AI导哈

Hugging Face模型协议服务器

一个提供对Hugging Face Hub API只读访问的模型上下文协议服务器，允许LLMs与Hugging Face的模型、数据集、空间、论文和集合进行交互。

  • by shreyaskarnik
  • Python
  • 本地部署
  • 72 星标
  • 更新于
在 GitHub 查看 shreyaskarnik/huggingface-mcp-server

使用说明

🤗 拥抱脸部MCP服务器🤗

一种模型上下文协议（MCP）服务器，提供对拥抱面部中心API的只读访问。该服务器允许像Claude这样的LLM与Hugging Face的模型、数据集、空间、论文和集合进行交互。

组件

资源

服务器公开了流行的Hugging Face资源：

  • 自定义 hf:// 用于访问资源的URI方案
  • 模型与 hf://model/{model_id} URI
  • 数据集包含 hf://dataset/{dataset_id} URI
  • 空间与 hf://space/{space_id} URI
  • 所有资源都有描述性名称和JSON内容类型

鼓励

服务器提供两个提示模板：

  • compare-models：生成多个拥抱脸模型之间的比较

    • 必需 model_ids 参数（逗号分隔的模型ID）
    • 检索模型详细信息并格式化以供比较

  • summarize-paper：总结《拥抱的脸》的一篇研究论文

    • 必需 arxiv_id 纸张识别论证
    • 可选的 detail_level 控制摘要深度的论点（简短/详细）
    • 将纸质元数据与实施细节相结合

工具

服务器实现了几个工具类别：

  • 模型工具

    • search-models：使用查询、作者、标签和限制过滤器搜索模型
    • get-model-info：获取特定型号的详细信息

  • 数据集工具

    • search-datasets：使用过滤器搜索数据集
    • get-dataset-info：获取特定数据集的详细信息

  • 空间工具

    • search-spaces：使用包含SDK类型的筛选器搜索空间
    • get-space-info：获取特定空间的详细信息

  • 纸张工具

    • get-paper-info：获取有关论文及其实施的信息
    • get-daily-papers：获取精选日报列表

  • 收藏工具

    • search-collections：使用各种过滤器搜索集合
    • get-collection-info：获取特定收藏的详细信息

配置

服务器不需要配置，但支持可选的拥抱脸身份验证：

  • 集 HF_TOKEN 环境变量与您的拥抱脸API令牌：
    • API费率上限更高
    • 访问私有存储库（如果授权）
    • 提高了高容量请求的可靠性

快速启动

安装

通过Smithery安装

通过以下方式自动安装Claude Desktop的huggingface mcp服务器 史密瑟里:

npx -y @smithery/cli install @shreyaskarnik/huggingface-mcp-server --client claude

克劳德桌面

在MacOS上： ~/Library/Application\ Support/Claude/claude_desktop_config.json 在Windows上： %APPDATA%/Claude/claude_desktop_config.json

Development/Unpublished Servers Configuration 
"mcpServers": {
  "huggingface": {
    "command": "uv",
    "args": [
      "--directory",
      "/absolute/path/to/huggingface-mcp-server",
      "run",
      "huggingface_mcp_server.py"
    ],
    "env": {
      "HF_TOKEN": "your_token_here"  // Optional
    }
  }
}

发展

建筑与出版

准备分发包裹：

  1. 同步依赖关系并更新锁文件：
uv sync
  1. 构建包分发：
uv build

这将在 dist/ 目录。

  1. 发布到PyPI：
uv publish

注意：您需要通过环境变量或命令标志设置PyPI凭据：

  • 令牌： --token 或 UV_PUBLISH_TOKEN
  • 或用户名/密码： --username/UV_PUBLISH_USERNAME 和 --password/UV_PUBLISH_PASSWORD

调试

由于MCP服务器在stdio上运行，调试可能具有挑战性。为了达到最佳调试效果 经验，我们强烈建议使用 MCP检查员.

您可以通过以下方式启动MCP检查器 npm 使用此命令：

npx @modelcontextprotocol/inspector uv --directory /path/to/huggingface-mcp-server run huggingface_mcp_server.py

启动后，检查器将显示一个URL，您可以在浏览器中访问该URL以开始调试。

克劳德提示示例

当与Claude一起使用此服务器时，请尝试以下示例提示：

  • “在Hugging Face上搜索参数小于1亿的BERT模型”
  • “在拥抱脸上找到最受欢迎的文本分类数据集”
  • “今天关于拥抱脸的人工智能研究论文有哪些？”
  • “使用Hugging Face MCP服务器，使用arXiv ID 2307.09288对论文进行总结”
  • “比较Hugging Face的Llama-3-8B和Mistral-7B型号”
  • “显示最受欢迎的用于图像生成的Gradio空间”
  • “查找TheBlock创建的包含Mixtral模特的系列”

故障排除

如果您遇到服务器问题：

  1. 在Claude Desktop中检查服务器日志：

    • macOS： ~/Library/Logs/Claude/mcp-server-huggingface.log
    • 窗户： %APPDATA%\Claude\logs\mcp-server-huggingface.log

  2. 对于API速率限制错误，请考虑添加一个Hugging Face API令牌

  3. 确保您的机器具有互联网连接，以访问拥抱脸API

  4. 如果某个特定工具出现故障，请尝试通过Hugging Face网站访问相同的数据以验证其存在

相关 MCP