AI导哈

AI模型标签自动生成工具

一个基于AI的机器人，自动为Hugging Face Hub仓库添加标签，通过监听讨论评论并识别关键词来触发标签添加。

  • by Qehbr
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 Qehbr/HF-Tag-Model-MCP

使用说明

这个项目提供了一个 基于AI的机器人，可自动为Hugging Face Hub上的仓库添加标签它的工作原理是监听讨论评论。当检测到“pytorch”或“text-generation”等关键词时，它会使用一个AI代理来打开一个拉取请求（Pull Request），在模型卡片上添加相应的标签。

## 项目文件

  • **server.py**主要应用。它是一个 FastAPI 接收来自Hugging Face Hub的webhooks并托管（相关服务或应用的）服务器 Gradio（注：这是一个专有名词，通常不进行翻译，直接保留原名，若需解释性翻译，可译为“Gradio平台”或“Gradio工具”，但具体翻译需根据上下文确定） 用于测试和监控的仪表板。
  • **mcp_server.py**一个后端 MCP服务器 这为代理提供了与Hugging Face Hub交互的工具，例如 get_current_tags 并且 add_new_tag这个服务器是自动启动的 server.py。
  • **pyproject.toml**定义项目的Python依赖项。
  • **Dockerfile**包含将整个应用程序打包成便携式格式的说明 Docker 容器.

## 如何使用它

  1. 安装依赖项： 打开你的终端并运行：

    uv sync

  2. 设置环境： 创建一个 .env 文件并添加你的Hugging Face令牌和一个webhook密钥。

    HF_TOKEN="hf_..."
WEBHOOK_SECRET="a-secure-random-string"

  3. 运行服务器： 主服务器自动启动MCP服务器。

    python server.py

    您可以访问Gradio仪表板，网址为 http://localhost:7860/gradio。

  4. 配置Webhook： 前往Hugging Face Hub上你的仓库设置，并添加一个webhook。将其指向你的服务器 /webhook 终端点（使用像……这样的工具） ngrok 或者 cloudflared （如果在本地运行）并设置与你在（配置中）定义的相同密钥 .env 文件。

该机器人现已上线。当您在仓库的讨论中创建新评论并提及已识别的标签时，它会自动处理该评论。

相关 MCP