, …
Also: deepseek-ai/DeepSeek-OCR
The search also found, not picked:
- google/gemma-4-26B-A4B-it (11.3M downloads a month): found as most downloaded for image-text-to-text
- openbmb/MiniCPM-V-4.7-35B-A3B (4.2k downloads a month): found as trending for image-text-to-text

## TUNE  ·  Read the hard hands
**Model: microsoft/trocr-base-handwritten**
license mit · 333.3M parameters (~0.8 GB to run; to fine-tune, ~0.3 GB with QLoRA, ~5.3 GB in full) · found: name has handwritten
**Data: Voxel51/iam_handwriting_finevision**
license cc · 1.9k downloads a month · found: name has handwriting
Also: Teklia/IAM-line (stale, from memory)

## WRITE  ·  Parse the amounts
No model: write this one.

そこに挙げられたモデルは、今年リリースされたものを含め、すべて検索で見つかったものです。エージェントが記憶から追加したデータセット1つには、その旨が記されています。

インストール

Node 22.18 以降が必要です。USAGE.md には、20 以上のエージェント向けの手順付きセットアップとリンクがあります：Claude Code と Desktop、Codex、Copilot（CLI と VS Code）、Cursor、Windsurf、Devin、Cline、Gemini CLI、Goose、OpenCode、Zed、Junie、Kiro、Amp、Warp、Continue、LM Studio、Hermes、Mistral Vibe、Open WebUI。簡単な方法は次のとおりです。

Claude Code、Codex、Copilot CLI：プラグインとして使います。ツールに加え、いつ使うべきかを判断できるスキルも利用できます。3 つすべてで同じマーケットプレイスを使えます。

/plugin marketplace add bikemeardsley/where-my-hug          # Claude Code
/plugin install where-my-hug@where-my-hug

codex plugin marketplace add bikemeardsley/where-my-hug      # Codex
codex plugin add where-my-hug@where-my-hug

copilot plugin marketplace add bikemeardsley/where-my-hug    # Copilot CLI
copilot plugin install where-my-hug@where-my-hug

その他の MCP クライアント：クライアントの設定で stdio サーバーを指定します。ほとんどの場合、キー名は mcpServers です（例外については USAGE.md をご覧ください）。

{ "mcpServers": { "where-my-hug": { "command": "npx", "args": ["-y", "where-my-hug"] } } }

Antigravity CLI：プラグインとして使います：agy plugin install https://github.com/bikemeardsley/where-my-hug/tree/main/plugin

Gemini CLI：拡張機能として使います：gemini extensions install https://github.com/bikemeardsley/where-my-hug

エージェントスキルとして：SKILL.md を読み込むエージェント向けです： npx skills add bikemeardsley/where-my-hug。

HF_TOKEN（任意）。 公開リポジトリはトークンなしで利用できます。アカウントからアクセスできる非公開またはゲート付きリポジトリを含めるには、Hugging Face トークンを HF_TOKEN として渡します（エージェントごとの設定方法はこちら）。Claude Code プラグインではトークンを求められ、安全なストレージに保存されます。トークンがない場合、Hugging Face はどちらの場合も 401 を返すため、非公開リポジトリは見つからないように見えます。

お使いのマシンから送信される情報

エージェントが各パート向けに作成した検索語（タスクタグ、キーワード、作業内容を表す短い語句）と選択した ID が、huggingface.co/api への GET リクエストとして送信されます。トークンを設定した場合は、トークンも送信されます。トークンはその宛先にのみ送られ、レポートには表示されません。入力した要件、手法、レポートは、あなたとエージェントの間だけに留まります。

MCP サーバーまたはスキルのシェルフォールバックとして npx で起動すると、npm レジストリの registry.npmjs.org から where-my-hug パッケージがダウンロードされます。そこに送信されるのは、パッケージのリクエストだけです。

制限事項

• サイズは safetensors のメタデータから取得します。GGUF または .bin の重みしかないリポジトリではパラメーター数が表示されないため、計算能力に応じたサイズの判定はできません。
• ライセンスのフラグは、ライセンス本文ではなくカードのメタデータを読み取ります。
• Hub の検索機能で見つけられるものだけを検索します。対象は名前、タグ、カードのテキストです。無関係な名前で説明がほとんどないカードのモデルは、見つからない場合があります。
• カードのテキストは、Hub の検索ページの背後にあるドキュメント化されていない API を通じて検索します。この API が変更された場合、その方法は失敗し、結果にその旨が表示されます。他の 3 つの方法は引き続き動作します。

セキュリティ

脆弱性は公開イシューではなく、GitHub Security Advisories を通じて非公開で報告してください。SECURITY.md には、Hugging Face への GET リクエスト以外に、このツールがアクセスするものはないと記載されています。

開発

node src/server.ts   # the server, straight from source
npm test             # offline: Hugging Face is mocked, and the server is driven over stdio and HTTP
npm run check        # types

npm install は JavaScript を build/ にビルドします。npx が実行するのはこの JavaScript です。Node は node_modules 内のパッケージに含まれる型を削除しないためです。

ライセンス

MIT