Hugging Face Gradio MCP 伺服器整合

Hugging Face 已將 Model Context Protocol（MCP）整合至 Gradio 5.28.0 版，將 Hugging Face Spaces 轉變為功能性的「應用程式商店」供 LLM 工具使用。此整合讓開發者與使用者能將大型語言模型（LLM）連接至托管於 Spaces 的專門 AI 應用，賦予它們影像編輯、OCR 與文字轉語音合成等新功能。

Model Context Protocol（MCP）標準

Model Context Protocol（MCP）是一項開放標準，旨在於 LLM 與一組外部工具之間建立安全的雙向連接。透過實作 MCP 伺服器，開發者可以將特定工具（例如影片轉錄服務）公開給 LLM 客戶端（如 Cursor、Claude Code 或 Cline）。LLM 隨後會辨識這些工具，並能根據使用者的請求自動呼叫它們。

Hugging Face Spaces 作為 MCP 工具倉庫

Hugging Face Spaces 是一系列 AI 應用的集合，其中許多是使用 Gradio（開源的 Python 套件，用於 AI 網頁伺服器）建置。隨著 Gradio 5.28.0 的發布，Gradio 應用現在支援 MCP 協定。

此更新實質上將 Hugging Face Spaces 轉變為 MCP 伺服器的集中目錄。使用者可在 Hugging Face Spaces 頁面上以「MCP Compatible」篩選，或使用專屬的篩選連結，來發現相容 MCP 的工具。可用的專門任務範例包括：

  • 影像背景移除
  • 多模態 OCR
  • 文字轉語音合成

實作範例：使用 Flux.1 Kontext[dev] 進行影像編輯

為了讓 LLM 能透過純文字指令編輯影像，使用者可以將 black-forest-labs/Flux.1-Kontext-Dev 空間連接為 MCP 伺服器。此流程包括以下步驟：

  1. 帳號設定：建立 Hugging Face 帳號，並前往個人資料設定中的 MCP 版塊。
  2. 工具選擇：在 MCP 設定的「Spaces Tools」區段中搜尋並選取 Flux.1-Kontext-Dev。
  3. 客戶端設定：從 Hugging Face MCP 設定頁面複製提供的設定程式碼片段，並貼入 MCP 相容客戶端（例如 Cursor）的設定檔中。
  4. 執行：設定完成後，LLM 即可編輯透過公開 URL 提供的影像。

效能與隱私考量

使用熱門公共 Spaces 作為工具的使用者可能會遇到較長的等待時間。為減少此情況，Hugging Face 建議將該 Space 複製為私人版。請注意，使用「ZeroGPU」複製 Spaces 可能需要 Hugging Face PRO 帳號。

擴展 LLM 能力：透過 MCP 搜尋

除了新增特定工具外，使用者還可以利用 Hugging Face MCP 伺服器本身搜尋其他相容 MCP 的 Spaces。這使得 LLM 能自動找出並建議能完成使用者所請求之特定任務的 Spaces。

Sources