Hugging Face Gradio MCP 服务器集成

Hugging Face 已将模型上下文协议（Model Context Protocol，MCP）集成到 Gradio 5.28.0 版本中，使 Hugging Face Spaces 成为一个功能性的“应用商店”，用于 LLM 工具。此集成使开发者和用户能够将大型语言模型（LLM）连接到托管在 Spaces 上的专用 AI 应用，从而获得图像编辑、OCR 和文本转语音合成等新功能。

模型上下文协议（MCP）标准

模型上下文协议（MCP）是一项开放标准，旨在在 LLM 与一组外部工具之间建立安全的双向连接。通过实现 MCP 服务器，开发者可以向 LLM 客户端（例如 Cursor、Claude Code 或 Cline）公开特定工具——如视频转录服务。随后 LLM 能识别这些工具，并根据用户请求自主调用它们。

Hugging Face Spaces 作为 MCP 工具库

Hugging Face Spaces 是一系列 AI 应用的集合，其中许多是使用 Gradio（一个用于 AI Web 服务器的开源 Python 包）构建的。随着 Gradio 5.28.0 的发布，Gradio 应用现已支持 MCP 协议。

此更新实际上将 Hugging Face Spaces 变成了 MCP 服务器的集中目录。用户可以在 Hugging Face Spaces 页面上通过筛选 “MCP Compatible” 或使用专用筛选链接来发现兼容 MCP 的工具。可用的专用任务示例包括：

  • 图像背景去除
  • 多模态 OCR
  • 文本转语音合成

实现示例：使用 Flux.1 Kontext[dev] 进行图像编辑

为了让 LLM 能够通过纯文本指令编辑图像，用户可以将 black-forest-labs/Flux.1-Kontext-Dev space 连接为 MCP 服务器。该过程包括以下步骤：

  1. 账户设置：创建 Hugging Face 账户并在个人资料设置中进入 MCP 部分。
  2. 工具选择：在 MCP 设置的 “Spaces Tools” 部分搜索并选择 Flux.1-Kontext-Dev。
  3. 客户端配置：从 Hugging Face MCP 设置页面复制提供的配置代码片段，并将其粘贴到 MCP 兼容客户端（如 Cursor）的设置文件中。
  4. 执行：配置完成后，LLM 可以编辑通过公共 URL 提供的图像。

性能与隐私考虑

使用流行的公共 space 作为工具的用户可能会遇到更长的等待时间。为缓解此问题，Hugging Face 建议复制该 space 以创建私有版本。请注意，使用 “ZeroGPU” 复制 spaces 可能需要 Hugging Face PRO 账户。

通过 MCP 搜索扩展 LLM 能力

除了添加特定工具外，用户还可以利用 Hugging Face MCP 服务器本身搜索其他兼容 MCP 的 spaces。这使得 LLM 能够自主寻找并建议能够完成用户请求的特定任务的 spaces。

Sources